(Matlab实现多种图像配准.docVIP

Matlab实现多种图像配准 本文讲述如何利用Matlab Image Processing Toolbox中的图像配准工具实现线性正投影、仿射、投影、多项式、分段线性、局部加权平均配准的过程。 实验平台 X86 PC，Windows XP sp2, Matlab 7.1 资源的获取 图片资源来自/registration/satellite/testimag.html，其中每个压缩包里存有两副图片，每副图片以矩阵形式保存。 matlab工具的使用方法：查看帮助mage Processing Toolbox Users Guide——Image registration。 涉及配准方法简介 该工具箱提供的配准方法均需手工选择图像间的匹配点对（control points pair），均属于交互配准方法。其基本过程为：读入图像数据－在两副图像上选择足够匹配点－选择配准算法，计算变换参数－变换图像。 假设input image（输入图像）为欲进行配准的图像，base image为配准是的参考图像。以下是我参考matlab帮助给出了简介。 1．线性正投影（linear conformal）：最简单。平面映射成平面。 当输入输入图像与参考图像对比，只是存在全局的平移、旋转、缩放或其三者组合的差别时（正方形仍对应正方形），选择此配准方法。此方法至少需要2对匹配点。 2．仿射（affine）：将平行线转换成平行线。 当输入图像形状存在切变现象（正方形对应平行四边形），选此法。至少需3对匹配点。 3．投影（projective）：将直线映射成直线。 如果输入图像呈现倾斜，翘起现象，选此法。至少需4对匹配点。 4．多项式（polynomial）：将直线映射成曲线。 如果输入图像出现不规则曲变，采用此法。Matlab中提供有2、3、4次幂的实现，分别至少需要6，10，10对匹配点。 5．分段线性（piecewise linear） 如果输入图像的各个局部之间的退化模式明显不一样，选此法。至少需要4对匹配点。 6．局部加权平均（local weighted mean） 与分段线性一致，但效果较之好。至少需要6对（推荐12对）匹配点。 实验步骤 1．读取图像数据。 因为源图像以矩阵形式存在一个二进制的文件里，用fread可将其读取到变量矩阵中。将读取文件编制成一个子函数(RTIread.m)，源代码如下： function imMatrix=RTIread(FILENAME,SIZE) %RTIread Read the image matrix from binary Registration Test Image file. % imMatrix=RTIread(FILENAME,SIZE) opens the file FILENAME, and reads the % number of elements specified by SIZE. % % FILENAME is a string containing the name of the file to be opened. % Valid entries for SIZE are: % N read N elements into a column vector. % inf read to the end of the file. % [M,N] read elements to fill an M-by-N matrix, in column order. % N can be inf, but M cant. % % It returns the image matrix. fid=fopen(FILENAME,r); imMatrix=fread(fid,SIZE,uint8=uint8); fclose(fid); %image(imMatrix); 这里我们选取了两张600×600的图片，文件名为“casitas84”和“casitas86”。运行以下代码读取图像矩阵： % 1. Read the images into the MATLAB workspace. base=RTIread(casitas84,[600,600]); input=RTIread(casitas86,[600,600]); 2．选取匹配点（control points）。 根据预定的配准方法，选定足够的匹配点对。运行下列代码： % 2.Specify control point pairs n the images and save. cpselect(input,base)