register_ecc — MATCHREG `intensityreg` op

• 데이터 종류: image2d × image2d → table

• 호출: import fullseye as fs; fs.ledger.register_ecc(fixed, moving, motion='affine', n_iter=200, eps=1e-06, warp_init=None, levels=1, smooth_sigma=1.1, nonpositive='raise', min_rho=0.0)(구현을 직접 호출하려면 import intensityreg; intensityreg.register_ecc(fixed, moving, motion='affine', n_iter=200, eps=1e-06, warp_init=None, levels=1, smooth_sigma=1.1, nonpositive='raise', min_rho=0.0), 원장에서 가져오려면 opsmatchreg.get("register_ecc"))

• GPU: 없음(CPU 참조 구현만)

사용법

강화 상관계수(ECC)를 최대로 하는 매개변수 변환으로 moving을 fixed에 맞춘다. → table(kind="registration").

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

Evangelidis & Psarakis(2008)の前向き加法の反復: 毎回 moving と勾配を今の変換で標本化し、急降下画像 G = ∇I · ∂W/∂p(平均を引く)とゼロ平均の 2 枚から、相関係数の 2 次近似の最大へ Δp を解く。相関係数は明るさのアフィンな違い(利得とずれ)に不変 —— 負の利得(白黒の反転) や折り返しのある対応には効かない(分母が 0 以下になったら ValueError。それには register_mi)。

motion: "translation"(2)/ "euclidean"(3、回転 + 並進)/ "affine"(6)/ "homography"(8)。levels > 1 で粗から細のピラミッド(OpenCV の findTransformECC には無い追加。初期のずれの許容が広がる —— register_capture_range で測れる)。

実測(96×96 の featmatch.synthetic_scene、3 次スプラインで合成、tests/test_intensityreg.py

が固定): 並進 (2.5, -1.5) px の誤差 < 0.05 px、アフィンの 4 隅誤差 < 0.1 px、OpenCV 5.0 の findTransformECC と変換の差 < 0.05 px。

Args:

fixed: 基準(テンプレート)の 2-D 画像。

moving: 合わせる 2-D 画像(大きさは違ってよい)。

motion: ECC_MOTIONS。

n_iter: 段ごとの反復の上限。

eps: 相関係数の変化がこれ未満で収束。

warp_init: 初期の変換(2×3 / 3×3、fixed → moving)。None なら恒等。

levels: ピラミッドの段数(1 = 原寸だけ、None なら最も粗い段が 16 px 以上で最大 3 段)。

smooth_sigma: 前処理のガウスの σ [px] (OpenCV の gaussFiltSize=5 は σ ≈ 1.1)。0 で無し。

nonpositive: 相関の 2 次近似の分母が 0 以下になったとき(初期値が遠い・撮像が違う)。"raise"

(既定、OpenCV と同じく ValueError)/ "step"(相関を正へ戻す λ を選んで続ける。初期のずれの

許容が広がることがある —— register_capture_range で測れる)。

min_rho: 収束した相関係数がこれ未満なら ValueError("step" で白黒反転の組を「合った」と

返さないための床)。

Returns:

dict(kind="registration", method="ecc")。warp (3,3) / flow2d (2,H,W) の

(dy, dx) / warped(fixed の格子へ戻した moving、外側は 0)/ valid / valid_fraction /

metric_name="ecc_rho" / metric(最後の相関係数)/ iterations / converged /

history / model / image_shape。

Raises:

ValueError: 画像が不正 / motion が違う / 引数が値域外 / 初期の変換が特異 / 反復が発散 /

テンプレートが画像の外へ出た / 相関が負で ECC が定義できない(nonpositive="raise")/

収束した相関が min_rho 未満。

자세한 사용 가이드

• matching_registration 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_multimodal_mi_registration — py -3.11 examples/poc_multimodal_mi_registration.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

features_match · ransac_homography · ransac_fundamental · registration_to_flow2d

같은 카테고리(`intensityreg`)

register_mi · register_ffd · registration_to_flow2d · register_accuracy_map · register_capture_range

*Provenance: intensityreg.py — MATCHREG 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

register_ecc — MATCHREG intensityreg op

사용법