图像配准系列之层次FFD形变配准_飞道的博客

图像配准系列之层次FFD形变配准

2021-02-24 07:13 541人阅读评论(0)

在前面的博文中，我们分别讲了使用FFD形变与梯度下降法、LM算法、粒子群算法来实现图像的非刚性配准：

以上三篇博文所讲的配准方法中，有一个明显的共同点是：FFD形变的网格控制点数都是保持不变的。我们知道，理论上控制点越少，配准越快，但配准效果越差，控制点越多则配准越慢且配准效果越好。为了让配准效果好一点，我们往往一开始就把FFD形变的控制点设置得多一些，但是这同时导致了配准很耗时，而且，一开始控制点参数多还会有容易陷入局部极值的问题。为了加快配准速度，且减小陷入局部极值的概率，有研究人员提出了层次配准的方法：多次配准（通常3~5次就ok了），前一次配准的结果作为后一次配准的输入，第一次配准时设置较少的控制点，随后逐渐增加控制点。如下图所示：

下面我们使用C++与Opencv实现三次“FFD+梯度下降”的层次配准，在配准过程中逐渐增加控制点：8*8——>16*16——>30*30。

绝大多数代码在前面的文章（上方的超链接）中都有贴出来过，此处不再重复，在此只给出实现层次配准的代码：


   
    
     
      
     
     
      
       void ffd_match_test(void)
      
     
    
     
      
     
     
      
       {
      
     
    
     
      
     
     
      
         Mat img1 = imread(
       "wangge.png", CV_LOAD_IMAGE_GRAYSCALE);
      
     
    
     
      
     
     
      
         Mat img2 = imread(
       "wangge1.png", CV_LOAD_IMAGE_GRAYSCALE);
      
     
    
     
      
     
     
       
      
     
    
     
      
     
     
       
      
     
    
     
      
     
     
      
         
       //第一层
      
     
    
     
      
     
     
        
       int row_block_num = 
       8;
      
     
    
     
      
     
     
        
       int col_block_num = 
       8;
      
     
    
     
      
     
     
      
         Mat grid_points;
      
     
    
     
      
     
     
      
         init_bpline_para(img1, row_block_num, col_block_num, grid_points, 
       -0.001, 
       0.001);
      
     
    
     
      
     
     
      
         Mat 
       out;
      
     
    
     
      
     
     
      
         bpline_match(img1, img2, 
       out, row_block_num, col_block_num, grid_points);
      
     
    
     
      
     
     
       
      
     
    
     
      
     
     
       
      
     
    
     
      
     
     
        
       //第二层
      
     
    
     
      
     
     
      
         row_block_num = 
       16;
      
     
    
     
      
     
     
      
         col_block_num = 
       16;
      
     
    
     
      
     
     
      
         init_bpline_para(img1, row_block_num, col_block_num, grid_points, 
       -0.001, 
       0.001);
      
     
    
     
      
     
     
      
         Mat out1;
      
     
    
     
      
     
     
      
         bpline_match(img1, 
       out, out1, row_block_num, col_block_num, grid_points);
      
     
    
     
      
     
     
       
      
     
    
     
      
     
     
       
      
     
    
     
      
     
     
      
         
       //第三层
      
     
    
     
      
     
     
      
         row_block_num = 
       30;
      
     
    
     
      
     
     
      
         col_block_num = 
       30;
      
     
    
     
      
     
     
      
         init_bpline_para(img1, row_block_num, col_block_num, grid_points, 
       -0.001, 
       0.001);
      
     
    
     
      
     
     
      
         Mat out2;
      
     
    
     
      
     
     
      
         bpline_match(img1, out1, out2, row_block_num, col_block_num, grid_points);
      
     
    
     
      
     
     
       
      
     
    
     
      
     
     
       
      
     
    
     
      
     
     
      
         imshow(
       "img1", img1);
      
     
    
     
      
     
     
      
         imshow(
       "img2", img2);
      
     
    
     
      
     
     
      
         imshow(
       "out", out2);
      
     
    
     
      
     
     
      
         imshow(
       "img1-img2", abs(img1-img2));
      
     
    
     
      
     
     
      
         imshow(
       "img1-out", abs(img1-out2));
      
     
    
     
      
     
     
      
         waitKey();
      
     
    
     
      
     
     
      
       }