Zie het als het over elkaar leggen van twee kaarten van hetzelfde gebied; de ene kan enigszins scheef of verschoven zijn ten opzichte van de andere. Registratie corrigeert deze verschillen.

Hier volgt een overzicht van wat registratie inhoudt:

* Overeenkomende punten identificeren (Feature Matching): Dit is een cruciale eerste stap. Algoritmen zoeken naar gemeenschappelijke kenmerken in de afbeeldingen (bijvoorbeeld randen, hoeken, oriëntatiepunten) en matchen deze over de verschillende afbeeldingen. Technieken als SIFT (Scale-Invariant Feature Transform), SURF (Speeded-Up Robust Features) en ORB (Oriented FAST en Rotated BRIEF) worden hiervoor vaak gebruikt.

* Transformatieschatting: Zodra overeenkomstige punten zijn geïdentificeerd, wordt een geometrische transformatie geschat die de afbeeldingen het beste uitlijnt. Deze transformatie kan zijn:

* Starre transformatie: Betreft translatie (verschuiving), rotatie en mogelijk schaalvergroting. Geschikt wanneer de afbeeldingen alleen qua positie en oriëntatie verschillen.

* Affine-transformatie: Voegt afschuiving toe aan de rigide transformatie, waardoor complexere vervormingen mogelijk zijn.

* Projectieve transformatie (homografie): Verwerkt perspectiefvervormingen, handig voor beelden die vanuit aanzienlijk verschillende gezichtspunten zijn genomen. Dit wordt vaak gebruikt voor het uitlijnen van beelden gemaakt door camera's met verschillende brandpuntsafstanden of posities.

* Elastische of niet-starre transformatie: Wordt gebruikt voor afbeeldingen met aanzienlijke vervorming, zoals afbeeldingen van medische beeldvorming of afbeeldingen van vervormbare objecten. Deze transformaties zijn complexer om in te schatten.

* Beeldtransformatie (kromtrekken): Ten slotte wordt de transformatie toegepast op een of meer afbeeldingen om ze te vervormen en uit te lijnen met een referentieafbeelding. Dit omvat het opnieuw bemonsteren van pixelwaarden met behulp van technieken zoals interpolatie (dichtstbijzijnde buur, bilineair, bicubisch).

Toepassingen van beeldregistratie:

Beeldregistratie is cruciaal in veel toepassingen, waaronder:

* Medische beeldvorming: Het op één lijn brengen van MRI-, CT- en PET-scans om een ​​betere diagnose en behandelingsplanning mogelijk te maken.

* Remotedetectie: Het combineren van beelden van verschillende satellieten of luchtfoto's om kaarten met een hoge resolutie te creëren.

* Robotica: Creëer een consistent beeld van de omgeving op basis van meerdere sensoringangen.

* Objecttracking: Objecten volgen over meerdere frames in een video.

* Wijzigingsdetectie: Het identificeren van verschillen tussen beelden van hetzelfde gebied die op verschillende tijdstippen zijn gemaakt (bijvoorbeeld het detecteren van ontbossing).

* Mozaïek: Eén panoramisch beeld creëren uit meerdere overlappende beelden.

Samenvattend is beeldregistratie een fundamentele taak bij digitale beeldverwerking die de combinatie en analyse van meerdere afbeeldingen mogelijk maakt, wat leidt tot rijkere en meer inzichtelijke informatie. De keuze voor de registratiemethode hangt sterk af van de aard van de beelden en het type geometrische vervormingen dat aanwezig is.