图像配准中变换矩阵与图像尺度的关系

Posted 2023-02-16

【中文标题】图像配准中变换矩阵与图像尺度的关系

【英文标题】：The relationship of transformation matrix in image registration and image scale

【发布时间】：2019-06-04 17:59:59

【问题描述】：

我目前正在使用“Registration estimator”应用程序进行图像注册。

基本上，该应用程序允许用户使用多种方法注册两个图像，并且输出包括变换矩阵。

问题是，现在我要注册两张大图，两张图的大小分别是63744*36064和64704*35072。直接注册两张图片几乎是不可能的，因为它们太大了。

我使用的方法是首先获取缩放后的图像进行配准，然后导出变换矩阵并将该矩阵应用于原始图像。

但是我发现即使是同一张图片，在不同的层次上得到的变换矩阵也不同。

例如，大小为 3984(63744/16)*2254(36064/16) 和 4022*2192 的图像的变换矩阵不同于 1992*1127 (1/32) 和 2022*1096 (1/32) )。

在那种情况下，我对大小和转换矩阵之间的关系感到困惑。谁能给我一个提示，以便我可以根据我对较低级别（较小尺寸）图像的变换矩阵精确注册两个原始图像？

【参考方案1】：

对图像进行下采样对平移矩阵有直接影响。例如，假设在 x 方向上有 2 个像素平移，通过 2 倍的下采样将其更改为 1 个像素。虽然注册原始图像很容易补偿这种影响，但如果存在内存限制，您应该避免对图像进行下采样，因为您可能会丢失用于稳健注册的宝贵关键点。相反，您可以将图像分割成多个子图像，提取每个子图像中的特征，组合特征并匹配它们。

【讨论】：

您好，Masoud，非常感谢您的帮助。对不起，我对图像注册真的很陌生，你能告诉我一个关于如何通过结合子图像的特征来注册大图像的简单例子吗？谢谢！