使用MATLAB来计算连续图像之间的偏移量

Question

我使用隧道显微镜拍摄图像。但是，范围在连续的图像之间漂移。我正在尝试使用MatLab来计算图像之间的偏移量。下面的代码计算小图像（例如64x64像素）的秒数，但需要2个小时才能处理我正在处理的512x512像素图像。你对加速这段代码有什么建议吗？或者你知道更好的方式来跟踪MatLab中的图像吗？谢谢你的帮助！

%Test templates 
template = .5*ones(32); 
template(25:32,:) = 0; 
template(:,25:64) = 0; 
data_A = template; 
close all 
imshow(data_A); 
template(9:32,41:64) = .5; 
template(:,1:24) = 0; 
data_B = template; 
figure, imshow(data_B); 

tic 

[m n] = size(data_B); 
z = []; 

% Loop over all possible displacements 
for x = -n:n 

for y = -m:m 

    paddata_B = data_B; 
    ax = abs(x); 
    zerocols = zeros(m,ax); 

    if x > 0 
     paddata_B(:,1:ax) = []; 
     paddata_B = [paddata_B zerocols]; 

    else 
     paddata_B(:,(n-ax+1):n) = []; 
     paddata_B = [zerocols paddata_B]; 

    end 

    ay = abs(y); 
    zerorows = zeros(ay,n); 


    if y < 0 
     paddata_B(1:ay,:) = []; 
     paddata_B = vertcat(paddata_B, zerorows); 

    else 
     paddata_B((m-ay+1):m,:) = []; 
     paddata_B = vertcat(zerorows, paddata_B); 

    end 

% Full matrix sum after array multiplication 
C = paddata_B.*data_A;   
matsum = sum(sum(C)); 

% Populate array of matrix sums for each displacement  
z(x+n+1, y+m+1) = matsum; 

end 
end 

toc 

% Plot matrix sums 
figure, surf(z), shading flat 

% Find maximum value of z matrix 
[max_z, imax] = max(abs(z(:))); 
[xpeak, ypeak] = ind2sub(size(z),imax(1)) 

% Calculate displacement in pixels 
corr_offset = [(xpeak-n-1) (ypeak-m-1)]; 
xoffset = corr_offset(1) 
yoffset = corr_offset(2) 

Answer 1

你正在计算的是两个图像的cross-correlation。您可以一次计算所有偏移的互相关using Discrete Fourier Transforms（DFT或FFT）。因此，尝试像

z = ifft2(fft2(dataA) .* fft2(dataB).'); 

如果你垫在傅立叶域零，你甚至可以用这种数学得到补偿的像素的分数，并应用像素的分数偏移图像。

Answer 2

这种问题的一个典型方法是使用这样一个事实，即它可以快速为小图像工作，以使您受益。当你有大的图像时，将它们抽成小图像。快速注册小图像，并将计算出的偏移量用作下一次迭代的初始值。在下一次迭代中，您不会多次抽取图像，但是您首先对偏移进行了良好的初始估计，以便您可以将搜索解决方案限制在最初估计附近的小邻域。

尽管没有用隧道显微镜记录，但可能有一些帮助的评论文章是：Pluim，Maintz和Viergever在IEEE Transactions on Medical上发表的“基于互信息的医学图像注册：调查”成像，卷。 22，No.8，p。 986.

Answer 3

下面的函数是我试图手动计算两个图像的互相关。有些事情不太正确。如果我有时间的话，这周末再看一遍。您可以调用该函数的东西，如：

 
>> oldImage = rand(64); 
>> newImage = circshift(oldImage, floor(64/2)*[1 1]); 
>> offset = detectOffset(oldImage, newImage, 10) 

offset = 

    32 -1 

function offset = detectOffset(oldImage, newImage, margin) 

    if size(oldImage) ~= size(newImage) 
     offset = []; 
     error('Test images must be the same size.'); 
    end 

    [imageHeight, imageWidth] = size(oldImage); 

    corr = zeros(2 * imageHeight - 1, 2 * imageWidth - 1); 

    for yIndex = [1:2*imageHeight-1; ... 
        imageHeight:-1:1 ones(1, imageHeight-1); ... 
        imageHeight*ones(1, imageHeight) imageHeight-1:-1:1]; 
     oldImage = circshift(oldImage, [1 0]); 
     for xIndex = [1:2*imageWidth-1; ... 
         imageWidth:-1:1 ones(1, imageWidth-1); ... 
         imageWidth*ones(1, imageWidth) imageWidth-1:-1:1]; 
      oldImage = circshift(oldImage, [0 1]); 
      numPoint = abs(yIndex(3) - yIndex(2) + 1) * abs(xIndex(3) - xIndex(2) + 1); 
      corr(yIndex(1),xIndex(1)) = sum(sum(oldImage(yIndex(2):yIndex(3),xIndex(2):xIndex(3)) .* newImage(yIndex(2):yIndex(3),xIndex(2):xIndex(3)))) * imageHeight * imageWidth/numPoint; 
     end 
    end 

    [value, yOffset] = max(corr(margin+1:end-margin,margin+1:end-margin)); 
    [dummy, xOffset] = max(value); 
    offset = [yOffset(xOffset)+margin-imageHeight xOffset+margin-imageWidth]; 

Answer 4

下面的链接将帮助您找到2个图像和正确/恢复失真之间的转换（在你的情况下，图像的偏移量）

http://in.mathworks.com/help/vision/ref/estimategeometrictransform.html

index_pairs = matchFeatures(featuresOriginal,featuresDistorted, 'unique', true); 
matchedPtsOriginal = validPtsOriginal(index_pairs(:,1)); 
matchedPtsDistorted = validPtsDistorted(index_pairs(:,2)); 
[tform,inlierPtsDistorted,inlierPtsOriginal] = estimateGeometricTransform(matchedPtsDistorted,matchedPtsOriginal,'similarity'); 
figure; showMatchedFeatures(original,distorted,inlierPtsOriginal,inlierPtsDistorted); 

inlierPtsDistored，inlierPtsOriginal具有称为位置的属性。 这些只不过是一个图像在另一个图像上的匹配位置。我认为从这一点来计算偏移量非常容易。