Registro de imagen
El registro de imagen es el proceso de alinear dos o más imágenes. Este proceso consiste en designar una imagen como imagen de referencia, también llamada imagen fija, y aplicar transformaciones geométricas o desplazamientos locales a la otra imagen, de modo que quede alineada con la imagen de referencia. Las imágenes pueden estar desalineadas por muchos motivos distintos. Las imágenes se suelen capturar en condiciones muy variadas que pueden cambiar la perspectiva de la cámara o el contenido de la escena.
En conjunto, Image Processing Toolbox™ y Computer Vision Toolbox™ ofrecen cuatro soluciones de registro de imagen: registro interactivo con la app Registration Estimator, registro automático basado en la intensidad, registro basado en puntos de control y coincidencia automática de características. Si necesita ayuda para seleccionar un enfoque, consulte Choose an Image Registration Technique.
Apps
| Registration Estimator | Registrar imágenes 2D en escala de grises |
Funciones
Temas
Registro interactivo de imágenes
- Register Images Using Registration Estimator App
Align a pair of images using feature-based registration techniques in the Registration Estimator app.
Registrar imágenes con la optimización basada en intensidades
- 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. - Crear un optimizador y una métrica para el registro de imagen basado en la intensidad
Seleccione una métrica y un optimizador de imagen adecuados para imágenes monomodales y multimodales. - Utilizar la correlación de fase como paso de preprocesamiento en el registro
Utilice la correlación de fase para estimar una transformación inicial cuando las imágenes están muy desalineadas. - Registrar una imagen usando la correlación cruzada normalizada
Determinar la traslación necesaria para alinear un subconjunto recortado en una imagen con una imagen más grande.
Registrar imágenes con la correspondencia entre puntos de control
- Registro basado en puntos de control
Para determinar los parámetros de una transformación geométrica, puede elegir los pares de puntos correspondientes en dos imágenes. - Select Matching Control Point Pairs
Use the Control Point Selection tool to pick control points in the image to be registered and corresponding points in the fixed image.
Ejemplos destacados
Find Image Rotation and Scale
Use control points to align two images that differ by a rotation and scale change.
Register Multimodal MRI Images
Align two multimodal MRI images to a common coordinate system using automatic intensity-based image registration.
Register Multimodal 3-D Medical Images
Align two volumetric images using automatic intensity-based image registration.
Registrar imágenes con distorsión de proyección utilizando puntos de control
Registre dos imágenes calculando una transformación geométrica que alinee los puntos de control en las imágenes.
Automatically Find Image Rotation and Scale
Demonstrates how to automatically determine the geometric transformation between two images. Specifically, when one image is distorted in relation to another due to rotation and scaling, the functions detectSURFFeatures and estimateGeometricTransform2D can be employed to identify the rotation angle and scale factor. Subsequently, these parameters can be used to transform the distorted image back to its original appearance.
Create Panorama
Automatically stitch multiple images into panorama. The procedure for image stitching is an extension of feature based image registration. Instead of registering a single pair of images, multiple image pairs are successively registered relative to each other to form a panorama.
Stabilize Video Using Image Point Features
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 the observed distortion to correct for camera motion.
