1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/Y56XmZ5t
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
医学图像配准是医学图像处理的一项基本任务，它可以把来自不同模态或不同时间的多幅图像进行配准，然后为图像的后处理提供保证。如在医学图像融合中，需要将相对应的组织结构融合在一起，而待融合的图像往往来自于不同的成像设备，它们的成像方位、角度和分辨率等因子都是不同的，所以这些图像中相应组织的位置、大小等都有差异，必须先进行配准变换，才能实现准确地融合。医学图像配准的定义:同一个人从不同角度、不同位置拍摄的两张照片，由于拍摄条件不同，每张照片只反映某些方面的特征。要将这两张照片一起分析，就要将其中一张中的人像做移动和旋转，使它与另一幅对齐。这一对齐过程就是配准过程。保持不动的图像叫做参考图像，做变换的图像称为浮动图像。将配准后的图像进行融合就可以得到反映人的全貌的融合图像。医学图像配准就是寻求两幅图像间的几何变换关系，通过这一几何变换，使其中一幅医学图像(浮动图像F)与另外一幅医学图像(参考图像R)上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上具有相同的空间位置。配准的结果应使两幅图像上所有的解剖点，或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。
4.部分源码
image1 = double(imread('a.jpg'));[h1 w1 d1] = size(image1);
image2 = double(imread('b.jpg'));[h2 w2 d2] = size(image2);
point_number=2;
% 图片显示
figure; subplot(1,2,1); image(image1/255); axis image; hold on;
[X1 Y1] = ginput2(point_number); %手动获得特征点
subplot(1,2,2); image(image2/255); axis image; hold on;
[X2 Y2] = ginput2(point_number); %手动获得特征点
%参数估计
Z = [ X2' Y2' ; Y2' -X2' ; 1 1 0 0 ; 0 0 1 1 ]';
xp = [ X1 ; Y1 ];
t = Z \ xp;
a = t(1);
b = t(2);
tx = t(3);
ty = t(4);
T = [a b tx ; -b a ty ; 0 0 1];
%计算大小
cp = T*[ 1 1 w2 w2 ; 1 h2 1 h2 ; 1 1 1 1 ];
Xpr = min( [ cp(1,:) 0 ] ) : max( [cp(1,:) w1] );
Ypr = min( [ cp(2,:) 0 ] ) : max( [cp(2,:) h1] );
[Xp,Yp] = ndgrid(Xpr,Ypr);
[wp hp] = size(Xp);
%变化
X = T \ [ Xp(:) Yp(:) ones(wp*hp,1) ]';
09_001_m
