医学图像处理第十七讲 图像配准ppt课件

医学图像处理 Medical Image Processing,学习，学习，再学习，有事没事，去书店看看书，关于管理，金融，营销，人际交往，未来趋势等这些，你能获得很多。这个社会竞争太激烈了，你不学习，就会被淘汰。中国2008底，有一百多万大学生找不到工作。竞争这么激烈，所以，一定要认识一点，大学毕业了，不是学习结束了，而是学习刚刚开始。 赢在中国,主要内容： 1 图像配准概述； 2 基于特征的图像配准方法； 3 基于模板的图像配准方法； 4 MATLAB图像配准；,第九章 图像配准,*,主要内容： 1 图像配准概述； 2 基于特征的图像配准方法； 3 基于模板的图像配准方法； 4 MATLAB图像配准；,第九章 图像配准,*,图像配准概述图像配准的定义,问题的提出：临床上需要对同一个病人进行多种模式（CT、MRI、PET）或者同一模式的多次成像，并同时从几幅图像获取信息，进行综合分析； 前提条件：解决两幅或多幅图像对应成像空间位置的严格对齐问题，即确定同一对象在不同图像中的对应点：,图像配准概述图像配准的定义,图像配准（Image Registration）：对一幅图像寻求一种（或一系列）空间变换，使它与另一幅图像上的对应点达到空间上的一致。这种一致是指对象上所有点（或至少所有感兴趣点）在两张已配准图像上有着相同的空间位置。 各种图像配准的文献都会出现“配准、匹配、几何校正”三个词，它们的含义比较相似。,图像配准概述图像配准的定义,图像配准举例：对图B寻求一种空间变换，使它与图A上的对应点达到空间上的一致。图B经空间变换后得到图C，在图A和图C中相同对象有着相同的空间位置。称图A和图C为已配准的图像，可以进行进一步的综合分析。,图A,图B,图C,图像配准概述医学图像配准的类型,同一对象（患者）的图像配准： 不同对象间的图像配准： 将被试的图像与典型正常人相同部位的图像或标准图谱进行对比，以确定被试者是否正常。如有异常，还要与一些疾病的典型图像对比，确定患者是否属于同类。,图像配准概述图像配准的常用方法,基于特征的图像配准方法：先提取图像显著特征，如灰度变化明显的点、线等特征，通过特征集的映射建立两幅图像之间的空间变换关系。原则上该方法可用于配准任何模式的图像；最常用的是特征点法； 基于模板的图像配准方法：在一幅图像中选取一个子图像窗口作为模板，大小通常为55或77，然后让该模板在另一幅图像中移动，通过计算相关函数来找到模板在搜索图中的坐标位置。该方法主要用于单模图象配准，特别是用于对改变较小的图像序列进行配准；,主要内容： 1 图像配准概述； 2 基于特征的图像配准方法； 3 基于模板的图像配准方法； 4 MATLAB图像配准；,第九章 图像配准,*,基于特征的图像配准方法步骤,一般来说特征匹配算法可分为四步： 特征提取：从两幅图像中提取灰度变化明显的点、线等特征形成特征集； 特征空间映射：建立两幅图像特征集之间的空间多项式变换关系； 非特征像素之间的映射：利用上述多项式变换关系对于非特征像素点进行空间变换，从而实现两幅图像之间逐像素的空间映射； 灰度插值：由于空间映射得到的坐标值不一定为整数，因此需要进行灰度插值来确定这些坐标上的灰度值；,基于特征的图像配准方法空间映射,设f(x, y)是待与图像G(x, y)配准的图像；g(x, y)是根据G大小生成一幅和G的坐标一致的空白图像； 设两幅图像相同点对应的坐标之间的变换关系用下式描述： 则可以从一幅图像的像素坐标算出另一幅图像对应像素的坐标。因此存在两种空间映射方法：前向映射和后向映射；,基于特征的图像配准方法空间映射,前向映射：由 推出 ，逐点计算出f中 每个像素对应于g中的坐标，然后利用灰度插值方法将f中 每个像素的灰度值分配到它的4个最邻近像素上；,f(x, y),g(x, y),基于特征的图像配准方法空间映射,前向映射的缺陷： f中的一些点可能落在g图像的坐标之外； f中的多个点映射到g中的坐标可能有同样的最邻近像素，导致g中一个像素的灰度值被计算多次；,f(x, y),g(x, y),基于特征的图像配准方法空间映射,后向映射：由 ，逐点计算出g中每个像素对应于 f中的坐标，然后利用灰度插值方法计算出g中每个像素的灰度值； 后向映射比前向映射更实用，在这种映射方式中，输出g的每一个像素灰度值都一次性由f中4相邻像素的线性插值决定。