劉振穎張永壽

基于控制點圖像配準方法的研究

劉振穎①張永壽①

圖像配準是圖像融合等其他圖像處理應(yīng)用的前提，是目前圖像處理中的熱點。如何在MATLAB環(huán)境下利用特征點對圖像進行配準，簡述了圖像配準的方法，具體應(yīng)用MATLAB提供的人機交互的方法在參考圖像與浮動圖像之間進行匹配控制點的選擇確定幾何變換關(guān)系，對比分析了不同的插值技術(shù)對配準的影響并確定了相對較優(yōu)的方法對圖像灰度賦值，對輸入圖像進行空間幾何變換，獲得配準圖像。仿真實驗表明，該方法簡便易行，獲得的配準效果較好。

圖像配準；插值；幾何變換；匹配控制點；MATLAB

1 引言

圖像配準在遙感圖像處理、計算機視覺、運動估計、醫(yī)學圖像分析等領(lǐng)域有著廣泛的應(yīng)用，是圖像融合，特別是圖像數(shù)據(jù)層融合技術(shù)中需要預(yù)先解決的問題。不同傳感器、不同成像模式和不同時間得到的同一個對象或者不同對象的圖像數(shù)據(jù)之間存在著相對的平移、旋轉(zhuǎn)、不同比例縮放甚至畸變關(guān)系，對其進行綜合分析和利用時，首先要解決圖像間的配準問題[1]。

目前，圖像配準方法主要分為兩類[2]：基于像素[3]與基于特征[4]的配準。前者不需進行分割和特征提取等預(yù)處理, 避免了由這些預(yù)處理所造成的精度損失。其內(nèi)部特征可由原始圖像提供的灰度信息表示,并且直接對不同成像模式所得到的灰度信息的統(tǒng)計特性進行匹配,用像素對之間幾何相似性的全局最優(yōu)化實現(xiàn)圖像配準?；诨バ畔?MI)的配準方法[5]是其中最典型最廣泛的應(yīng)用，主要特點是實現(xiàn)簡單，但應(yīng)用范圍窄，不能直接用于校正圖像的非線性形變。由于用到了圖像全部的像素信息，計算量的龐大使得配準速度難以滿足臨床的要求。此外，由于測度函數(shù)的不平滑性與插值方法的缺陷，使得優(yōu)化搜索容易陷入局部極值從而導(dǎo)致誤配準[6]。

控制點[7]的方法是基于特征配準的一種。該類方法主要共同點首先要對待配準圖像進行特征提取，再利用提取到的特征建立匹配映射變換，再將其應(yīng)用于畸變圖像從而得到配準結(jié)果。這類方法的優(yōu)點在于它提取了圖像的顯著特征，大大壓縮了圖像的信息量，計算量的劇減使得在有效配準的前提下同時兼顧了實時性。

基于特征點的配準方法，近年來越來越引起研究者的重視，各種新穎的特征點提取算法不斷涌現(xiàn)，該方法相對來說具有較強的適用性。本文采用人工交互方式選擇控制（特征）點，操作簡單，匹配速度快，配準精度高，并且對圖像灰度信息的缺失有較強的魯棒性。在MATLAB平臺下利用半自動的方式獲得配準圖像，并用相關(guān)融合技術(shù)對配準之后的圖像進行融合顯示[8]。

2 圖像配準的空間變換

圖像配準的關(guān)鍵問題是圖像之間的空間變換，確定使圖像對準的空間幾何變換參數(shù)，對于圖像配準來說是非常重要的。在數(shù)字圖像處理中，幾何變換由2個基本操作組成：一是空間變換，它定義了圖像平面上像素的重新安排；二是灰度級插補，它處理空間變換后圖像中像素灰度級的賦值。

2.1 圖像配準的基本幾何變換

設(shè)在二維空間中A(x,y)和B(x,y)分別為待配準圖像和參考圖像（也稱作浮動圖像和基準圖像）。圖像配準的目的就是尋找一個最佳映射關(guān)系f，首先將待配準圖像A進行f變換，設(shè)變換后的圖像為Af(x,y)，即變換關(guān)系為Af(x,y)= f(A(x,y))，根據(jù)配準定義，希望變換后的圖像Af(x,y)與參考圖像B(x,y)的對齊度最大。

