명암 기반 영상 정합
은 2차원 또는 3차원 영상 moving_reg
= imregister(moving
,fixed
,transformType
,optimizer
,metric
)moving
이 참조 영상 fixed
와 함께 정합되도록 변환합니다. moving
영상과 fixed
영상의 차원이 같아야 합니다(2차원 또는 3차원). transformType
은 수행할 변환 유형을 정의하는 string형 스칼라이거나 문자형 벡터입니다. optimizer
는 유사도 메트릭을 최적화하는 방법을 설명하는 객체입니다. metric
은 최적화할 영상 간 유사성의 정량적 측정을 정의하는 객체입니다. 정렬된 영상 moving_reg
를 반환합니다.
[
은 공간 참조 영상 moving_reg
,R_reg
]
= imregister(moving
,Rmoving
,fixed
,Rfixed
,transformType
,optimizer
,metric
)moving
이 공간 참조 영상 fixed
와 함께 정합되도록 변환합니다. Rmoving
과 Rfixed
는 세계 좌표상의 제한값과 moving
및 fixed
의 해상도를 설명하는 공간 참조 객체입니다.
___ = imregister(___,
는 Name,Value
)Name,Value
쌍 인수를 하나 이상 추가 옵션으로 지정합니다.
imregtform
과 imregister
는 동일한 기본 정합 알고리즘을 사용합니다. imregister
는 moving
을 리샘플링하는 추가 단계를 수행하여 imregtform
으로 계산된 기하 변환 추정값에서 정합된 출력 영상을 생성합니다. moving
과 fixed
를 연결시키는 기하 변환을 원하는 경우 imregtform
을 사용하십시오. 정합된 출력 영상을 얻으려면 imregister
를 사용하십시오.
imregister
를 호출하기 전에 imregconfig
함수를 사용하여 optimizer
와 metric
을 생성하십시오. 최적화 기반 영상 정합에서 만족할 만한 결과를 얻으려면 일반적으로 정합하는 영상 쌍의 최적화 객체 설정 또는 메트릭 객체 설정을 수정해야 합니다. imregconfig
함수가 디폴트 구성을 제공하지만 이는 설정의 시작점으로만 간주되어야 합니다. 예를 들어, 최적화 객체에서 반복 횟수를 늘리거나 최적화 객체의 스텝 크기를 줄이거나 확률적 메트릭 값의 샘플 수를 변경하면, 성능이 저하되는 대신 정합이 어느 정도 개선됩니다. 수정할 수 있는 여러 파라미터에 대한 자세한 내용은 imregconfig
의 출력값을 참조하십시오.
영상 간의 공간적 스케일링 차이가 10%를 넘으면 영상을 정합하기 전에 imresize
를 사용하여 크기를 조정하십시오.
imshowpair
또는 imfuse
를 사용하여 정합 결과를 시각화하십시오.
imregister
를 자동화된 워크플로에서 사용하여 여러 영상을 정합할 수 있습니다.
정합할 영상에 대한 공간 참조 정보가 있는 경우, 공간 참조 객체를 사용하여 imregister
에 정보를 지정하십시오. 이렇게 하면 스케일링 차이가 감안될 수 있기 때문에 imregister
가 더 빠르게 더 나은 결과로 수렴됩니다.