图像配准中变换矩阵与图像尺度的关系
The relationship of transformation matrix in image registration and image scale
我目前正在使用 'Registration estimator' 应用程序进行图像配准。
基本上，该应用程序允许用户使用多种方法配准两个图像，输出包括变换矩阵。
问题来了，现在我要注册两张大图，两张图的大小分别是63744*36064和64704*35072。两张图片太大了，直接注册几乎不可能。
我采用的方法是先获取缩放后的图像进行配准，推导出变换矩阵，然后将该矩阵应用于原始图像。
但是我发现，即使是同一张图片，在不同的level上也会得到不同的变换矩阵
例如，尺寸为3984(63744/16)*2254(36064/16)和4022*2192的图像变换矩阵不同于1992*1127(1/32)和2022*1096(1 /32).
那样的话，我对大小和变换矩阵之间的关系感到困惑。谁能给我一个提示，以便我可以根据我对较低级别（较小尺寸）图像的变换矩阵精确地注册两个原始图像？
对图像进行下采样对平移矩阵有直接影响。例如，假设在 x 方向上有 2 个像素平移，按 2 倍缩小采样将其变为 1 个像素。虽然很容易补偿配准原始图像的这种影响，但如果存在内存限制，您应该避免对图像进行下采样，因为您可能会失去用于稳健配准的宝贵 key-points。相反，您可以将图像分割成几个 sub-images，提取每个 sub-image 中的特征，组合这些特征并匹配它们。
我目前正在使用 'Registration estimator' 应用程序进行图像配准。
基本上，该应用程序允许用户使用多种方法配准两个图像，输出包括变换矩阵。
问题来了，现在我要注册两张大图，两张图的大小分别是63744*36064和64704*35072。两张图片太大了，直接注册几乎不可能。
我采用的方法是先获取缩放后的图像进行配准，推导出变换矩阵，然后将该矩阵应用于原始图像。
但是我发现，即使是同一张图片，在不同的level上也会得到不同的变换矩阵
例如，尺寸为3984(63744/16)*2254(36064/16)和4022*2192的图像变换矩阵不同于1992*1127(1/32)和2022*1096(1 /32).
那样的话，我对大小和变换矩阵之间的关系感到困惑。谁能给我一个提示，以便我可以根据我对较低级别（较小尺寸）图像的变换矩阵精确地注册两个原始图像？
对图像进行下采样对平移矩阵有直接影响。例如，假设在 x 方向上有 2 个像素平移，按 2 倍缩小采样将其变为 1 个像素。虽然很容易补偿配准原始图像的这种影响，但如果存在内存限制，您应该避免对图像进行下采样，因为您可能会失去用于稳健配准的宝贵 key-points。相反，您可以将图像分割成几个 sub-images，提取每个 sub-image 中的特征，组合这些特征并匹配它们。