ITK软件指南第二版：C++开源工具箱详解

需积分: 10 140 浏览量更新于2024-07-21 收藏 4.45MB PDF 举报

《ITK软件指南》第二版是针对 Insight Toolkit (ITK) 的全面指南，该版本更新至适用于 ITK 2.4 版本。作者包括 Luis Ibáñez、Will Schroeder、Lydia Ng 和 Josh Cates，以及 Insight Software Consortium 的成员。发布日期为 2005 年 11 月 21日，官方网站为 <http://www.itk.org>，用户可以通过邮件列表 insight-users@itk.org 获取更多信息和支持。 ITK 是一个开源的软件工具包，专为图像处理中的注册（registration）和分割（segmentation）任务设计。在数字化表示中，例如医学成像如 CT 或 MRI 扫描，分割是指识别并分类数据的过程。例如，在医疗环境中，CT 扫描可以与 MRI 扫描进行对齐，以便融合两者中的信息，这便是注册的主要目标。 ITK 的核心语言是 C++，其跨平台特性得益于 CMake 构建环境的使用。CMake 作为一种构建管理工具，使得 ITK 可以在不同的操作系统上进行编译，实现平台无关性。此外，ITK 还采用了 Cable 自动封装工具，它能够生成 C++ 与诸如 Tcl、Java 等解释型编程语言之间的接口，从而使得非 C++ 开发者也能方便地利用 ITK 的功能。在本指南中，读者可以找到详细的类库介绍、示例代码片段以及指导如何使用 ITK 进行图像分析和处理的实用教程。除了理论概念，还会有实际操作步骤和最佳实践，涵盖了图像滤波、特征提取、形状分析、配准算法等各种核心功能的实现方法。对于任何想要在医疗图像处理领域应用 ITK 或对软件开发感兴趣的人员来说，这本书是不可或缺的参考资料。通过学习《ITK软件指南》，开发者不仅能掌握 ITK 的技术细节，还能了解到如何在实际项目中高效地整合和优化 ITK 功能，从而推动医学成像科学和技术的发展。无论你是 ITK 的新手还是经验丰富的用户，这个指南都将是你提升技能、探索新领域的宝贵资源。