,f(x, y),g(x, y ),基于特征的图像配准方法空间映射,常见的空间映射关系,基于特征的图像配准方法空间映射,刚体变换：对象内部任意两点间的距离保持不变； 刚体变换可以分解为旋转和平移：,基于特征的图像配准方法空间映射,仿射变换：仿射变换将直线映射为直线，并保持平行性； 仿射变换在刚体变换的基础上增加了尺度变换和错切变换：,基于特征的图像配准方法空间映射,举例：假设你有2张拍摄时间相隔100年的峡谷壁的数字图像，并且你希望通过相减的处理来判断由于风化作用而产生的地貌变化。你发现一块岩石原来位于(303，467)，而现在位于(316，440)；一个树桩原来位于(298，277)，而现在位于(311，200)。 问：两幅图像有没有(a)尺寸缩放(b)旋转(c)平移？若有，有多少？若要将两幅图进行相减处理，写出第二幅图像所要做的几何变换。假定两幅图像除了尺寸上的均匀缩放、旋转和平移外没有其他几何扭曲。,基于特征的图像配准方法空间映射,解：由题意有g(x1, y1)=(303，467)，g(x2, y2)=(298，277)；f(x1, y1)=(316，440)， f(x2, y2)=(311，200)；,基于特征的图像配准方法空间映射,解：原题转化为求解变换矩阵： 解得：,基于特征的图像配准方法空间映射,通常在h1(x, y)和h2(x, y)未知的情况下，可用求对应特征点集(至少3对)的仿射变换矩阵的方法来估计h1(x, y)和h2(x, y)； 在更复杂的情况下(如图像的空间变换是非线性的)，h1(x,y)和h2(x,y)可用多项式来近似： 其中，式中N为多项式的次数，aij和bij为各项待定系数。,基于特征的图像配准方法灰度插值,经过空间变换得到的坐标值通常不为整数，这些坐标值上的灰度值没有定义，必须通过对其邻近像素的灰度值插值来得到： 常用插值方法有：最近邻像素插值、双线性插值、三次立方插值；,基于特征的图像配准方法灰度插值,最近邻像素插值：在待求像素的四邻点中，将距离这点最近的邻点灰度赋给待求像素。该方法最简单，但校正后的图像有明显锯齿状，即存在灰度不连续性。,f(x, y),g(x, y ),基于特征的图像配准方法灰度插值,双线性插值：双线性插值法是对最近邻法的一种改进，即根据待求像素的四个邻近点的灰度值，分别在x和y方向上进行两次插值。最后形成的插值函数为一双曲抛物面方程：计算比最近邻点法复杂，但没有灰度不连续性的缺点，结果较令人满意。,基于特征的图像配准方法灰度插值,双线性插值算法： 首先，在x方向上作线性插值：,基于特征的图像配准方法灰度插值,双线性插值算法： 首先，在x方向上作线性插值：,基于特征的图像配准方法灰度插值,双线性插值算法： 然后，在y方向上作线性插值：,基于特征的图像配准方法灰度插值,双线性插值算法： 最后，得到双线性插值公式：,基于特征的图像配准方法灰度插值,最近邻像素插值和双线性插值比较：,Original,Nearest Neighbour,Bilinear,基于特征的图像配准方法灰度插值,举例：假设f(109，775)=113，f(109，776)=109，f(110，775)=105，f(110，776)=103，试分别用最近邻像素插值法和双线性插值法求f(109.27，775.44)，写出双线性插值变换方程f(x，y)=ax+by+cxy+d，求出各参数的值； 答案： 最近邻像素插值：f(109.27，775.44)113 双线性插值：f(109.27，775.44)109 f(x, y)=-8(x-109)-4(y-775)+2(x-109)(y-775)+113,主要内容： 1 图像配准概述； 2 基于特征的图像配准方法； 3 基于模板的图像配准方法； 4 MATLAB图像配准；,第九章 图像配准,*,基于模板的图像配准方法模板匹配,模板匹配法：在一幅图像中选取一个窗口作模板T，然后将模板在另一幅图像中平移，通过相关函数的计算来找到它在搜索图中的坐标位置。模板覆盖下的那块搜索图叫做子图Si,j，(i,j)为子图的中心点在S中的坐标； 模板匹配法采用使图像间相似性最大化的原理实现图像间的配准。 用以下测度来衡量T和Si,j的相似程度：,基于模板的图像配准方法模板匹配,P值介于0和1之间。根据经验取某个阈值P0，如果PP0，则匹配成功；PP0，则匹配失败； 为了加快搜索速度，可以使用金字塔图像。 