matlab 图像配准_图像配准的常用方法

图像配准的常用方法

图像配准的方法大致分为三类，一类是基于灰度和模板的，这类方法直接采用相关运算等方式计算相关值来寻求最佳匹配位置，方法简单较为死板，一般效果不会太好。第二类是基于特征的匹配方法，如sift、surf点特征，或者向量特征等等，适应性较强。第三类是基于域变换的方法，采用相位相关(傅里叶-梅林变换)或者沃尔什变换、小波等方法，在新的域下进行配准。

1. 基于模板匹配的图像配准

板匹配时图像配准算法中简单而常见的算法。在模板匹配中对图像的配准有整幅图像进行的撇皮，也有局部图像和局部图像之间进行的匹配。在模板匹配过程中通常对模板进行平移，计算对应关系。一般情况下，采用模板和图像的相关运算计算相关值，相关值越大表示匹配越好。

模板匹配对形态固定的图案具有较好的效果，但是随着配准图像在数量级的扩大，计算复杂度会增加，实时性会增加，随着图像拍摄环境和成像条件的多变，算法的适应性会变差。

2. 基于灰度的图像配准

灰度图像配准是利用灰度信息来测量图像的相同部分，方法简单，但是对目