常見的空間變換[1]有剛性變換、仿射變換、投影變換和非線性變換。剛性變換是指圖像中任意兩點間的距離在變換前后保持不變，只發(fā)生坐標軸的平移和旋轉(zhuǎn)；如果直線映射成直線后只保持了平行性而沒保持垂直性，則這種坐標變換是仿射變換；若直線的平行性也不能保持，則仿射變換蛻變?yōu)橥队白儞Q；非線性變換則把線性變換映射成了非線性。空間變換最常用的形式是仿射變換，可以用下面的矩陣形式表示：

其中w,z表示變換前的坐標值，x,y表示變換后的坐標值，f表示變換結(jié)構(gòu)。該變換可以做到按比例縮放、旋轉(zhuǎn)、平移或者剪切等，具體實現(xiàn)何種變換要取決于f中元素的取值。

2.2 圖像配準中的灰度級插值

圖像經(jīng)過幾何變換后，像素的坐標不會和原來的采樣網(wǎng)格完全重合，這就需要對變換后的圖像進行重采樣和插值處理[9]。傳統(tǒng)的插值方法都有各自的優(yōu)缺點，例如最鄰近插值(NN)、雙線性插值(BL)、雙三次插值(BC)都是利用了鄰近像素的灰度值，計算量小且誤差小，但這些算法都沒有考慮到圖像的全局特性，插值后往往出現(xiàn)方塊效應(yīng)和邊緣模糊；而B樣條插值、分形插值等計算誤差小，插值結(jié)果清晰但計算量很大。仿真實驗進行了不同插值方法所消耗的時間與插值圖像的對比，并選取了一種相對較優(yōu)的插值方法運用于配準過程。

3 圖像配準

如圖1所示是利用特征點進行點配準的流程圖：

3.1 控制點對的選擇

點配準方法包括確定不同圖像或物理空間的對應(yīng)點坐標和利用這些對應(yīng)點確定匹配變換兩個過程。一個既標準又簡單的提取參考點的方法是在兩副圖像中用手工交互地選擇并分割出一些對應(yīng)的解剖標志點對?；诳刂泣c對的圖像匹配是根據(jù)變換模型由這些控制點來計算幾何變換參數(shù)，進而根據(jù)這些變換參數(shù)確定幾何變換進行圖像配準。配準點的選取有以下限制：（1）兩幅圖像上的匹配點其特征必須一致，該特征包括共同擁有的標記，比如幾何拐點或者是解剖標志點；（2）選擇的配準點相對要分散；（3）控制點的數(shù)量要恰當，不能過多也不能過少，太少會影響配準精度，太多則影響配準速度。

圖1 IPT特征點選取配準流程

I P T提供了一個交互式選擇控制點的函cpselect，可以利用該函數(shù)采取手動的方法在兩幅圖像的對應(yīng)部分選取配準控制點，并自動進行亞像素分析。可以將所有的變換步驟編寫一個腳本文件（前提是對多種圖像做同一種配準時），該腳本文件就可以利用選擇的這些控制點產(chǎn)生一個相應(yīng)的幾何變換結(jié)構(gòu)（如圖1所示的tform結(jié)構(gòu)），并用該結(jié)構(gòu)進行變換匹配，得到配準圖像。在MATLAB工作空間讀入同一患者腦部產(chǎn)生畸變的CT圖像和標準的MR圖像，運行cpselect命令就會出現(xiàn)如圖2所示的圖形界面?？梢钥吹剑麄€圖形窗口分為4塊，同時顯示了待配準圖像、基準圖像以及這2個圖像的視圖，還可根據(jù)需要進行圖形的縮放。圖形界面中左上角為待配準圖像，下為其視圖，右上角為參考圖像，下為其視圖。

3.2 由控制點產(chǎn)生幾何變換結(jié)構(gòu)

根據(jù)已選擇的控制點對，可調(diào)用函數(shù)cp2tform來計算出浮動圖像與基準圖像之間的幾何變換關(guān)系。cp2tform是一個數(shù)據(jù)擬合函數(shù)，其輸入?yún)?shù)除了確定的控制點對外還要求輸入變換類型，該變換類型還限制了控制點的數(shù)目。MATLAB利用控制點進行圖像配準的功能之所以如此完善和強大主要在于函數(shù)cp2tform所支持的變換類型的多樣性。

圖2 選擇控制點的交互工具

表3 插值方法時間對比

3.3 利用幾何變換結(jié)構(gòu)對圖像配準

圖4 不同插值方法得到的插值圖像的對比

由上述步驟得到針對圖像畸變產(chǎn)生的特定空間變換結(jié)構(gòu)，并將該結(jié)構(gòu)與待配準圖像作用于空間變換函數(shù)，運行函數(shù)imtransform實現(xiàn)圖像配準。經(jīng)過實驗的對比分析，選擇NN法，使用較少的時間獲得了質(zhì)量較高的配準圖像。

