图像配准/对齐和转换如何在像素级别上工作？答案

【问题标题】：How does the Image Registration/alignment and transformation work on the pixel level?图像配准/对齐和转换如何在像素级别上工作？
【发布时间】：2019-04-29 06:40:59
【问题描述】：

我知道图像配准/对齐的基本流程或过程，但是当 2 个图像被配准/对齐时，像素级别会发生什么，即转换为固定图像的运动图像的相似像素保持不变，但会发生什么不匹配的像素，它们是平均的还是其他的？

以及如何估计正确的转换技术，即我如何知道是否应用平移、缩放、旋转等以及应用多少（即旋转的度数、平移值等）？

另外，在初始步骤中，如何识别和匹配相似的像素值？

我已经实现了https://simpleitk.readthedocs.io/en/master/Examples/ImageRegistrationMethod1/Documentation.html中给出的python代码

输入图像是前列腺 MRI 扫描：

Fixed Image Moving Image Output Image Console output

可以在右上角和左上角的输出图像中看到差异。但我无法解释控制台输出以及事情在内部实际上是如何工作的。

如果我对这件事有深入的解释，那将非常有帮助。谢谢。

【问题讨论】：

你之前看过simple itk的registration overview吗？
是的，但我不明白映射的图像像素会发生什么，而注册发生时不会发生@Trilarion
注册概述指定了可用的转换。这些转换应用于注册/对齐图像的所有（！）像素。通常这些变换是一种仿射变换。例如，您的控制台输出表明您有一个简单的翻译转换。
感谢您的回复。是的，我使用了简单的平移转换，但我仍然对像素/强度级别注册感到困惑。我想知道从两个图像映射的像素会发生什么，即它们是否保持完整或输出图像中的值保持不变以及未映射的像素会发生什么，是否取平均值或者它们在输出图像中被丢弃。 @Trilarion

标签： python image-processing medical image-registration simpleitk

【解决方案1】：

对所有像素应用变换。您可能会混淆刚性变换，它只会平移、旋转和缩放运动图像以匹配固定图像，而弹性变换也会允许运动图像的一些变形。任何转换无法放置在固定图像中的像素都是从它能够放置的像素中插值的，尽管配准并不是真正智能的。

它试图做的只是降低成本函数，其中高成本与大差异相关联，而低成本与小差异相关联。成本函数可以基于强度（像素值）或基于特征（形状）。它将（半）随机移动图像，直到满足预设标准，通常是最大迭代次数。

可以在下面的 gif 中看到可能的样子： http://insightsoftwareconsortium.github.io/SimpleITK-Notebooks/registration_visualization.gif

【讨论】：