图像配准之概念简述
来源:互联网 发布:淘宝售后客服术语大全 编辑:程序博客网 时间:2024/06/06 00:33
这系列文章是5年前的,也是从自己的QQ(632846506)日志中移过来的。https://user.qzone.qq.com/632846506/infocenter。
1、概念
图像配准是图像处理领域的一个基本问题,是图像处理中的一个关键步骤,也很重要。它在众多领域有着广泛的应用,如医学图像处理、影像分析、遥感融合、计算机视觉等,图像配准是当前科研领域中的一个热点。
图像配准就是将不同时间、不同成像设备在不同条件下(天气、照度、摄像角度与位置等)获得的两幅或多幅图像进行匹配、叠加的过程,这些图像之间一般会存在差异,它们之间的差异性表现在不同的分辨率、不同的灰度属性、不同位置平移和旋转、不同比例尺、不同的非线性变形等。经过图像配准,可以使得图像质量更高,清晰度更好,定位更准确,
简单的说,图像配准就是将两幅同一景物不同时刻或成像模式的图像由不同坐标系变换到同一坐标系中的过程。根据应用领域,图像配准可以分为遥感图像配准、医学图像配准、三维重建和计算机视觉领域等内的图像配准。根据自动化程度,可将其分为人工配准、半自动配准和全自动配准等。根据所利用的图像信息,又可分为基于灰度信息的配准和基于特征的配准。根据成像模式,配准图像可以分为单模态图像配准和多模态图像配准。
2 图像配准的基本步骤
一般来说,图像配准的过程可分为特征提取、特征匹配、几何变换模型的选取及其参数的确定、配准图像的重新采样及配准等几个步骤。
(1)特征提取。特征提取是图像配准中的一个关键环节,就是提取待配准图像之间的显著特征。特征选取的好坏对后续过程有很大的影响,关系着配准算法的稳定性和可靠性。最常用的图像特征主要有:特征点、直线段、边缘、轮廓、闭合区域、特征结构以及统计特征等。特征点的提取方法有很多,如Harris角点检测算法、SUSAN 算法、DoG算法等。
(2)特征匹配。特征匹配就是寻找提取到的特征间的对应关系。首先,选取并计算所提取的特征的描述子;然后,选取适合的相似度量函数,用于计算特征间的匹配程度;最后,找出正确匹配特征对集。
(3)几何变换模型的选取及其参数的确定。首先,根据特征间的对应关系,计算几何变换模型参数。然后,再根据相似度量函数优化几何变换参数。
(4)配准图像的重新采样及配准。首先,选取合适的插值函数。然后,用几何映射函数将浮动图像映射到基准图像的坐标空间,从而实现图像的配准。
3 四种几何变换模型
在图像配准中,常用的几何变换模型主要有刚体变换、相似变换、仿射变换、投影变换和非线性(多项式变换)等。
(1)刚体变换(Rigid Transformation),刚体变换主要是针对旋转和平移进行的一种变换。
(2)相似变换(Similarity Transformation),相似变换主要是针对平移、旋转、镜像(即反转)进行的一种变换。
(3)仿射变换(Affine Transformation),仿射变换主要是针对平移、旋转、镜像(即反转)、缩放等进行的一种变换。
(4)投影变换(Projective Transformation),可以实现平移、旋转、镜像(即反转),投影。
(5) 非线性(多项式)变换,可以实现平移、旋转、镜像(即反转),投影,扭曲。
- 图像配准之概念简述
- 图像配准之《常用图像变换模型》简述
- OpenCV之图像滤波简述
- 图像处理之卷积概念
- 图像处理之卷积概念
- 事务概念简述
- 数据库重要概念简述
- AMF协议概念简述
- 同源策略概念 简述
- 最小二乘法概念简述
- 图像旋转简述
- 图像特征简述
- 图像概念
- 简述面向对象的概念
- Java 中 重要概念 简述
- 网页设计部分概念简述
- 网络的一些概念--简述
- Java2D图像处理超简述
- easyUI引用必要的css,js文件示例 基础(三)--cdn
- android查看kernel log
- Yii2中request的使用方法
- 注解(Annotation)自定义注解入门
- windows 安装tensorflow
- 图像配准之概念简述
- 扩展阅读 数学对编程的重要意义 C语言计算1,2,3,...,100的总和
- 【MyBatis学习09】高级映射之一对多查询
- 团队协作开发的最佳实践--Git Flow
- C++之迭代器(Iterator)篇
- 理解'*','*args','**','**kwargs'
- basic Python 1(syntax&strings&dastetime)
- 子DIV浮动(float)后父DIV高度自动失效解决方案
- 《慕课网玩转算法面试》笔记及习题解答5.4.~5.6