fitgeotform2d
Ajustar una transformación geométrica 2D a pares de puntos de control
Desde R2022b
Sintaxis
Descripción
tform = fitgeotform2d(movingPoints,fixedPoints,tformType)tformType a los pares de puntos de control movingPoints y fixedPoints.
tform = fitgeotform2d(movingPoints,fixedPoints,"polynomial",degree)degree a los pares de puntos de control movingPoints y fixedPoints. Especifique el grado de transformación polinómica degree, que puede ser 2, 3 o 4.
tform = fitgeotform2d(movingPoints,fixedPoints,"pwl")movingPoints y fixedPoints. Esta transformación crea una triangulación de Delaunay de los puntos de control fijos y aplica los puntos de control móviles a los puntos de control fijos correspondientes. Una transformación afín diferente aplica los puntos de control en cada región local. La asignación es continua por todos los puntos de control, pero no es diferenciable de manera continua.
tform = fitgeotform2d(movingPoints,fixedPoints,"lwm",n)movingPoints y fixedPoints. La transformación de la media ponderada local crea una aplicación infiriendo un polinomio en cada punto de control usando los puntos de control contiguos. La aplicación en cualquier ubicación depende de la media ponderada de estos polinomios. La función usa los n puntos más cercanos para inferir una transformación polinómica de segundo grado para cada par de puntos de control.
Ejemplos
Cree una imagen de damero y gírela para crear una imagen desalineada.
I = checkerboard(40);
J = imrotate(I,30);
imshowpair(I,J,"montage")
Defina algunos puntos de control correspondientes en la imagen fija (damero) y en la imagen variable (el damero rotado). Puede definir puntos de forma interactiva mediante la herramienta de selección de puntos de control.
fixedPoints = [41 41; 281 161]; movingPoints = [56 175; 324 160];
Cree una transformación geométrica de similitud que se pueda utilizar para alinear dos imágenes.
tform = fitgeotform2d(movingPoints,fixedPoints,"similarity");Utilice la estimación tform para remuestrear la imagen rotada y registrarla con la imagen fija. Las regiones de color (verde y magenta) de la imagen de superposición de color falso indican un error en el registro. Este error se debe a una falta de precisión en la correspondencia de los puntos de control.
Jregistered = imwarp(J,tform,OutputView=imref2d(size(I))); imshowpair(I,Jregistered)
Argumentos de entrada
Argumentos de salida
Más acerca de
En esta tabla se enumeran los tipos de transformación compatibles con fitgeotform2d en orden de complejidad.
Tipo de transformación | Descripción | Número mínimo de pares de puntos de control | Ejemplo |
|---|---|---|---|
"similarity" | Utilice esta transformación cuando las formas de la imagen en movimiento no han variado, pero la imagen está distorsionada por una combinación de traslación, rotación y escalado isotrópico. Las líneas rectas siguen siendo rectas y las paralelas siguen en paralelo. | 2 |
|
"reflectivesimilarity" | Es igual que "similarity", con la adición de reflexión opcional. | 3 |
|
"affine" | Utilice esta transformación cuando las formas de la imagen en movimiento muestran cizallado o escalado anisotrópico. Las líneas rectas siguen siendo rectas y las paralelas siguen en paralelo, pero los rectángulos se convierten en paralelogramos. | 3 |
|
"projective" | Utilice esta transformación cuando la escena parece inclinada. Las líneas rectas siguen siendo rectas, pero las paralelas convergen hacia un punto de fuga. | 4 |
|
"polynomial" | Utilice esta transformación cuando los objetos de la imagen aparecen curvados. Cuanto mayor sea el orden del polinomio, mejor será el ajuste, pero el resultado puede contener más curvas que la imagen fija. | 6 (orden 2) 10 (orden 3) 15 (orden 4) |
|
"pwl" | Utilice esta transformación (lineal a trozos) cuando partes de la imagen aparecen distorsionadas de manera distinta unas de otras. | 4 |
|
"lwm" | Utilice esta transformación (media ponderada local) cuando la distorsión varía localmente y la lineal a trozos no es suficiente. | 6 (12 recomendado) |
|
Las cinco primeras transformaciones, "similarity", "reflectivesimilarity", "affine", "projective" y "polynomial", son transformaciones globales. En estas transformaciones, se aplica una única expresión matemática a una imagen entera. Las dos últimas transformaciones, "pwl" (lineal por partes) y "lwm" (media local ponderada), son transformaciones locales. En estas transformaciones, se aplican diferentes expresiones matemáticas a diferentes regiones dentro de la imagen. Al explorar cómo las diferentes transformaciones afectan a las imágenes con las que está trabajando, pruebe primero las transformaciones globales. Si estas transformaciones no son satisfactorias, pruebe las transformaciones locales: primero la transformación lineal por partes y, a continuación, la transformación de la media local ponderada.
Referencias
[1] Goshtasby, Ardeshir. “Piecewise Linear Mapping Functions for Image Registration.” Pattern Recognition 19, no. 6 (January 1986): 459–66. https://doi.org/10.1016/0031-3203(86)90044-0.
[2] Goshtasby, Ardeshir. “Image Registration by Local Approximation Methods.” Image and Vision Computing 6, no. 4 (November 1988): 255–61. https://doi.org/10.1016/0262-8856(88)90016-9.
