Основанные на функции регистрационные методы автоматически обнаруживают отличные функции изображений, такие как острые углы, блобы или области универсальной интенсивности. Движущееся изображение подвергается одному глобальному преобразованию, чтобы предоставить лучшему выравниванию соответствующих функций с фиксированным изображением.
FAST обнаруживает угловые функции, особенно в сценах человеческого источника, таких как улицы и внутренние комнаты. FAST поддерживает изображения одно шкалы и отслеживание точки.
MinEigen также обнаруживает угловые функции. MinEigen поддерживает изображения одно шкалы и отслеживание точки.
Харрис также обнаруживает угловые функции, с помощью более эффективного алгоритма, чем MinEigen. Харрис поддерживает изображения одно шкалы и отслеживание точки.
BRISK также обнаруживает угловые функции. В отличие от предыдущих алгоритмов, BRISK поддерживает изменения по своим масштабам и вращение и отслеживание точки.
ORB обнаруживает углы в изображениях с изменениями по своим масштабам и/или вращением.
SURF обнаруживает блобы в изображениях и поддерживает изменения по своим масштабам и вращение.
KAZE обнаруживает многошкальные функции блоба от пробела шкалы, созданного с помощью нелинейной диффузии.
MSER обнаруживает области универсальной интенсивности. MSER поддерживает изменения по своим масштабам и вращение, и более устойчив к аффинным преобразованиям, чем другие основанные на функции алгоритмы.
В Registration Estimator можно указать изображения и сгенерировать функции для всех основанных на функции методов без лицензии Computer Vision Toolbox™. Однако, чтобы запустить автоматически сгенерированную функцию, которая использует основанный на функции регистрационный метод, у вас должен быть Computer Vision Toolbox. Для получения дополнительной информации смотрите Результаты Экспорта Приложения Registration Estimator.
Основанные на интенсивности регистрационные методы коррелируют интенсивность изображений в пространственном или частотном диапазоне. Движущееся изображение подвергается одному глобальному преобразованию, чтобы максимизировать корреляцию его интенсивности с интенсивностью фиксированного изображения.
Мономодальная интенсивность указывает изображения с подобной яркостью и контрастом, которые получены на том же типе сканера или датчика. Например, используйте мономодальную интенсивность, чтобы указать рентген MRI, сделанный подобных предметов с помощью той же последовательности обработки изображений.
Многомодальная интенсивность указывает изображения с различной яркостью и контрастом. Эти изображения могут прибыть из двух различных типов устройств, таких как две модели камеры или два типа медицинских систем обработки изображений (такие как CT и MRI). Эти изображения могут также прибыть из единого устройства. Например, используйте многомодальную интенсивность, чтобы указать изображения, взятые с той же камерой с помощью различных параметров экспозиции или указать изображения MRI, полученные во время одного сеанса с помощью различных последовательностей обработки изображений.
Корреляция фазы указывает изображения в частотном диапазоне. Как многомодальная интенсивность, корреляция фазы является инвариантной к яркости изображения. Корреляция фазы более устойчива к шуму, чем другие основанные на интенсивности регистрационные методы.
Примечание
Корреляция фазы обеспечивает лучшие результаты, когда соотношение сторон каждого изображения является квадратным.
Нетвердая регистрация применяет неглобальные преобразования к движущемуся изображению. Нетвердые преобразования генерируют поле смещения, в котором каждое пиксельное местоположение в фиксированном изображении сопоставлено с соответствующим местоположением в движущемся изображении. Движущееся изображение затем деформировано согласно полю смещения и передискретизировало линейную интерполяцию использования. Для получения дополнительной информации об оценке поля смещения для нетвердых преобразований, смотрите imregdemons.
