Matlab實現(xiàn)多種圖像配準

1、Matlab實現(xiàn)多種圖像配準本文講述如何利用Matlab Image Processing Toolbox中的圖像配準工具實現(xiàn)線性正投影、仿射、投影、多項式、分段線性、局部加權平均配準的過程。實驗平臺X86 PC，Windows XP sp2, Matlab 7.1資源的獲取圖片資源來自/registration/satellite/testimag.html，其中每個壓縮包里存有兩副圖片，每副圖片以矩陣形式保存。matlab工具的使用方法：查看幫助mage Processing Toolbox User's GuideImage re

2、gistration。涉及配準方法簡介該工具箱提供的配準方法均需手工選擇圖像間的匹配點對（control points pair），均屬于交互配準方法。其基本過程為：讀入圖像數(shù)據(jù)>在兩副圖像上選擇足夠匹配點>選擇配準算法，計算變換參數(shù)>變換圖像。假設input image（輸入圖像）為欲進行配準的圖像，base image為配準是的參考圖像。以下是我參考matlab幫助給出了簡介。1線性正投影（linear conformal）：最簡單。平面映射成平面。當輸入輸入圖像與參考圖像對比，只是存在全局的平移、旋轉、縮放或其三者組合的差別時（正方形仍對應正方形），選擇此配準方法。此方

3、法至少需要2對匹配點。2仿射（affine）：將平行線轉換成平行線。當輸入圖像形狀存在切變現(xiàn)象（正方形對應平行四邊形），選此法。至少需3對匹配點。3投影（projective）：將直線映射成直線。如果輸入圖像呈現(xiàn)傾斜，翹起現(xiàn)象，選此法。至少需4對匹配點。4多項式（polynomial）：將直線映射成曲線。如果輸入圖像出現(xiàn)不規(guī)則曲變，采用此法。Matlab中提供有2、3、4次冪的實現(xiàn)，分別至少需要6，10，10對匹配點。5分段線性（piecewise linear）如果輸入圖像的各個局部之間的退化模式明顯不一樣，選此法。至少需要4對匹配點。6局部加權平均（local weighted mean）

4、與分段線性一致，但效果較之好。至少需要6對（推薦12對）匹配點。實驗步驟1讀取圖像數(shù)據(jù)。因為源圖像以矩陣形式存在一個二進制的文件里，用fread可將其讀取到變量矩陣中。將讀取文件編制成一個子函數(shù)(RTIread.m)，源代碼如下：function imMatrix=RTIread(FILENAME,SIZE)%RTIread Read the image matrix from binary "Registration Test Image" file.% imMatrix=RTIread(FILENAME,SIZE) opens the file FILENAME, an

5、d reads the % number of elements specified by SIZE.% FILENAME is a string containing the name of the file to be opened. % Valid entries for SIZE are:% N read N elements into a column vector.% inf read to the end of the file.% M,N read elements to fill an M-by-N matrix, in column order.% N can be inf

6、, but M can't.% % It returns the image matrix.fid=fopen(FILENAME,'r');imMatrix=fread(fid,SIZE,'uint8=>uint8');fclose(fid);%image(imMatrix);這里我們選取了兩張600×600的圖片，文件名為“casitas84”和“casitas86”。運行以下代碼讀取圖像矩陣：% 1. Read the images into the MATLAB workspace. base=RTIread('casita

7、s84',600,600);input=RTIread('casitas86',600,600);2選取匹配點（control points）。根據(jù)預定的配準方法，選定足夠的匹配點對。運行下列代碼：% 2.Specify control point pairs n the images and save. cpselect(input,base);%please select 15 points for test.出現(xiàn)GUI界面。操作很簡單，只需注意選點要均勻布開，以增加其代表性。選定完畢，F(xiàn)ile-> Save Points to Workspace將數(shù)據(jù)保存到

8、工作區(qū)中。Workspace立刻多出兩個N×2的數(shù)組（其中N為選定的匹配點對數(shù)），分別為input_points和base_points，如：input_points = 119.5185 193.5926 168.9012 242.9753 105.9383 140.5062 459.0247 131.8642 313.3457 257.7901 292.3580 165.1975 276.3086 33.0988 283.7160 380.0123 76.3086 297.2963 135.5679 83.7160 360.2593 313.3457 94.8272 446.67

9、90 70.1358 354.0864 181.2469 361.4938 381.2469 460.2593 252.8519 433.09883利用十字相關法調整選定了的匹配點。這步可選。運行代碼：% 3.Fine-tune the control points using cross-correlation.input_points_corr = cpcorr(input_points,base_points,input,base); %optimism the pointsinput_points_corr為優(yōu)化后在輸入圖片的對應匹配點。4計算變換公式的參數(shù)。利用cp2tform，選定

10、變換類型（即配準方法），計算變換參數(shù)。以下只需選定一種即可。% 4.Specify the type of transformation to be used and infer its parameters% (1) not Fine-tune pointsTlinear = cp2tform(input_points,base_points,'linear conformal');Taffine = cp2tform(input_points,base_points,'affine');Tprojective = cp2tform(input_points,

11、base_points,'projective');Tpolynomial2 = cp2tform(input_points,base_points,'polynomial',2);Tpolynomial3 = cp2tform(input_points,base_points,'polynomial',3);Tpolynomial4 = cp2tform(input_points,base_points,'polynomial',4);Tpiecewise = cp2tform(input_points,base_points,

12、'piecewise linear');Tlwm = cp2tform(input_points,base_points,'lwm');% (2)Fine-tune pointsfTlinear = cp2tform(input_points_corr,base_points,'linear conformal');fTaffine = cp2tform(input_points_corr,base_points,'affine');fTprojective = cp2tform(input_points_corr,base_po

13、ints,'projective');fTpolynomial2 = cp2tform(input_points_corr,base_points,'polynomial',2);fTpolynomial3 = cp2tform(input_points_corr,base_points,'polynomial',3);fTpolynomial4 = cp2tform(input_points_corr,base_points,'polynomial',4);fTpiecewise = cp2tform(input_points_

14、corr,base_points,'piecewise linear');fTlwm = cp2tform(input_points_corr,base_points,'lwm');諸如Tlinear的變量為一個稱為TFORM的數(shù)據(jù)結構，尚沒做仔細研究：Tlinear = ndims_in: 2 ndims_out: 2 forward_fcn: fwd_affine inverse_fcn: inv_affine tdata: 1x1 struct5變換圖像。% 5.Transform the unregistered image to bring it in

15、to alignment. title('image registration polynomial method');subplot(2,2,1);imshow(base);title('Base image');subplot(2,2,2);imshow(input);title('Input image');subplot(2,2,3);imshow(imtransform(input,Tpolynomial2);title('registered image');subplot(2,2,4);imshow(imtransform(input,fTpolynomial2);title('registered image(fine-tune points)');結果如下：總結1