imregconfig
Настройки для основанной на интенсивности регистрации
Описание
[ создает optimizer,metric]
= imregconfig(modality)optimizer и metric настройки, которые вы передаете imregister выполнять основанную на интенсивности регистрацию изображений, где modality задает модальность захвата изображения. imregconfig возвращает optimizer и metric с настройками по умолчанию, чтобы обеспечить основную регистрационную настройку.
Примеры
Укажите многомодальные изображения MRI с оптимизатором
Считайте два изображения. Этот пример использует два магнитных резонанса (MRI) изображения колена. Фиксированное изображение является двойным изображением вращения, в то время как движущееся изображение является двойным изображением вращения с восстановлением инверсии. Два стреловидных среза были получены одновременно, но немного неровно.
fixed = dicomread('knee1.dcm'); moving = dicomread('knee2.dcm');
Просмотрите неправильно выровненные изображения.
imshowpair(fixed, moving,'Scaling','joint')
Создайте оптимизатор и метрику, установив модальность на 'multimodal' поскольку изображения прибывают из различных датчиков.
[optimizer, metric] = imregconfig('multimodal')optimizer =
registration.optimizer.OnePlusOneEvolutionary
Properties:
GrowthFactor: 1.050000e+00
Epsilon: 1.500000e-06
InitialRadius: 6.250000e-03
MaximumIterations: 100
metric =
registration.metric.MattesMutualInformation
Properties:
NumberOfSpatialSamples: 500
NumberOfHistogramBins: 50
UseAllPixels: 1
Настройте свойства оптимизатора получить проблему сходиться на глобальные максимумы и допускать больше итераций.
optimizer.InitialRadius = 0.009; optimizer.Epsilon = 1.5e-4; optimizer.GrowthFactor = 1.01; optimizer.MaximumIterations = 300;
Выполните регистрацию.
movingRegistered = imregister(moving, fixed, 'affine', optimizer, metric);Просмотрите зарегистрированные изображения.
figure imshowpair(fixed, movingRegistered,'Scaling','joint')
Входные параметры
Выходные аргументы
Больше о
Советы
Если вы настраиваете оптимизатор или метрические параметры, регистрационные результаты могут улучшиться. Например, если вы увеличиваете число итераций в оптимизаторе, уменьшаете размер шага оптимизатора или изменяете количество выборок в стохастической метрике, регистрация улучшается к точке, за счет производительности.