基於ITK的醫學映像配準的學習總結

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

真正投入到ITK中的時間不多，學習過程中主要在體會registration的架構，熟悉各種變換，準則，最佳化器和插值。今天因為老師布置的任務進行了調整，我後面的工作主要不在這塊，就前段時間對基於ITK的registration的認識做下總結，不能浪費之前所花的時間啊！

    配準的過程主要包括四個模組，即：變換，插值，準則，最佳化。整個配準的實現過程實際上可以認為是一個最佳化過程。在確定變換方式後，待配准映像變換到參考映像的座標系中，由於經過變換後的位置可能不在網格點上，這時通過插值擷取變換後的點的亮度值，如線性插值，鄰域插值等等。

    metric(準則)，如均方差，互資訊準則等等。用於將變化後映像的差異數學化，它的輸入包括：參考映像和待配准映像，變換函數和interpolator(插值器)。用準則對資料進行計算後的值將用最佳化器進行最佳化，最佳化後的參數將返回迭代再進行配准，一直到達到要求。

    最佳化器有兩種類型：1.singalvalue,即最佳化器返回單值的cost function,2.返回多值的，即muti-value。

    配准就是在基於上述四個部分，針對不同的圖形情況，如單模，多模，去用不同的準則，變換，最佳化器和插值方法。在這個配准架構下，不同的部分在設定參數時有變換，這個也是痛點。不同的最佳化器，往往參數設定不同，這個就需要瞭解最佳化器和配准方法的演算法。如放射變換有旋轉變換的矩陣，平移量。muti-solution registration(多解析度配准)要改變步長等等。

  配准步驟，設定待配准映像和參考映像的像素類型，維數。執行個體化上述四個部分，並將其組合到registration中，設定各部分的參數，並觸發配准開始。通過最終得到的參數重採樣帶配准映像，得到配准結果。比較配准前後和配准過程後的差異。執行個體化往往先定義——tyoedef，再指向智能指標，然後通過指標調用set*（）函數設定參數。

   在配准過程中，有時會根據具體情況先用*filter對映像進行處理。如在配准中對精度要求高的話，先用cast*filter將映像轉化為float型，配准後再轉化為char，或int型儲存。如果映像雜訊比較明顯，也可以先用*filter除噪在配准。有的也用filter保留邊緣，在配准。

   ITK的參數輸入是在工程的屬性dubug中輸入,如：配准映像的檔案名稱，最佳化器的某些參數，變化後映像配准地區外的亮度，輸出映像的名字等等。具體代碼較多這裡不附上，只要理解上述過程，代碼是比較好看的。

   任務換了，接下來應該針對任務做出新的打算，有近遠期計劃。最大的對手往往是自己，天行健，君子以自強不息，君子以厚德載物！