醫(yī)學(xué)圖像處理圖像配準學(xué)習(xí)教案課件

1、會計學(xué)1醫(yī)學(xué)圖像處理 圖像配準主要內(nèi)容：1圖像配準概述；2 基于特征的圖像配準方法；3基于模板的圖像配準方法；4MATLAB圖像配準；第九章 圖像配準2022/7/26 22:20第1頁/共47頁主要內(nèi)容：1圖像配準概述；2 基于特征的圖像配準方法；3基于模板的圖像配準方法；4MATLAB圖像配準；第九章 圖像配準2022/7/26 22:20第2頁/共47頁圖像配準概述圖像配準的定義問題的提出：臨床上需要對同一個病人進行多種模式（CT、MRI、PET）或者同一模式的多次成像，并同時從幾幅圖像獲取信息，進行綜合分析；前提條件：解決兩幅或多幅圖像對應(yīng)成像空間位置的嚴格對齊問題，即確定同一對象在不

2、同圖像中的對應(yīng)點：第3頁/共47頁圖像配準概述圖像配準的定義圖像配準（Image Registration）：對一幅圖像尋求一種（或一系列）空間變換，使它與另一幅圖像上的對應(yīng)點達到空間上的一致。這種一致是指對象上所有點（或至少所有感興趣點）在兩張已配準圖像上有著相同的空間位置。各種圖像配準的文獻都會出現(xiàn)“配準、匹配、幾何校正”三個詞，它們的含義比較相似。第4頁/共47頁圖像配準概述圖像配準的定義圖像配準舉例：對圖B尋求一種空間變換，使它與圖A上的對應(yīng)點達到空間上的一致。圖B經(jīng)空間變換后得到圖C，在圖A和圖C中相同對象有著相同的空間位置。稱圖A和圖C為已配準的圖像，可以進行進一步的綜合分析。圖A

3、圖B圖C第5頁/共47頁圖像配準概述圖像配準的定義圖像配準舉例：123第6頁/共47頁圖像配準概述圖像配準的定義圖像配準舉例：第7頁/共47頁圖像配準概述醫(yī)學(xué)圖像配準的類型同一對象（患者）的圖像配準：不同對象間的圖像配準：將被試的圖像與典型正常人相同部位的圖像或標(biāo)準圖譜進行對比，以確定被試者是否正常。如有異常，還要與一些疾病的典型圖像對比，確定患者是否屬于同類。第8頁/共47頁圖像配準概述圖像配準的常用方法基于特征的圖像配準方法：先提取圖像顯著特征，如灰度變化明顯的點、線等特征，通過特征集的映射建立兩幅圖像之間的空間變換關(guān)系。原則上該方法可用于配準任何模式的圖像；最常用的是特征點法；基于模板的

4、圖像配準方法：在一幅圖像中選取一個子圖像窗口作為模板，大小通常為55或77，然后讓該模板在另一幅圖像中移動，通過計算相關(guān)函數(shù)來找到模板在搜索圖中的坐標(biāo)位置。該方法主要用于單模圖象配準，特別是用于對改變較小的圖像序列進行配準；第9頁/共47頁主要內(nèi)容：1圖像配準概述；2 基于特征的圖像配準方法；3基于模板的圖像配準方法；4MATLAB圖像配準；第九章 圖像配準2022/7/26 22:20第10頁/共47頁基于特征的圖像配準方法步驟一般來說特征匹配算法可分為四步：特征提?。簭膬煞鶊D像中提取灰度變化明顯的點、線等特征形成特征集；特征空間映射：建立兩幅圖像特征集之間的空間多項式變換關(guān)系；非特征像素之