xiv Contents

8.8.2 Transform General Properties . . . . . . . . . . . . . . . . . . . . . . . . . . . 395

8.8.3 Identity Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395

8.8.4 Translation Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396

8.8.5 Scale Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396

8.8.6 Scale Logarithmic Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398

8.8.7 Euler2DTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398

8.8.8 CenteredRigid2DTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399

8.8.9 Similarity2DTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400

8.8.10 QuaternionRigidTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401

8.8.11 VersorTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402

8.8.12 VersorRigid3DTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403

8.8.13 Euler3DTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404

8.8.14 Similarity3DTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405

8.8.15 Rigid3DPerspectiveTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . 407

8.8.16 AfﬁneTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407

8.8.17 BSplineDeformableTransform . . . . . . . . . . . . . . . . . . . . . . . . . . . 409

8.8.18 KernelTransforms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409

8.9 Interpolators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 410

8.9.1 Nearest Neighbor Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . 411

8.9.2 Linear Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 411

8.9.3 B-Spline Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 411

8.9.4 Windowed Sinc Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412

8.10 Metrics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415

8.10.1 Mean Squares Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416

Exploring a Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416

8.10.2 Normalized Correlation Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . 419

8.10.3 Mean Reciprocal Square Differences . . . . . . . . . . . . . . . . . . . . . . . . 419

8.10.4 Mutual Information Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420

Parzen Windowing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420

Viola and Wells Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . 421

Mattes et al. Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422

8.10.5 Kullback-Leibler distance metric . . . . . . . . . . . . . . . . . . . . . . . . . . 422

Contents xv

8.10.6 Normalized Mutual Information Metric . . . . . . . . . . . . . . . . . . . . . . 423

8.10.7 Mean Squares Histogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423

8.10.8 Correlation Coefﬁcient Histogram . . . . . . . . . . . . . . . . . . . . . . . . . 424

8.10.9 Cardinality Match Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424

8.10.10 Kappa Statistics Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424

8.10.11 Gradient Difference Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425

8.11 Optimizers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426

8.11.1 Registration using Match Cardinality metric . . . . . . . . . . . . . . . . . . . . 429

8.11.2 Registration using the One plus One Evolutionary Optimizer . . . . . . . . . . . 431

8.11.3 Registration using masks constructed with Spatial objects . . . . . . . . . . . . . 432

8.11.4 Rigid registrations incorporating prior knowledge . . . . . . . . . . . . . . . . . 434

8.12 Image Pyramids . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437

8.13 Deformable Registration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 438

8.14 Demons Deformable Registration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 461

8.15 Visualizing Deformation ﬁelds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 469

8.15.1 Visualizing 2D deformation ﬁelds . . . . . . . . . . . . . . . . . . . . . . . . . 470

8.15.2 Visualizing 3D deformation ﬁelds . . . . . . . . . . . . . . . . . . . . . . . . . 470

8.16 Model Based Registration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476

8.17 Point Set Registration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488

9 Segmentation 503

9.1 Region Growing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 503

9.1.1 Connected Threshold . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504

9.1.2 Otsu Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 507

9.1.3 Neighborhood Connected . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 510

9.1.4 Conﬁdence Connected . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 514

Application of the Conﬁdence Connected ﬁlter on the Brain Web Data . . . . . . . 517

9.1.5 Isolated Connected . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518

9.1.6 Conﬁdence Connected in Vector Images . . . . . . . . . . . . . . . . . . . . . . 521

9.2 Segmentation Based on Watersheds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524

9.2.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524

9.2.2 Using the ITK Watershed Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . 527

xvi Contents

9.3 Level Set Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 531

9.3.1 Fast Marching Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 533

9.3.2 Shape Detection Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . 541

9.3.3 Geodesic Active Contours Segmentation . . . . . . . . . . . . . . . . . . . . . . 550

9.3.4 Threshold Level Set Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . 555

9.3.5 Canny-Edge Level Set Segmentation . . . . . . . . . . . . . . . . . . . . . . . . 559

9.3.6 Laplacian Level Set Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . 563

9.3.7 Geodesic Active Contours Segmentation With Shape Guidance . . . . . . . . . . 565

9.4 Hybrid Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 577

9.4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 577

9.4.2 Fuzzy Connectedness and Conﬁdence Connectedness . . . . . . . . . . . . . . 577

9.4.3 Fuzzy Connectedness and Voronoi Classiﬁcation . . . . . . . . . . . . . . . . . 580

Example of a Hybrid Segmentation Method . . . . . . . . . . . . . . . . . . . . . 581

9.4.4 Deformable Models and Gibbs Prior . . . . . . . . . . . . . . . . . . . . . . . . 587

Deformable Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587

Gibbs Prior Image Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 594

9.5 Feature Extraction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596

9.5.1 Hough Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596

Line Extraction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596

Circle Extraction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 600

10 Statistics 605

10.1 Data Containers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 605

10.1.1 Sample Interface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 605

10.1.2 Sample Adaptors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 608

ImageToListAdaptor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 608

PointSetToListAdaptor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 610

10.1.3 Histogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 613

10.1.4 Subsample . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 616

10.1.5 MembershipSample . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 619

10.1.6 MembershipSampleGenerator . . . . . . . . . . . . . . . . . . . . . . . . . . . 622

10.1.7 K-d Tree . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 625

Contents xvii

10.2 Algorithms and Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 629

10.2.1 Sample Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 630

Mean and Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 630

Weighted Mean and Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . 632

10.2.2 Sample Generation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 635

ListSampleToHistogramFilter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 635

ListSampleToHistogramGenerator . . . . . . . . . . . . . . . . . . . . . . . . . . 637

NeighborhoodSampler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 639

SampleToHistogramProjectionFilter . . . . . . . . . . . . . . . . . . . . . . . . . 640

