پردازش تصاویر fMRI - قسمت نوزدهم

تبدیل مکانی 2:

دو مرحله برای تبدیل مکانی یک تصویر به تصویر دیگر وجود دارد. ابتدا باید پارامترهای تبدیل، که بهترین انطباق بین دو تصویر ایجاد را می کنند، تخمین زد. این عمل باعث می شود که ما یک مدل از تبدیل مورد نظر داشته باشیم که روشی را که تصویر اول باید تغییر کند تا با تصویر دوم منطبق شود مشخص کند. هر یک از پارامترها در این مدل، یک تغییر را که باید به تصویر اعمال شود را مشخص می کنند. یک مدل خیلی ساده ممکن است فقط چند پارامتر جزئی داشته باشد، چنین مدلی تنها قادر است تغییرات کلی به تصویر دهد و قادر نیست جزئیات تصاویر را بر یکدیگر منطبق کند. یک مدل پیچیده تر پارامترهای بیشتری دارد و توانایی بهتری در منطبق سازی ، به خصوص در منطبق سازی جزئیات تصویر دارد. همچنین ما به یک روش نیاز داریم تا تخمین بزنیم که میزان غیر منطبق بودن دو تصویر چقدر است، که به آن تابع هزینه گفته می شود. برای آنکه بهترین تخمین را از پارامترهایی که به بهترین شکل دو تصویر را به هم منطبق می کنند داشته باشیم، این تابع هزینه باید حداقل شود.

پس از آنکه ما پارامترهای مدل تبدیل را بدست آوردیم، باید تصویر اولیه را بازسازی کنیم تا ورژن منطبق شده آن بدست آید. مختصات اصلی هر واکسل به مختصات جدید در فضای جدید تصویر می شود و تصویر جدید بر پایه این تبدیل های مختصاتی شکل می گیرد. از آنجا که مختصات های تبدیل شده دقیقا بر روی مختصات های تصویر اصلی تصویر نمی شود، مهم است که مقدار شدت روشنایی در آن نقاط میانی را تخمین بزنیم، که به این عمل درون یابی گفته می شود. روش های درون یابی بازه گسترده ای از روش های ساده (مثل انتخاب نزدیکترین واکسل) تا روش های پیچیده مثل معدل گیری وزنی در کل تصویر را شامل می شود.

شکل1. مثالی از نیاز به درونیابی در انطباق تصاویر