Как обрезать и масштабировать изображение по отношению к другому?

Question

У меня есть два изображения: ручная сегментация (красная линия) и автоматическая сегментация (синяя линия).

Что я хочу сделать, это

1. Перекрыть их так, чтобы точки в первом соответствовали точкам во втором.
2. Обрежьте изображение (автоматическая сегментация), чтобы точки имели одинаковые размеры и одинаковый масштаб, чтобы я мог проверить сегментацию путем сравнения двух контуров.

Хотя я пробовал подобное решение от MATHWORKS, регистрируя изображение с использованием нормализованной кросс-корреляции, используя приведенный ниже код, но я получил ошибку.

Что я делаю неправильно? Почему xbegin а также offset отрицательные?

 % Algorithm for image validation
    % Open the two images which will be compared
    name2=input('Image name ( automated segmentation)     ','s');
    img_automated=imread(name2,'png');
    figure (1), imshow(img_automated), title('Image automated')
    name=input('Image name ( manual segmentation)     ','s');
    img_manual=imread(name,'png');
    img_manual_gray=rgb2gray(img_manual);
    figure (2), imshow (img_manual),title('Image manual')
    img_automated_gray=rgb2gray(img_automated);
    %img_double=im2double(img_automated_gray);
    figure (3), imshow (img_automated_gray), title (' Image converted to double ');
    imcontrast
    %uiwait(img_automated_gray)
    img_automated_eq=adapthisteq(img_automated_gray);
    figure (5), imshow (img_automated_eq), title (' Image after histogram equalization ');
    img_automated_gray=rgb2gray(img_automated);
    figure (6), imshowpair(img_manual,img_automated_eq)
    title('Images overlap')

    %Step 2: Choose Subregions of Each Image
    %It is important to choose regions that are similar.The image sub_automated
    %will be the template, and must be smaller than the image sub_manual. 
    % interactively

    [sub_manual,rect_manual] = imcrop(img_manual); % choose the pepper below the onion
    [sub_automated,rect_automated] = imcrop(img_automated_gray); % choose the whole onion
    % display sub images
    figure(8), imshow(sub_automated)
    figure(9), imshow(sub_automated)

    %Step 3: Do Normalized Cross-Correlation and Find Coordinates of Peak
    %Calculate the normalized cross-correlation and display it as a surface plot.
    % The peak of the cross-correlation matrix occurs where the sub_images are
    % best correlated. normxcorr2 only works on grayscale images, so we pass it
    % the red plane of each sub image.

    c = normxcorr2(sub_automated(:,:,1),sub_manual(:,:,1));
    figure (10), surf(c), shading flat

    %Step 4: Find the Total Offset Between the Images
    %The total offset or translation between images depends on the location
    %of the peak in the cross-correlation matrix, and on the size and position 
    %of the sub images.
    % offset found by correlation

    [max_c, imax] = max(abs(c(:)));
    [ypeak, xpeak] = ind2sub(size(c),imax(1));
    corr_offset = [(xpeak-size(sub_automated,2))
                   (ypeak-size(sub_automated,1))];
    % relative offset of position of subimages
    rect_offset = [(rect_manual(1)-rect_automated(1))
                   (rect_manual(2)-rect_automated(2))];
    % total offset
    offset = corr_offset + rect_offset;
    xoffset = offset(1);
    yoffset = offset(2);

    %Step 5: See if the Onion Image was Extracted from the Peppers Image
    %Figure out where onion falls inside of peppers.

    xbegin = round(xoffset+1);
    xend   = round(xoffset+ size(img_automated_gray,2));
    ybegin = round(yoffset+1);
    yend   = round(yoffset+size(img_automated_gray,1));
    % extract region from peppers and compare to onion
    extracted_automated =img_manual(ybegin:yend,xbegin:xend,:);
    if isequal(img_automated_gray,extracted_automated)
       disp('extracted_automated.png was extracted from img_automated.png')
    end

    %Step 6: Pad the Onion Image to the Size of the Peppers Image
    %Pad the automated image to overlay on manual, using the offset determined above.

    recovered_automated = uint8(zeros(size(img_manual)));
    recovered_onion(ybegin:yend,xbegin:xend,:) = img_automated_gray;
    figure(11), imshow(recovered_automated)
  figure (12), imshowpair(img_manual(:,:,1),recovered_automated,'blend')

Answer 1

Этот ответ может быть неполным, но с учетом объема информации, которую вы уже включили, я могу поделиться этим:

1. Было бы интересно узнать, какие искажения демонстрируют два изображения, которые вы пытаетесь зарегистрировать. Я вижу, что вы использовали "сходство" в качестве типа преобразования. Существуют другие типы преобразований, которые могут быть более подходящими для ваших изображений, и неправильная настройка не даст вам хорошего результата, несмотря на то, что вы выбираете достаточно и точно расположенные контрольные точки.
2. В документации MATLAB перечислены другие способы регистрации двух изображений и, в зависимости от типа функций в ваших изображениях, один из других вариантов: а именно, на основе интенсивности (с помощью imregister) или на основе функций (с использованием набора функций из системы Computer Vision System). Панель инструментов) может быть более точным.
3. Чтобы обрезать изображения одинакового размера, вы можете отобразить их, используя imshowpair, как вы уже используете, а затем использовать imcrop до нужного размера. imshowpair отображает все пиксели зарегистрированной пары, так что ваш конечный результат всегда является подкомпонентом того, что отображается.