MATLAB自动影像校准ImageRegistration技术.PDFVIP

MATLAB 自動影像校準(Image Registration)技術 By Garima Sharma and Andy Thé, MathWorks 公司 影像校準(image registration)是從兩個或多個數據來進行影像對齊的過程 ，它牽 涉到影像的整合以建立整合視圖 、改善訊號的雜訊比(signal-to-noise ratio) ，並 從多張圖片中萃取(extract) 那些無法從單一影像中獲得的資訊 。影像校準用於 遙測(remote sensing) 、醫學影像 、製圖(cartography) ，以及其他需要從影像中 獲得正確資訊的應用，如-從衛星圖片發現淹水面積 、MRI 掃描檢測腫瘤或工廠 檢測等等。 該如何確定有效的影像校準方法依情況而異，可以是一個複雜和費時的過程，需 要仔細選擇一個點轉換模式來提供影像間的參考點，及建立一個比較資訊的方法 來界定正確對齊影像所需要的適當參數。 有兩個著名的方法可進行自動影像校準流程：以特徵(feature-based)為基礎和以 影像強度(intensity-based)為基礎的校準演算法 。在這篇文章中，我們將使用一 個偵測發燒的例子來說明，以影像強度為基礎、利用MATLAB imregister 函式 及MathWorks 的影像處理工具箱(Image Processing Toolbox)相關功能來建立 的自動影像校準流程。這個工作流程是一個快速有效的方式，可以從不同的相機 整合影像。 影像校準詞彙 參考（固定）圖像：影像在目標方向，指定為2D 或3D 影像灰階度 目標（移動）圖像：影像被轉換和參考圖像對齊 ，指定為2D 或3D 影像灰 階度 以影像強度為基礎的校準 ：以影相對強度特徵值(intensity patterns)為基礎 來對齊影像 以特徵為基礎的校準 ：使用特徵偵測(feature detection) 、萃取(extraction) 和匹配(matching)來對齊影像 1 發燒偵測實例：目標與挑戰 當嚴重急性呼吸系統綜合症 （SARS ）2003 年爆發時 ，台灣的桃園國際機場開 始掃描檢查乘客發燒症狀以遏制這種致命病毒的蔓延，由於無法逐一檢查每位乘 客，臨床醫生用紅外線熱成像、非侵入式技術透過分析溫度數據的紅外線攝影像 來偵測發燒與否 。 雖然這種方法有效，但真正實踐起來卻很有挑戰性。紅外線攝影機對環境條件非 常敏感，必須考量所有可能影響溫度讀數的元素，才能正確地對攝影機進行調校， 包括室內環境溫度、相對濕度、表面反射，以及攝影機和被檢體對象間的距離。 有效的溫度掃描也取決對身體能產生可靠溫度資訊的部位識別要有一致性，在我 們的例子中，例如眼睛周圍。 我們使用MATLAB® 、FLIR 紅外線 （IR）攝影機以及webcam 來建立一個溫度 掃描機雛形(prototype) 。紅外線 （IR）攝影機可以測量臉部溫度100 毫K (millikelvins)的增量，而webcam 則提供更多臉部特徵的細部資訊。透過校準這 兩個不同來源的影像，我們將能夠偵測webam 攝影影像的眼睛周圍位置（圖1）， 並由紅外線攝影機得到的影像測量眼睛周圍的溫度。 圖1 ：Webcam 影像 2 擷取影像和紅外線攝影機調校(Calibrating) 使用影像擷取工具箱™( Image Acquisition Toolbox™) ，我們把從webcam 和紅 外攝影機抓取到的影像輸入到MATLAB 的工作區中，紅外線攝影機使用的是 GigE Vision® 介面，webcam 則使用標準的interface 介面 。 為了調校紅外線攝影機 ，我們調整了被攝體的距離、濕度、輻射係數 （物理幅射 能量的表面相對值，即物質吸收與幅射能量能力的指標，取決於溫度、發射角度 及波長），以及其它特性。在影像擷取的過程中，大氣溫度為295.15K 、牆壁 和受試者輻射係數為0.98 。 影像視覺化 利用影像處理工具箱(Image Processing Toolbox)內的函式imshow() 來看紅外 線攝影機攝得的影像，因為我們已經擷取了 16-bit 的資料 ，其中實際讀到的溫 度讀數測定為100 毫K(mK)的增量，在影像顯示到螢幕之前，我們依據數據進 行了對比調整(contrast adjustment)(圖2) 。