我正在寻找一些用于图像配准的算法（最好是如果源代码可用）。图像变形不能用单应矩阵来描述（因为我认为失真不是对称的和不均匀的），更具体地说，变形就像桶形/失真和梯形失真，可能是图像的一些旋转。我想获得两个图像的像素对，因此我可以获得“变形场”的表示。
我google了很多，发现有一些基于一些物理思想的算法，但似乎它们可以收敛到局部最大值，但不能收敛到全局。我可以将程序设置为半自动，这意味着一些简单的用户交互。
也许像 SIFT 这样的算法是合适的？但我认为它不能提供具有规则足够密度的“变形场”。
如果它很重要，则没有规模变化。
复杂字段示例 http://www.math.ucla.edu/~yanovsky/Research/ImageRegistration/2DMRI/2DMRI_lambda400_grid_only1.png
您正在寻找的是“光流”。搜索这些术语将为您带来大量结果。
在 OpenCV 中，有一个名为 calcOpticalFlowFarneback() 的函数（在视频模块中）可以满足您的需求。C API 仍然有一个由 Horn & Schunck (1981) 称为“确定光流”的经典论文的实现。
你也可以看看我做的这个工作，以及一些代码（但要小心，opencl内存代码中仍然存在一些神秘的错误。我将在今年晚些时候发布一个更正的版本。）：http：/ /lts2www.epfl.ch/people/dangelo/opticalflow
除了 OpenCV 的光流（和我的 ;-）之外，您还可以在 itk.org 上查看 ITK，了解完整的图像配准链（主要针对医学成像）。
还有很多光流代码（matlab、C/C++...）可以通过google找到，例如cs.brown.edu/~dqsun/research/software.html、gpu4vision等
-- 编辑：关于光流 --
光流分为两类算法：密集算法和其他算法。密集算法为每个像素提供一个运动向量，非密集算法为每个跟踪特征提供一个向量。
稠密家族的例子包括 Horn-Schunck 和 Farneback（与 opencv 保持一致），以及更普遍地任何可以最小化整个图像上的某些成本函数的算法（各种 TV-L1 流等）。
非密集家族的一个例子是 KLT，在 opencv 中称为 Lucas-Kanade。
在密集族中，由于每个像素的运动几乎是自由的，它可以处理尺度变化。但是请记住，这些算法在大运动/尺度变化的情况下可能会失败，因为它们通常依赖于线性化（运动和图像变化的泰勒展开）。此外，在变分方法中，每个像素都对整体结果有贡献。因此，一张图像中不可见的部分可能会使算法偏离实际解决方案。
无论如何，使用诸如从粗到细的实现之类的技术来绕过这些限制，而这些问题通常只有很小的影响。一些算法也可以明确处理残酷的光照变化或大的遮挡/未遮挡区域，例如，参见本文，该论文计算了光流场旁边的“创新”稀疏图像。
我发现了一些特定于医学的软件，但它很复杂，并且不适用于简单的图像格式，但似乎它可以满足我的需要。 http://www.csd.uoc.gr/~komod/FastPD/index.html Drop - 使用离散优化的可变形配准
