register_mi — MATCHREG `intensityreg` op

• Datenarten: image2d × image2d → table

• Aufruf: 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) (die Implementierung direkt: 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); aus dem Register: opsmatchreg.get("register_mi"))

• GPU: nein (nur CPU-Referenzimplementierung)

Verwendung

Richtet moving mit der starren / Ähnlichkeits- / affinen Transformation an fixed aus, die die (normierte) Transinformation maximiert. → table (kind="registration").

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

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。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie matching_registration

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_multimodal_mi_registration — py -3.11 examples/poc_multimodal_mi_registration.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

features_match · ransac_homography · ransac_fundamental · registration_to_flow2d

Gleiche Kategorie (`intensityreg`)

register_ecc · register_ffd · registration_to_flow2d · register_accuracy_map · register_capture_range

*Provenance: intensityreg.py — MATCHREG Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

register_mi — MATCHREG intensityreg op