我正在尋找一些算法（最好是如果源代碼可用） 圖像註冊。 圖像變形不能用單應性矩陣來描述（因爲我認爲變形不是對稱的而且不是均勻的），更具體地說，變形就像桶/變形和梯形失真，可能是圖像的一些旋轉。 我想獲得兩個圖像的像素對，所以我可以獲得「變形場」的表示。圖像配準（非剛性非線性）
我google很多，發現有一些算法基於一些phisics的想法，但它似乎可以匯聚 本地最大值，但不是全球。 我可以affort程序是半自動的，它意味着一些簡單的用戶interation。
也許像SIFT這樣的算法會合適嗎？但我認爲它不能提供具有規則足夠密度的「變形場」。
如果它很重要，沒有規模變化。複雜的領域 http://www.math.ucla.edu/~yanovsky/Research/ImageRegistration/2DMRI/2DMRI_lambda400_grid_only1.png
你在找什麼的
例子是「光流」。搜索這些條款將產生許多結果。
在OpenCV中，有一個名爲calcOpticalFlowFarneback（）的函數（在視頻模塊中）可以做你想做的事情。 C API仍然實現了Horn & Schunck（1981）提出的名爲「確定光流」的經典論文。你可以看看我已經完成的工作以及一些代碼（但要小心，opencl內存代碼中仍然存在一些神祕的bug，我將在今年晚些時候發佈一個更正的版本）。 ：http://lts2www.epfl.ch/people/dangelo/opticalflow
除了OpenCV的光學流程（以及我的;-)，您可以在itk.org上看到ITK完整的圖像配準鏈（主要針對醫學成像）。
還有很多光流程代碼（matlab，C/C++ ...），可以找到感謝谷歌，例如cs.brown.edu/~dqsun/research/software.html，gpu4vision等
- 編輯 - ：密集的，和其他人的光流
光流的算法兩個家庭分開。 密集算法給每個像素一個運動矢量，每個跟蹤特徵不密集一個矢量。
密集家族的例子包括Horn-Schunck和Farneback（以及opencv），更一般地說，任何算法都會使整個圖像（各種TV-L1流等）的成本函數最小化。
非密集家族的一個例子是KLT，在opencv中稱爲Lucas-Kanade。
在密集家庭中，由於每個像素的運動幾乎都是空閒的，因此它可以處理尺度變化。請記住，這些算法在大運動/尺度變化的情況下可能會失敗，因爲它們通常依賴於線性化（泰勒展開運動和圖像變化）。此外，在變分方法中，每個像素都有助於整體結果。因此，在一幅圖像中看不見的部分可能會使算法偏離實際的解決方案。
無論如何，採用從粗到細的技術來繞過這些限制，這些問題通常只有很小的影響。殘酷的光照變化或大的遮擋/未遮擋區域也可以通過一些算法明確地處理，參見例如this paper，其計算沿光流場的「創新」的稀疏圖像。
我發現一些軟件醫療特定的，但它是複雜的，它不適用於簡單的圖像格式，但似乎它是我需要的。 http://www.csd.uoc.gr/~komod/FastPD/index.html 下降 - 變形註冊使用離散優化
http://bigwww.epfl.ch/thevenaz/unwarpj/ http://fiji.sc/wiki/index.php/Feature_Extraction http://fiji.sc/wiki/index.php/TrakEM2 http： //fiji.sc/wiki/index.php/BUnwarpJ http://fiji.sc/wiki/index.php/Register_Virtual_Stack_Slices – mrgloom 2012-07-18 07:23:48
兩個備註： 1. SIFT不是一個圖像配准算法。這是計算圖像中局部特徵的算法。在您的情況下獲取匹配像素對可能會有所幫助。 2.你有轉型的數學模型嗎？ – 2012-04-25 11:27:20
我知道SIFT，但我認爲如果我有高密度的興趣點對，我可以插入其他像素。 理論上我有變形的總和 桶/枕形 u = x + Const *（x * x + y * y）* x; v = y + Const *（x * x + y * y）* y; u =（m11 * x + m12 * y + m13）;以及梯形 。 v =（m21 * x + m22 * y + m23）; rotation u = x * cosa-y * sina; v = x * sina + y * cosa; – mrgloom 2012-04-25 11:41:54