圖5 利用雙線性插值配準及融合圖像

4 仿真實驗及結(jié)果分析

實驗一，對同一幅圖像分別運用不同插值方法，分別得到表3所用時間的對比和圖4插值圖像質(zhì)量的對比。

由實驗結(jié)果可知，NN法作為最簡單的近似方法其計算速度最快，誤差也最大，出現(xiàn)的“塊狀”偽影最明顯；BL法克服了NN法的缺點，速度也比較快；BC的效果和雙線性插值法在插值后圖像的顯示上沒有明顯區(qū)別但耗時巨大。顯然，在保證插值圖像質(zhì)量的前提下盡可能使用較少的時間，BL具有比較突出的優(yōu)勢。因此，實驗二，就可以很放心地運用雙線性插值法對圖像灰度賦值。如圖5所示為對同一患者腦部MR_T1、MR_T2圖像進行配準。由于顱腦畸變被認為是剛性變換，因此將公式(1)中變換矩陣f的元素設(shè)置為滿足剛性變換的參數(shù)即可。其中，圖像融合采用多尺度分解的小波模極大值的融合方法[8]。

5 結(jié)論

利用人工提取控制點，并根據(jù)這些特征點對結(jié)合圖像畸變類型產(chǎn)生相應(yīng)的空間變換，進而將其作用于待配準圖像實現(xiàn)匹配。實驗證明該方法過程清晰，實現(xiàn)容易，選擇恰當?shù)目臻g變換與合適的插值方式將得到良好的配準效果，其中，控制點的選取是配準的關(guān)鍵。因此，研究一種快速自動的算法以獲得精確的匹配點對，將基于特征點的圖像配準方法向自動化與高精度方向推進的同時考慮算法的魯棒性是進一步要探索的方向。

[1](美)岡薩雷斯.數(shù)字圖像處理[M].第二版.北京：電子工業(yè)出版社,2007.

[2]Xianyi Chen, Kaili Zhou. Common methods and classification of medical image registration[J],Inform Technol,2008,3(7).

[3]黎駿,彭啟民,范植華.亞像素級圖像配準算法研究[J].中國圖象圖形學報,2008(11).

[4]Wang Jianwen, Li Qing. Combination of point and edge featureextraction based image registration algorithm[J].Computer Eng Design, 2009,30(4).

[5]W Jacquet, E Nyssen, P Bottenberg, et al. 2D image registration using mutual information for application in dentistry[J].Computers Biol Med, 2009,39:545-553.

[6]Bo Ye, Xuesong Lu, Su Zhang, et al. Study on local extremum of object function in mutual information based image registration[J].Computer Engin Appl, 2007,43(6):58-61.

[7]田偉剛,郭雷,黃雷.一種應(yīng)用于圖像配準中的點特征匹配算法[J].微電子學與計算機,2008,25(3).

[8]Tao Ling, Qian Zhiyu, Chen Chunxiao.Medical image fusion technology based on wavelet transform maxima of modulus[J].J Hunan Univ Technol (Natural Science Edition), 2008,36(8).

[9]黃光東,管建和.基于MATLAB平臺的插值法技術(shù)實現(xiàn)與應(yīng)用[J].編程語言,2006(2).

Research of image registration based on control points

LIU Zhen-ying,ZHANG Yong-shou// China Medical Equipment,2011,8(3):6-9.

Image registration is the premise of image fusion and other image processing applications. It is also the hot spot in the image processing. This paper describes image registration based on characteristic points under MATLAB environment. Firstly, we represent the methods of image registration, and then select the matching points using human-computer interaction methods provide by MATLAB between the reference image and the floating. Comparative analysis of different interpolation techniques for alignment are offered. Meanwhile, we determine the better methods to assign gray values,then make use of these control points to confirm geometric transformations. Finally, we perform the geometric transformation in connection with the input images to obtain registration results. Simulation results show that the method is easy to implement and we can obtain effective registration results.

Image registration; Interpolation; Geometric transformation; Control point; MATLAB

1672-8270(2011)03-0006-04

TH 774

A

2010-12-21

劉振穎,女,(1986- ),研究生在讀，濟南軍區(qū)總醫(yī)院醫(yī)學工程科，主要從事醫(yī)學圖像處理。

[First-author's address]Department of Medical Engineering, Jinan General Hospital of Jinan Command, Jinan 250032, China.

①濟南軍區(qū)總醫(yī)院醫(yī)學工程科 山東 濟南 250032