10.2.3 Sample Sorting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 643

10.2.4 Probability Density Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . 646

Gaussian Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 646

10.2.5 Distance Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 647

Euclidean Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 647

10.2.6 Decision Rules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 649

Maximum Decision Rule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 649

Minimum Decision Rule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 650

Maximum Ratio Decision Rule . . . . . . . . . . . . . . . . . . . . . . . . . . . 651

10.2.7 Random Variable Generation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 652

Normal (Gaussian) Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . 652

10.3 Statistics applied to Images . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 652

10.3.1 Image Histograms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 652

Scalar Image Histogram with Adaptor . . . . . . . . . . . . . . . . . . . . . . . . 652

Scalar Image Histogram with Generator . . . . . . . . . . . . . . . . . . . . . . . 655

Color Image Histogram with Generator . . . . . . . . . . . . . . . . . . . . . . . 657

Color Image Histogram Writing . . . . . . . . . . . . . . . . . . . . . . . . . . . 660

10.3.2 Image Information Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 663

Computing Image Entropy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 663

Computing Images Mutual Information . . . . . . . . . . . . . . . . . . . . . . . 667

10.4 Classiﬁcation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 672

10.4.1 k-d Tree Based k-Means Clustering . . . . . . . . . . . . . . . . . . . . . . . . 673

10.4.2 K-Means Classiﬁcation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 679

xviii Contents

10.4.3 Bayesian Plug-In Classiﬁer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 681

10.4.4 Expectation Maximization Mixture Model Estimation . . . . . . . . . . . . . . . 688

10.4.5 Classiﬁcation using Markov Random Field . . . . . . . . . . . . . . . . . . . . 691

III Developer’s Guide 699

11 Iterators 701

11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 701

11.2 Programming Interface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 702

11.2.1 Creating Iterators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 702

11.2.2 Moving Iterators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 702

11.2.3 Accessing Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 704

11.2.4 Iteration Loops . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 705

11.3 Image Iterators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 706

11.3.1 ImageRegionIterator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 706

11.3.2 ImageRegionIteratorWithIndex . . . . . . . . . . . . . . . . . . . . . . . . . . . 708

11.3.3 ImageLinearIteratorWithIndex . . . . . . . . . . . . . . . . . . . . . . . . . . . 710

11.3.4 ImageSliceIteratorWithIndex . . . . . . . . . . . . . . . . . . . . . . . . . . . . 715

11.3.5 ImageRandomConstIteratorWithIndex . . . . . . . . . . . . . . . . . . . . . . . 719

11.4 Neighborhood Iterators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 720

11.4.1 NeighborhoodIterator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 726

Basic neighborhood techniques: edge detection . . . . . . . . . . . . . . . . . . . 726

Convolution ﬁltering: Sobel operator . . . . . . . . . . . . . . . . . . . . . . . . 730

Optimizing iteration speed . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 731

Separable convolution: Gaussian ﬁltering . . . . . . . . . . . . . . . . . . . . . . 733

Slicing the neighborhood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 735

Random access iteration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 736

11.4.2 ShapedNeighborhoodIterator . . . . . . . . . . . . . . . . . . . . . . . . . . . . 738

Shaped neighborhoods: morphological operations . . . . . . . . . . . . . . . . . . 739

12 Image Adaptors 745

12.1 Image Casting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 746

12.2 Adapting RGB Images . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 748

剩余835页未读，继续阅读

qq_17794053

粉丝: 0
资源: 2

ITK软件指南第二版：C++开源工具箱详解

ITK user' guide

ITK 老版说明

itk教程，详解入门级 通俗易懂

ITK software guide

Itk Software Guide pdf

The ITK Software Guide

ItkSoftwareGuide.pdf

The ITK Software Guide 高清有书签

itksoftwareguide-2.4.0-中文版

ItkSoftwareGuide-4.4.0-Draft.pdf

最新资源

itk教程，详解入门级通俗易懂