5、間的映射：利用上述多項式變換關(guān)系對于非特征像素點進行空間變換，從而實現(xiàn)兩幅圖像之間逐像素的空間映射；灰度插值：由于空間映射得到的坐標(biāo)值不一定為整數(shù)，因此需要進行灰度插值來確定這些坐標(biāo)上的灰度值；第11頁/共47頁基于特征的圖像配準方法空間映射設(shè)f(x, y)是待與圖像G(x, y)配準的圖像；g(x, y)是根據(jù)G大小生成一幅和G的坐標(biāo)一致的空白圖像；設(shè)兩幅圖像相同點對應(yīng)的坐標(biāo)之間的變換關(guān)系用下式描述：則可以從一幅圖像的像素坐標(biāo)算出另一幅圖像對應(yīng)像素的坐標(biāo)。因此存在兩種空間映射方法：前向映射和后向映射；第12頁/共47頁基于特征的圖像配準方法空間映射前向映射：由推出，逐點計算出f中每個像素對應(yīng)

6、于g中的坐標(biāo)，然后利用灰度插值方法將f中每個像素的灰度值分配到它的4個最鄰近像素上；f(x, y)g(x, y)第13頁/共47頁基于特征的圖像配準方法空間映射前向映射的缺陷：f中的一些點可能落在g圖像的坐標(biāo)之外；f中的多個點映射到g中的坐標(biāo)可能有同樣的最鄰近像素，導(dǎo)致g中一個像素的灰度值被計算多次；f(x, y)g(x, y)第14頁/共47頁基于特征的圖像配準方法空間映射后向映射：由，逐點計算出g中每個像素對應(yīng)于f中的坐標(biāo)，然后利用灰度插值方法計算出g中每個像素的灰度值；后向映射比前向映射更實用，在這種映射方式中，輸出g的每一個像素灰度值都一次性由f中4相鄰像素的線性插值決定。f(x, y

7、)g(x, y )第15頁/共47頁基于特征的圖像配準方法空間映射常見的空間映射關(guān)系第16頁/共47頁基于特征的圖像配準方法空間映射剛體變換：對象內(nèi)部任意兩點間的距離保持不變；剛體變換可以分解為旋轉(zhuǎn)和平移：第17頁/共47頁基于特征的圖像配準方法空間映射仿射變換：仿射變換將直線映射為直線，并保持平行性；仿射變換在剛體變換的基礎(chǔ)上增加了尺度變換和錯切變換：第18頁/共47頁基于特征的圖像配準方法空間映射舉例：假設(shè)你有2張拍攝時間相隔100年的峽谷壁的數(shù)字圖像，并且你希望通過相減的處理來判斷由于風(fēng)化作用而產(chǎn)生的地貌變化。你發(fā)現(xiàn)一塊巖石原來位于(303，467)，而現(xiàn)在位于(316，440)；一個樹

8、樁原來位于(298，277)，而現(xiàn)在位于(311，200)。問：兩幅圖像有沒有(a)尺寸縮放(b)旋轉(zhuǎn)(c)平移？若有，有多少？若要將兩幅圖進行相減處理，寫出第二幅圖像所要做的幾何變換。假定兩幅圖像除了尺寸上的均勻縮放、旋轉(zhuǎn)和平移外沒有其他幾何扭曲。第19頁/共47頁基于特征的圖像配準方法空間映射解：由題意有g(shù)(x1, y1)=(303，467)，g(x2, y2)=(298，277)；f(x1, y1)=(316，440)， f(x2, y2)=(311，200)；第20頁/共47頁基于特征的圖像配準方法空間映射解：原題轉(zhuǎn)化為求解變換矩陣：解得：第21頁/共47頁基于特征的圖像配準方法空間映

9、射通常在h1(x, y)和h2(x, y)未知的情況下，可用求對應(yīng)特征點集(至少3對)的仿射變換矩陣的方法來估計h1(x, y)和h2(x, y)；在更復(fù)雜的情況下(如圖像的空間變換是非線性的)，h1(x,y)和h2(x,y)可用多項式來近似：其中，式中N為多項式的次數(shù)，aij和bij為各項待定系數(shù)。 第22頁/共47頁基于特征的圖像配準方法灰度插值經(jīng)過空間變換得到的坐標(biāo)值通常不為整數(shù)，這些坐標(biāo)值上的灰度值沒有定義，必須通過對其鄰近像素的灰度值插值來得到：常用插值方法有：最近鄰像素插值、雙線性插值、三次立方插值；第23頁/共47頁基于特征的圖像配準方法灰度插值最近鄰像素插值：在待求像素的四鄰點

