什么是注册？
Image registration是将不同组图像数据转换到一个坐标系的过程。图像数据可以是多张照片、来自不同传感器、时间、深度或视点的数据。它用于计算机视觉、医学成像、生物成像和脑图绘制、军事自动目标识别以及编译和分析来自卫星的图像和数据。为了能够比较或整合从这些不同测量中获得的数据，注册是必要的。
本质上，图像配准用于对齐同一场景的两个或多个图像。需要对变换函数（修改像素之间的空间关系的方法）进行估计/建模，以便配准两个图像。输入图像是将要变换的图像，参考图像是注册输入的图像。需要考虑导致角度、方向、移动和距离差异的几何扭曲。进行图像配准的最常见方法之一是使用与输入图像和参考图像中已知位置相对应的“点”。 ImageJ 中存在的工具可以自动检测此类“对应点”，然后估计变换函数。
推荐用于注册的 ImageJ 插件
这里我们总结了ImageJ中的一些Registration插件。
Feature Extraction
用于识别两个图像中一组对应兴趣点的工具。
MOPS feature correspondences (example 1)
- 使用高斯差分检测器检测兴趣点
- 使用 Scale Invariant Feature Transform (SIFT) 和 Multi-Scale Oriented Patches (MOPS) 进行局部特征描述
- 使用 Random Sample Consensus (RANSAC) 过滤已建立的匹配
- 提取的相应地标集和计算出的变换用于第 TrakEM2、Register Virtual Stack Slices 和BUnwarpJ 中进行图像配准。
Linear Stack Alignment with SIFT
用于对齐图像堆栈的工具。
- 根据 David Lowe1 的论文，Java 的轻量级 SIFT 实现。
地标通信
Landmark Correspondences
用于手动对齐图像平面的简单工具。
- 在两个图像上分别放置相应的兴趣点。
- 对于无法自动检测对应关系的异构分辨率和/或模式的图像很有用。
BUnwarpJ
一种用于弹性且一致的图像配准的工具。
- 基于 B 样条代表的弹性变形执行 2D 图像配准
- 变形的可逆性是通过一致性限制来强制执行的
- 开始使用详细的BUnwarpJ user manual
TrakEM2
用于形态数据挖掘、三维建模和图像拼接、注册、编辑和注释的工具。
- 使用 SIFT 和全局优化算法将浮动图像块相互配准。
- 参见TrakEM2 user manual section on registration
Register Virtual Stack Slices
一种工具，它获取存储在文件夹中的一系列图像切片并提供已注册图像切片的列表
- 该插件可以执行 6 种类型的图像配准技术：平移、刚性（平移 + 旋转）、相似性（平移 + 旋转 + 各向同性缩放）、仿射、弹性（通过带有三次 B 样条的 BUnwarpJ）和移动最小二乘法
- 所有模型均由自动提取的SIFT features辅助
Fijiyama
3D 多模态延时成像配准工具
- 用户友好、通用且多功能
- 自动 3D 配准（两种算法可用）
- 手动注册（使用3D_Viewer）
- 电影教程和示例数据集
- 设置根据您的数据自动调整
- 变换：线性或非线性
- 测试样本：人类、藤蔓、
- 测试方式：MRI、X 射线 CT、照片
- 限制：应避免大型数据集（超过 15 个时间点或 1GB 以上）。
ImageJ 中注册的其他页面和工具
按 list of extensions 上的配准类别进行过滤，以查看有关图像配准的其他 ImageJ 页面和工具。
