3D刚性配准

CVer儿

已于 2024-12-19 13:52:38 修改

阅读量100

点赞数

分类专栏：配准文章标签： 3d

于 2024-12-19 13:48:01 首次发布

原文链接：https://mp.weixin.qq.com/s/U-rJwZsAL1b3Qp9_I4iHbg

版权

配准专栏收录该内容

3 篇文章

订阅专栏

图像配准(Image Registration)，是数字图像处理中非常关键的问题之一。

配准的本质是 将两个或多个图像进行对齐 以便进行比较、分析或融合的过程。

图像配准的目标是 找到一个变换矩阵（Transform matrix），将不同图像中的相应特征或点匹配在一起，以便它们在同一坐标系下对齐。

https://www.mathworks.com/help/medical-imaging/ug/medical-image-registration.html

图像配准大致可以分为两类：

1. 刚性配准（Rigid registration）

2.非刚性配准（Non-rigid registration）

刚性配准 包括以下几种类型，不同类型有不同的复杂度：

Translation registration（only translation）
Rigid registration (translation and rotation)
Similarity registration (translation, rotation, and scale)
Affine registration (translation, rotation, scale, and shear)

之前的关于ImageJ的文章，介绍了怎样利用ImageJ的插件来做图像配准：

点击查看《ImageJ | 图像自动配准》

也介绍了怎样 利用ANTs进行多模态配准：

点击查看《Python | ANTs 多模态医学影像配准》

这篇文章会演示怎样利用MATLAB，对3D血管数据图像进行配准：

配准后：

1、实例代码，MATLAB版本R2021b：

% This script shows how to registrate 3D stack using rigid registrationclear; close all;imgTemp = imstackread('imgTemplate.tif');imgReg = imstackread('imgRegistrate.tif');
imgTempMIP = max(imgTemp,[],3);imgRegMIP = max(imgReg,[],3);
% Create the optimizer and metric[optimizer, metric] = imregconfig('multimodal');optimizer.MaximumIterations = 300;optimizer.InitialRadius = 0.0009;
% get the transform matrixtform = imregtform(imgRegMIP, imgTempMIP, 'affine', optimizer, metric);
% apply transform matriximgRegAffine = imwarp(imgRegMIP, tform,'OutputView',imref2d(size(imgRegMIP)));
figure(9);subplot(1,2,1); imshowpair(imgRegMIP,imgTempMIP); title('Before registration');subplot(1,2,2); imshowpair(imgRegAffine,imgTempMIP);title('After affine registration');
%% apply tranform matrix to all slices of the image stackfor ii = 1:size(imgReg,3)    imgReg(:,:,ii) = imwarp(imgReg(:,:,ii), tform,'OutputView',imref2d(size(imgRegMIP)));    disp(['Frame-',num2str(ii),' finished']);endimstackwrite(uint16(imgReg),'imgAfterReg.tif');

输出结果：

2、关键代码解析

（1）导入3D stack

imgTemp = imstackread('imgTemplate.tif');imgReg = imstackread('imgRegistrate.tif');

imstackread 函数参考这篇文章：

点击查看《MATLAB | 图像序列和Stack的读写》

（2）对 3D stack 进行 Max Intensity Projection(MIP)

imgTempMIP = max(imgTemp,[],3);imgRegMIP = max(imgReg,[],3);

单层血管的特征比较少，单层与单层配准可能因为特征不足，导致配准失败。

MIP后的图包含了Z轴上的信息，有更多的特征，更容易得到好的配准结果：

（3）初始化配准参数

% Create the optimizer and metric[optimizer, metric] = imregconfig('multimodal');optimizer.MaximumIterations = 300;optimizer.InitialRadius = 0.0009;

如果两个图像的采集条件不一样，例如用的不同的成像系统，或者信噪比差别较大。

这种情况需要进行多模态的配准，所以选择'multimodal'。

optimizer中具体的参数，参考：

https://www.mathworks.com/help/images/create-an-optimizer-and-metric-for-intensity-based-image-registration.html

这里需要关注 optimizer.MaximumIterations 这个参数，如果配准效果不好，可以适当提高iteration的数量，但计算速度会变慢。

（4）得到变换矩阵

% get the transform matrixtform = imregtform(imgRegMIP, imgTempMIP, 'affine', optimizer, metric);

因为需要配准的图像和原始的图像模板相比，除了位移也有旋转、以及形状上的变形。

所以在配准时，选择 仿射变换（Affine）。

（5）根据变换矩阵对图像进行变换

% apply transform matriximgRegAffine = imwarp(imgRegMIP, tform,'OutputView',imref2d(size(imgRegMIP)));

得到变换矩阵后，可以通过imwarp对图像进行变换。

这里需要注意 定义变换后图像的大小，即'OutputView'。一般希望输出图像的大小和原始图像大小一致。

link