图像配准之 互信息篇（简介）

最新推荐文章于 2026-04-30 10:22:25 发布
原创 最新推荐文章于 2026-04-30 10:22:25 发布 · 7.4k 阅读 · 19
标签
#matlab #百度
本文介绍了图像配准中的互信息概念，通过MATLAB源码探讨了互信息在图像配准中的应用。作者从codesoso网站找到一个效果良好的MATLAB实现，并解释了互信息、熵及联合熵等信息论概念，指出当两幅图像的互信息最大时，它们的相关性最强，从而达到最佳配准状态。文章提及概率计算通常通过直方图方法，但未深入研究具体细节，期待专家指导。

最近琢磨了一下图像配准，上来就看理论似乎很挑战忍耐力，于是先找找开源代码

还好codesoso里可以找到matlab源码，效果还不错，算是增加点信心吧

原始链接如下：http://www.mathworks.com/matlabcentral/fileexchange/6978


里边涉及到一个名词“Mutual Information”，中文叫”互信息“，这个概念对于没接触过信息论的人有点莫名其妙，就像原来看到”卷积“一词时，很是糊涂。


有问题，先百度一下，百度百科里找到个概念（当然，wiki里也有更为详细的说明，不过公式比较繁琐）


互信息 (Mutual Information) 是信息论

最低0.47元/天 解锁文章
交互实现图像配准
11-04
很多人脸图像，需要将其配准，可以交互点击眼睛嘴巴位置实现配准
互信息图像配准
热门推荐
吴星宇的机器学习博客
12-24 1万+
图像配准是为了解决两幅不同来源的图像匹配问题。例如，楼外的一颗大树开花了，小明路过觉得好看，就拿相机拍了一张照片。结果回屋拷出来一看不满意，于是小明从窗户又拍了一张。两张照片拍摄角度和距离不一样（也即存在投影变换），同时照片细节也有差异（第二次拍摄的时候起风了，树叶子都有轻微的位移）。那么问题来了：怎么样让计算机把两幅图片中的树，像素对像素的给匹配起来？互信息配准算法是解决此问题较好的方法之一。它是
图像配准之二：基于互信息
驽马十驾，功在不舍；锲而不舍，金石可镂。
11-05 1002
基于2D直方图互信息的图像配置
AI 术语通俗词典：标准化互信息（NMI）
最新发布
qq_41176800的博客
04-30 567
它基于信息论中的互信息，衡量两个分组结果之间共享了多少信息，并通过信息熵进行标准化，使结果通常落在 0 到 1 之间。如果说调整兰德指数主要从“样本对关系是否一致”的角度评价聚类结果，那么标准化互信息主要从“两个分组结果共享了多少信息”的角度评价聚类结果。因此，标准化互信息常用于聚类模型评估、K 均值聚类、层次聚类、谱聚类、DBSCAN、聚类算法比较和无监督学习实验分析，在人工智能中具有重要基础意义。从通俗角度看，如果一个聚类结果很好，那么只要知道某个样本属于哪个簇，就能大致知道它的真实类别。
互信息法实现图像配准的完整指南
weixin_33562004的博客
08-16 914
图像配准是将两个或多个图像在空间位置上进行对齐的过程。这一过程在许多领域都至关重要，比如医学图像分析、卫星遥感、计算机视觉等。通过配准，可以将来自不同时间、不同视角或使用不同成像设备获得的图像融合在一起，以便进行后续的分析处理。图像配准的方法根据其是否依赖于图像的特定特征分为基于特征的配准和基于像素的配准。基于特征的方法通常涉及检测和匹配显著特征点；而基于像素的方法则关注图像间的相似度量，如互信息、均方误差等。不同的方法适用于不同的应用场合，选择合适的方法对配准效果至关重要。
图像融合的评价方法
Dandelion_2的博客
07-24 7505
在实际应用中,融合图像质量评价方法一般可分为两类:一类是主观评价法;另一类是客观评价法。 主观评价法 主观评价法就是依靠人眼来主观评估融合图像的质量的方法。这种方法简单、直观，对明显的图像信息可以进行直观、快捷的评价，在一-些特定应用中是十分可行的。但是,图像的视觉质量主要取决于观察者，这便会产生主观性强、片面、可重复性差等缺点。而且当观测条件变化时，评定的结果有可能会产生差异。因此，主观评价法需...
python计算两个图像的互信息
sihaiyinan的博客
01-04 1万+
我们常用互信息来衡量两个图像的相似程度。互信息的计算方式如下： 使用python中的numpy包或者sklearn可以很方便的计算互信息，计算代码如下： import cv2 import numpy as np import sklearn.metrics as skm def hxx_forward(x, y): return skm.mutual_info_score(x, y) def hxx(x, y): size = x.shape[-1] px .
图像配准融合（一）——基于互信息的图像配准方法（c++）
u013972657的博客
06-23 8934
1、内容简介 图像配准方法按照其算法原理可以分为：基于灰度信息的配准、基于变换域信息的配准、基于特征信息的配准。 （本人实验主要集中在基于灰度信息的配准以及基于特征信息的配准两类方法，对基于变换域信息的配准不熟悉，以下不涉及该方面内容的讨论。本篇主要是基于互信息的图像配准与融合（属于基于灰度信息配准与融合）的一些记录；下一篇主要介绍基于特征信息的配准与融合。） 基于互信息的图像配准算法常用于医学图像配准中，下面是一个互信息的图像配准方法 ...
学习笔记：医学图像配准简介—附voxelmorph模型
qq_49603002的博客
03-24 7286
配准的定义就不提了，这里主要说一下配准可以分为线性配准和非线性配准。线性配准包括刚体配准、仿射配准等，其中刚体配准是指只通过旋转和平移配准，而仿射配准则等于刚体配准+缩放。非线性配准，也就是论文里经常见到的可变形配准deformable registration，通常是说将移动图像的像素做位移，使得变形后的图像与目标图像的“差距”尽量小，当然差距这个词并不是很专业，下面会讲讲配准常见的损失函数。
