0

我有两个 dicom 图像，可以使用下面的代码计算图像的均方误差。但是，与另一张图像相比，一张图像可能存在固有的变化（如果我的成像仪稍微未对齐）。有没有一种简单的方法来计算两个 numpy 数组的移位？

我尝试将数组每个方向移动几个像素并计算最小 MSQ。但是，这还不够健壮。任何帮助或建议将不胜感激！

import numpy as np
import dicom

#first image
ds = dicom.read_file("U:\\temp\\1.dcm")
array1 = ds.pixel_array
#second image
ds1 = dicom.read_file("U:\\temp\\5.dcm")
array2 = ds1.pixel_array

#shifting image by a number of pixels in any direction
arr1 = np.roll(array2, 100,  axis=1)
imshow(arr1)

def mse(imageA, imageB):
    # the 'Mean Squared Error' between the two images is the
    # sum of the squared difference between the two images;
    err = np.sum((imageA.astype("float") - imageB.astype("float")) ** 2)
    err /= float(imageA.shape[0] * imageA.shape[1])

    # return the MSE, the lower the error, the more "similar"
    # the two images are
    return err

first_try = mse(array1, array2)
second_try = mse(arr1, array2)
4

2 回答 2

2

如果您确定图像将完全相同，除了这种转变，认为最好的解决方案是scipy.signal.correlate2d：

import numpy as np
from scipy.signal import correlate2d

a = np.random.random((200, 200))
b = np.roll(np.roll(a, 15, axis=0),-33, axis=1)

corr = correlate2d(a, b)

shift = np.where(corr==corr.max())
shift = (shift[0]%a.shape[0], shift[1]%a.shape[1])

这给出了正确的值：

(array([184]), array([32]))
于 2015-04-21T10:10:55.913 回答
1

没有看到图像就很难说，并且在一张图像上有效的东西可能在下一张图像上无效。但是一般尝试：

  • 多尺度估计 - 对您的数组进行下采样，计算粗略尺度的偏移，并在下一个尺度用这个偏移（补偿缩放）进行初始化。
  • 稳健的误差分数，如绝对差之和。
于 2015-04-21T10:06:38.753 回答