对图像进行一次采样率为1/n的重采样，即把图像的每nn个像素变为一个像素，这样就得到一幅长、宽都为原来1/n的图像，把它作为金字塔的第二层。 再对第二层用同样方法进行一次采样率为1/n的重采样，又得到第三层（顶层）。 原始影像作为金字塔影像的底层。,基于模板的图像配准方法模板匹配,金字塔图像匹配步骤： 第一步：顶层的匹配，得到一个平移初始值 。 第二步：根据平移初始值乘以n得到第二层平移量初始值，在它mm个像元的邻域内进行模板匹配。 第三步：根据第二层匹配值乘以n得到第三层平移量初始值，再进行一次模板匹配。 如果图像尺寸不是特别大，可以只用两层金字塔。,基于模板的图像配准方法模板匹配,相关测度举例：,主要内容： 1 图像配准概述； 2 基于特征的图像配准方法； 3 基于模板的图像配准方法； 4 MATLAB图像配准；,第九章 图像配准,*,MATLAB图像配准图像的空间变换,创建空间变换结构maketform() 语法：tform=maketform(type, parameters) 说明：第一个输入变量type可以取affine、projective等，用于表示变换类型；函数返回一个结构体，变换矩阵及其逆矩阵都包含在该结构体中； 举例：T=2 0 0;0 3 0;0 0 1; tform=maketform(affine, T)； tform.tdata.T %显示T tform.tdata.Tinv %显示T-1,MATLAB图像配准图像的空间变换,对图像应用空间变换imtransform() 语法：g=imtransform(f, tform, interp) 说明：interp可以取nearest、bilinear 或bicubic ，用于指明插值方式，默认为bilinear ； 举例：g=imtransform(f, tform, nearest) g=imtransform(f, tform, FillValue, 0.5) g=imtransform(f, tform, XData, 1 400, YData, 1 400),MATLAB图像配准图像的空间变换,例：对图像进行仿射变换： I = checkerboard(10,2); imshow(I) title(original) scale = 1.2; % scale factor angle = 40*pi/180; % rotation angle tx = 0; % x translation ty = 0; % y translation sc = scale*cos(angle); ss = scale*sin(angle); T = sc -ss; ss sc; tx ty; t_lc = maketform(affine,T); I_linearconformal = imtransform(I,t_lc,FillValues,.3); figure, imshow(I_linearconformal); title(linear conformal),MATLAB图像配准 基于特征的配准,交互选择特征点cpselect () 语法：cpselect (input, base) 说明：input为待配准的输入图像，base为基准图像；运行该命令后，出现交互界面，可供添加特征点；特征点添加完成后，选择File-Save Points to Workspace，则工作空间自动添加input_points和base_points两个变量；,MATLAB图像配准基于特征的配准,MATLAB图像配准 基于特征的配准,由特征点集求空间变换cp2form () 语法：tform=cp2form(input_points, base_points, transform_type) 说明：input_points为待配准的输入图像上的特征点，base_points为基准图像上的对应点；transform_type为变换类型；,MATLAB图像配准基于特征的配准,例：根据控制点(特征点)对两幅图像进行配准： I = imread(cameraman.tif); imshow(I); scale = 0.6; J = imresize(I,scale); theta = 30; K = imrotate(J,theta); figure, imshow(K) cpselec