医疗图像配准-点云配准总结
u010484388的博客
11-14 7090
近期主要在做一个关于将三维CT影像和点云数据做配准的项目，通过前期调研，业内主要的方法是将CT影像使用MarchingCubes（移动立方体）生成等值面三角网格，然后再使用点云配准的方法。 1、三维图像转三角网格（STL） 三维图像转stl网格，在vtk中已经实现，主要使用MarchingCubes算法，简单而有效，算法介绍详见下面篇博文，对比众多水文，这篇讲的比较明白。图像数据到网格数据-1——MarchingCubes算法 - 止战 - 博客园原文：http://blog.csdn.net/u013
图像的熵、联合熵、互信息
姿迷姿乐
12-05 9506
图像的熵和两幅图像的联和熵的定义如下：   其中，AB联合概率分布和关于A和关于B的边缘概率分布都可以由联合直方图归一化获得。 Matlab实现代码如下： （1）图像的熵 function shang = ssshang(X) [m,n,t]=size(X); I3 = double(X)+1; s(256) = 0; for i = 1:m for j
使用互信息进行图像配准
sinat_18131557的博客
06-18 1935
熵是描述一个事件的不确定性的，在英文中的描述是disorder，也就是无序，杂乱。写一个事件的熵可以表示为： E(A)=−∑Apilog⁡2piE(A)= -\sum_{A} p_i \log_2 p_iE(A)=−A∑​pi​log2​pi​也就是事件所有可能情况的概率与其对应对数的乘积就和的相反数。假设一个事件A(X)A(X)A(X)存在{x=1,x=2,x=3,x=4}\{x=1,x=2,x=3,x=4\}{x=1,x=2,x=3,x=4}这几种情况，并且经过多次实验，发现这几种情况出现的频数分别为：
图像配准中的互信息
风言风语
04-13 6708
声明本文主体部分参考 胡永祥 基于互信息的多模态医学图像非刚性配准研究[D] 中南大学 2012 对其中部分不清晰及符号使用问题进行了调整。 旨在对图像配准过程中使用的互信息及其梯度计算进行大致了解。 疏漏之处敬请指出。 尚未理解清楚地方已在文章标出，欢迎讨论。
图像互信息ＭＩ
qq_32425195的博客
01-10 3102
对应文章Stereo processing by semiglobal matching and mutual information 1.两个变量的互信息，参考https://zhuanlan.zhihu.com/p/36192699随机变量的熵 一个随机变量的熵越大，意味着不确定性越大，那么也就是说，该随机变量包含的信息量越大两个变量的互信息图像的互信息： 参考https://www.it610.com/article/5030530.htm 参考：https://blog.csdn.net/t...
【开源计划】图像配准中常用损失函数的pytorch实现
Timmymm的博客
03-16 7037
前言 按照开源计划的预告，我们首先从基于深度学习的图像配准任务中常用的损失函数的代码实现开始。从我最开始的那一篇博客，即基于深度学习的医学图像配准综述，可以看出，目前基于无监督学习的图像非刚性配准模型成为了一个比较流行的研究方向。这是因为基于监督学习的方法过分依赖传统方法或者模拟变形的方法来提供监督信息，这样既吃力又不讨好。以我的探索经验来讲，以传统配准方法产生的变形场作为监督信息，对网络进行训...
计算两幅图像A和B的信息熵、平均互信息、相对熵
sinat_56310865的博客
08-10 1480
计算两幅图像A和B的信息熵、平均互信息、相对熵
基于互信息的图像配准
qq_37806107的博客
10-12 2298
1.互信息： 互信息（Mutual Information）在信息论中是信息论里一种有用的信息度量，它可以看成是一个随机变量中包含的关于另一个随机变量的信息量，或者说是一个随机变量由于已知另一个随机变量而减少的不肯定性。 两个图像之间的相关性，或图像互相包含信息的多少。图像配准中，两幅图的互信息可通过熵以及联合熵反映；其中，图像A、B的互信息可以表示为： 其中H(A)、H(B)为图像...
【图像配准】基于互信息的图像配准算法：MI、EMI、ECC算法
努力努力努力
06-28 5227
简介： 基于互信息的图像配准算法以其较高的配准精度和广泛的适用性而成为图像配准领域研究的热点之一，而基于互信息的医学图像配准方法被认为是最好的配准方法之一。基于此，本文将介绍简单的基于互信息的图像配准算法。 预备知识熵 熵（entropy）是信息论中的重要概念，用来描述系统不确定性的测度，反映一个系统本身所能提供的信息总量。除去枯燥的概念，信息熵的数学表达式为： 当然，对于一幅图像来说，其熵的计算表达式如下： hi表示图像Y中灰度值为i的像素点总数...
图像几何变换时为何要用到插值算法?_计算机视觉方向简介 | 图像拼接
weixin_39631295的博客
10-21 619
作者戴金艳，公众号：计算机视觉life， 编辑部成员. 更好的阅读体验请看首发原文链接计算机视觉方向简介 | 图像拼接简介 图像拼接是将同一场景的多个重叠图像拼接成较大的图像的一种方法，在医学成像、计算机视觉、卫星数据、军事目标自动识别等领域具有重要意义。图像拼接的输出是两个输入图像的并集。通常用到五个步骤：特征提取 Feature Extraction：在所有输入图像中检测特征点图像配准 Im...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值