10、中，將距離這點最近的鄰點灰度賦給待求像素。該方法最簡單，但校正后的圖像有明顯鋸齒狀，即存在灰度不連續(xù)性。f(x, y)g(x, y )第24頁/共47頁基于特征的圖像配準方法灰度插值雙線性插值：雙線性插值法是對最近鄰法的一種改進，即根據(jù)待求像素的四個鄰近點的灰度值，分別在x和y方向上進行兩次插值。最后形成的插值函數(shù)為一雙曲拋物面方程：計算比最近鄰點法復(fù)雜，但沒有灰度不連續(xù)性的缺點，結(jié)果較令人滿意。第25頁/共47頁基于特征的圖像配準方法灰度插值雙線性插值算法：首先，在x方向上作線性插值：第26頁/共47頁基于特征的圖像配準方法灰度插值雙線性插值算法：首先，在x方向上作線性插值：第27頁/共47

11、頁基于特征的圖像配準方法灰度插值雙線性插值算法：然后，在y方向上作線性插值：第28頁/共47頁基于特征的圖像配準方法灰度插值雙線性插值算法：最后，得到雙線性插值公式：第29頁/共47頁基于特征的圖像配準方法灰度插值最近鄰像素插值和雙線性插值比較：OriginalNearest NeighbourBilinear第30頁/共47頁基于特征的圖像配準方法灰度插值舉例：假設(shè)f(109，775)=113，f(109，776)=109，f(110，775)=105，f(110，776)=103，試分別用最近鄰像素插值法和雙線性插值法求f(109.27，775.44)，寫出雙線性插值變換方程f(x，y)=

12、ax+by+cxy+d，求出各參數(shù)的值；答案：最近鄰像素插值：f(109.27，775.44)113雙線性插值：f(109.27，775.44)109f(x, y)=-8(x-109)-4(y-775)+2(x-109)(y-775)+113第31頁/共47頁主要內(nèi)容：1圖像配準概述；2 基于特征的圖像配準方法；3基于模板的圖像配準方法；4MATLAB圖像配準；第九章 圖像配準2022/7/26 22:20第32頁/共47頁基于模板的圖像配準方法模板匹配模板匹配法：在一幅圖像中選取一個窗口作模板T，然后將模板在另一幅圖像中平移，通過相關(guān)函數(shù)的計算來找到它在搜索圖中的坐標(biāo)位置。模板覆蓋下的那塊搜

13、索圖叫做子圖Si,j，(i,j)為子圖的中心點在S中的坐標(biāo)；模板匹配法采用使圖像間相似性最大化的原理實現(xiàn)圖像間的配準。用以下測度來衡量T和Si,j的相似程度：第33頁/共47頁基于模板的圖像配準方法模板匹配P值介于0和1之間。根據(jù)經(jīng)驗取某個閾值P0，如果PP0，則匹配成功；PSave Points to Workspace，則工作空間自動添加input_points和base_points兩個變量；第41頁/共47頁MATLAB圖像配準基于特征的配準第42頁/共47頁MATLAB圖像配準 基于特征的配準由特征點集求空間變換cp2form ()語法：tform=cp2form(input_poi

14、nts, base_points, transform_type)說明：input_points為待配準的輸入圖像上的特征點，base_points為基準圖像上的對應(yīng)點；transform_type為變換類型；第43頁/共47頁MATLAB圖像配準基于特征的配準例：根據(jù)控制點(特征點)對兩幅圖像進行配準：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);%交互式地確定特征點集t = cp2tform(input_points,base_points,linear conformal);recovered = imtran