基于ITK的医学图像配准的学习总结

http://blog.sina.com.cn/s/blog_62ccbb810100hven.html

真正投入到ITK中的时间不多，学习过程中主要在体会registration的框架，熟悉各种变换，准则，优化器和插值。今天因为老师布置的任务进行了调整，我后面的工作主要不在这块，就前段时间对基于ITK的registration的认识做下总结，不能浪费之前所花的时间啊！

    配准的过程主要包括四个模块，即：变换，插值，准则，优化。整个配准的实现过程实际上可以认为是一个优化过程。在确定变换方式后，待配准图像变换到参考图像的坐标系中，由于经过变换后的位置可能不在网格点上，这时通过插值获取变换后的点的亮度值，如线性插值，邻域插值等等。

    metric(准则)，如均方差，互信息准则等等。用于将变化后图像的差异数学化，它的输入包括：参考图像和待配准图像，变换函数和interpolator(插值器)。用准则对数据进行计算后的值将用优化器进行优化，优化后的参数将返回迭代再进行配准，一直到达到要求。

    优化器有两种类型：1.singalvalue,即优化器返回单值的cost function,2.返回多值的，即muti-value。

    配准就是在基于上述四个部分，针对不同的图形情况，如单模，多模，去用不同的准则，变换，优化器和插值方法。在这个配准框架下，不同的部分在设置参数时有变换，这个也是难点。不同的优化器，往往参数设置不同，这个就需要了解优化器和配准方法的算法。如放射变换有旋转变换的矩阵，平移量。muti-solution registration(多分辨率配准)要改变步长等等。

  配准步骤，设置待配准图像和参考图像的像素类型，维数。实例化上述四个部分，并将其组合到registration中，设置各部分的参数，并触发配准开始。通过最终得到的参数重采样带配准图像，得到配准结果。比较配准前后和配准过程后的差异。实例化往往先定义——tyoedef，再指向智能指针，然后通过指针调用set*（）函数设置参数。

   在配准过程中，有时会根据具体情况先用*filter对图像进行处理。如在配准中对精度要求高的话，先用cast*filter将图像转化为float型，配准后再转化为char，或int型存储。如果图像噪声比较明显，也可以先用*filter除噪在配准。有的也用filter保留边缘，在配准。

   ITK的参数输入是在工程的属性dubug中输入,如：配准图像的文件名称，优化器的某些参数，变化后图像配准区域外的亮度，输出图像的名字等等。具体代码较多这里不附上，只要理解上述过程，代码是比较好看的。

   任务换了，接下来应该针对任务做出新的打算，有近远期计划。最大的对手往往是自己，天行健，君子以自强不息，君子以厚德载物！