图像配准器

基于特征的方法

基于特征的配准方法会自动检测不同图像特征，例如尖角、斑点或均匀强度的区域。运动图像会经历单个全局变换以提供对应特征与固定图像的最佳对齐。

FAST 检测角点特征，尤其是在人类活动相关的场景中，如街道和室内。FAST 支持单尺度图像和点跟踪。

MinEigen 也检测角点特征。MinEigen 支持单尺度图像和点跟踪。

Harris 也检测角点特征，但它使用比 MinEigen 更高效的算法。Harris 支持单尺度图像和点跟踪。

BRISK 也检测角点特征。与上述算法不同，BRISK 支持尺度、旋转和点跟踪的变化。

ORB 在发生尺度和/或旋转变化的图像中检测角点。

SURF 检测图像中的斑点并支持尺度和旋转的变化。

KAZE 从使用非线性扩散构造的尺度空间中检测多尺度斑点特征。

MSER 检测均匀强度的区域。MSER 支持尺度和旋转的变化，并且与其他基于特征的算法相比，该算法在处理仿射变换时更为稳健。

基于强度的方法

图像配准器提供以下三种使用强度度量优化的配准方法：

基于强度的配准方法在空间域或频域中会关联图像强度。运动图像会经历单个全局变换，以最大化其强度与固定图像强度的相关性。

单模态强度配准在相同类型的扫描仪或传感器上捕获的具有相似亮度和对比度的图像。例如，使用单模态强度来配准使用相同成像序列对相似主题进行的 MRI 扫描。

多模态强度配准具有不同亮度和对比度的图像。这些图像可以来自两种不同类型的设备，如两个相机型号或两种类型的医学成像系统（如 CT 和 MRI）。这些图像也可以来自单个设备。例如，使用多模态强度来配准使用不同曝光设置的同一相机拍摄的图像，或配准使用不同成像序列在单个会话期间采集的 MRI 图像。

相位相关在频域中配准图像。像多模态强度一样，相位相关不受图像亮度的影响。与其他基于强度的配准方法相比，相位相关在处理噪声时更为稳健。

非刚性配准方法

非刚性配准将非全局变换应用于运动图像。非刚性变换生成一个位移场，其中固定图像中的每个像素位置映射到运动图像中的一个对应位置。然后根据位移场使运动图像发生畸变，并使用线性插值对图像重采样。有关估计非刚性变换的位移场的详细信息，请参阅 imregdemons。