医学图像处理图像配准学习教案课件

1、会计学1医学图像处理 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；4MATLAB图像配准；第九章 图像配准2022/7/26 22:20第1页/共47页主要内容：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；4MATLAB图像配准；第九章 图像配准2022/7/26 22:20第2页/共47页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

2、同图像中的对应点：第3页/共47页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。第4页/共47页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

3、图B图C第5页/共47页图像配准概述图像配准的定义图像配准举例：123第6页/共47页图像配准概述图像配准的定义图像配准举例：第7页/共47页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。第8页/共47页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

4、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；第9页/共47页主要内容：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；4MATLAB图像配准；第九章 图像配准2022/7/26 22:20第10页/共47页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

5、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；第11页/共47页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；第12页/共47页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

6、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)第13页/共47页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)第14页/共47页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

7、)g(x, y )第15页/共47页基于特征的图像配准方法空间映射常见的空间映射关系第16页/共47页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：第17页/共47页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：第18页/共47页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

8、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。第19页/共47页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)；第20页/共47页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：第21页/共47页基于特征的图像配准方法空间映

9、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。 第22页/共47页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；第23页/共47页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

10、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 )第24页/共47页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。第25页/共47页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：第26页/共47页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：第27页/共47

11、页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：第28页/共47页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：第29页/共47页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：OriginalNearest NeighbourBilinear第30页/共47页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)=

12、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)109f(x, y)=-8(x-109)-4(y-775)+2(x-109)(y-775)+113第31页/共47页主要内容：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；4MATLAB图像配准；第九章 图像配准2022/7/26 22:20第32页/共47页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

13、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：第33页/共47页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；PSave Points to Workspace，则工作空间自动添加input_points和base_points两个变量；第41页/共47页MATLAB图像配准基于特征的配准第42页/共47页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_poi

14、nts, 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；第43页/共47页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)cpselect(K,I);%交互式地确定特征点集t = cp2tform(input_points,base_points,linear conformal);recovered = imtran