영상 정합

명암 상관, 특징 매칭 또는 제어점 매핑을 사용하여 두 개의 영상 정렬

Image Processing Toolbox™와 Computer Vision Toolbox™는 정합 추정기 앱을 사용한 대화형 방식의 정합, 명암 기반의 자동 영상 정합, 제어점 정합 및 자동화된 특징 매칭과 같이 모두 네 가지의 영상 정합 솔루션을 제공합니다. 어느 방법을 사용할지 선택하는 데 도움이 필요하면 영상 정합 방법 항목을 참조하십시오.

앱

정합 추정기

2차원 회색조 영상 정합

함수

모두 확장

자동 정합

`imregister`	명암 기반 영상 정합
`imregconfig`	명암 기반 정합 구성
`imregtform`	두 개의 2차원 또는 3차원 영상을 정렬하는 기하 변환 추정
`imregcorr`	Estimate geometric transformation that aligns two 2-D images using phase correlation
`imregdemons`	Estimate displacement field that aligns two 2-D or 3-D images
`imregmtb`	Register 2-D images using median threshold bitmaps
`normxcorr2`	정규화된 2차원 상호상관
`MattesMutualInformation`	Mattes mutual information metric configuration
`MeanSquares`	Mean square error metric configuration
`RegularStepGradientDescent`	Regular step gradient descent optimizer configuration
`OnePlusOneEvolutionary`	One-plus-one evolutionary optimizer configuration

제어점 정합

`cpselect`	Control Point Selection tool
`fitgeotform2d`	Fit 2-D geometric transformation to control point pairs
`cpcorr`	Tune control point locations using cross-correlation
`cpstruct2pairs`	Extract valid control point pairs from `cpstruct` structure
`imwarp`	영상에 기하 변환 적용

공간 참조

`imref2d`	Reference 2-D image to world coordinates
`imref3d`	Reference 3-D image to world coordinates

도움말 항목

대화형 방식으로 영상 정합하기

Register Images Using Registration Estimator App

Align a pair of images using feature-based registration techniques in the Registration Estimator app.
Techniques Supported by Registration Estimator
The Registration Estimator app provides algorithms for feature-based, intensity-based, and nonrigid registration.

명암 기반 최적화를 사용하여 영상 정합하기

Intensity-Based Automatic Image Registration
Intensity-based automatic image registration uses a similarity metric, an optimizer, and a transformation type to register two images iteratively.
Create an Optimizer and Metric for Intensity-Based Image Registration
Select an image metric and an optimizer suitable for either monomodal or multimodal images.
Use Phase Correlation as Preprocessing Step in Registration
Use phase correlation to estimate an initial transformation when images are severely misaligned.
Registering an Image Using Normalized Cross-Correlation
Determine the translation needed to align a cropped subset of an image with the larger image.

제어점 매핑을 사용하여 영상 정합하기

Control Point Registration
To determine the parameters of a geometric transformation, you can pick corresponding pairs of points in two images.
Geometric Transformation Types for Control Point Registration
Control point registration can infer the parameters for similarity, affine, projective, polynomial, piecewise linear, and local weighted mean transformations.
Control Point Selection Procedure

To specify control points in a pair of images interactively, use the Control Point Selection Tool.
Use Cross-Correlation to Improve Control Point Placement
Fine-tune your control point selections using cross-correlation.

추천 예제

Find Image Rotation and Scale

Use control points to align two images that differ by a rotation and scale change.

라이브 스크립트 열기

다중모달 MRI 영상 정합하기

자동 명암 기반 영상 정합을 사용하여 두 다중모달 MRI 영상을 단일 공통 좌표계에 맞춥니다.

라이브 스크립트 열기

Register Multimodal 3-D Medical Images

Align two volumetric images using automatic intensity-based image registration.

라이브 스크립트 열기

Register Images with Projection Distortion Using Control Points

Register two images by selecting control points common to both images and calculating a geometric transformation that aligns the control points.

라이브 스크립트 열기

자동화된 특징 매칭을 사용하여 영상 회전과 스케일 구하기

이 예제에서는 단일 영상 쌍 간의 기하 변환을 자동으로 확인하는 방법을 보여줍니다. 한 영상이 회전과 스케일 때문에 다른 영상보다 왜곡된 경우 detectSURFFeatures와 estgeotform2d를 사용하여 회전 각도와 스케일링 인자를 찾을 수 있습니다. 그런 다음 왜곡된 영상을 변환하여 원래 영상을 복구할 수 있습니다.

특징 기반 파노라마 영상 이어 붙이기

이 예제에서는 특징 기반 영상 정합 기법을 사용하여 파노라마를 자동으로 만드는 방법을 보여줍니다.

Video Stabilization Using Point Feature Matching

Stabilize a video that was captured from a jittery platform. One way to stabilize a video is to track a salient feature in the image and use this as an anchor point to cancel out all perturbations relative to it. This procedure, however, must be bootstrapped with knowledge of where such a salient feature lies in the first video frame. In this example, we explore a method of video stabilization that works without any such a priori knowledge. It instead automatically searches for the "background plane" in a video sequence, and uses its observed distortion to correct for camera motion.