register_mi — MATCHREG `intensityreg` op

• Data kinds: image2d × image2d → table

• Call: import fullseye as fs; fs.ledger.register_mi(fixed, moving, model='affine', bins=32, metric='nmi', levels=None, max_iter=2000, warp_init=None, min_overlap=0.25) (to call the implementation directly, import intensityreg; intensityreg.register_mi(fixed, moving, model='affine', bins=32, metric='nmi', levels=None, max_iter=2000, warp_init=None, min_overlap=0.25); from the registry, opsmatchreg.get("register_mi"))

• GPU: none (CPU reference implementation only)

Usage

Aligns moving to fixed with the rigid / similarity / affine transform that maximises (normalised) mutual information. → table (kind="registration").

> The detailed description below is the original text — the summary and the headings are translated.

撮像の違う組(可視と赤外、CT と MR、照明の向きの違う 2 枚)では明るさの対応が線形でも単調でもないので、相関(register_ecc)や SSD は使えない。相互情報量は「fixed の明るさを知ると moving の明るさがどれだけ当てられるか」なので、対応が一対一でなくても(折り返しがあっても) 合わせられる(Viola & Wells 1997、Maes et al. 1997)。既定の目的は重なりの大きさに鈍い正規化版 (H(A)+H(B))/H(A,B)(Studholme 1999、1〜2)。

同時ヒストグラムは fixed を硬いビン、moving を隣り合う 2 ビンへ線形に振り分け(変換のパラメータに対して連続)、moving の外へ出た画素は数えない。最適化は Powell 法(微分を使わない)を粗から細の levels 段で。変数は回転・伸縮を画像の半径倍して画素の単位にそろえてある。

★imgmetrics.mutual_information は指標(硬いビン 2 つ、ビットで返す)で、ここの目的関数は振り分けのある別の推定量。合わせ終わった組を imgmetrics で測ると metric と少し違う。

Args:

fixed: 基準の 2-D 画像。

moving: 合わせる 2-D 画像(撮像が違ってよい)。

model: MI_MODELS。

bins: ヒストグラムのビン数(2 以上)。

metric: "nmi"(既定)/ "mi"(ビット)。

levels: ピラミッドの段数。None なら最も粗い段が 16 px 以上になる範囲で最大 3 段。

max_iter: 段ごとの Powell の反復の上限。

warp_init: 初期の変換(2×3 / 3×3、fixed → moving、射影の行は 0)。

min_overlap: 重なりの割合がこれ未満の変換は目的関数を最悪にする(外へ逃げる解を防ぐ)。

Returns:

dict(kind="registration", method="mi")。鍵は register_ecc と同じ。metric_name は

"nmi" / "mi_bits"、加えて mi_bits / nmi(全解像の最後の値)。

Raises:

ValueError: 画像が不正 / model / metric が違う / 引数が値域外 / 初期の変換が射影 /

合わせ終わっても重なりが min_overlap 未満。

Detailed usage guide

• matching_registration family guide

References (sample data, literature)

• Sample-data catalog (download URLs / licences) — 2-D uses skimage.data (BSD/public domain) plus synthetic images; 3-D lists download URLs for real data sources (Stanford, PDS, …).

• Operator provenance and references — the sources of the research/methods this op family came from.

• The canonical algorithm (author, year) and its uses are named in the family usage guide above.

Runnable examples (verified samples that actually call this op)

• poc_multimodal_mi_registration — py -3.11 examples/poc_multimodal_mi_registration.py

Ops the type connects to (they accept `table` as input)

features_match · ransac_homography · ransac_fundamental · registration_to_flow2d

Same category (`intensityreg`)

register_ecc · register_ffd · registration_to_flow2d · register_accuracy_map · register_capture_range

*Provenance: intensityreg.py — MATCHREG operator registry. This per-op note is generated by tools/opdocs.py md (do not hand-edit).*

register_mi — MATCHREG intensityreg op