b-样条配准matlab代码运动估计-压缩传感-MRI 该存储库包含JFPJ Abascal、P Montesinos、E Marinetto、J Pascau、M Desco论文中介绍的基于 B 样条的压缩感知 (SPLICS) 方法的 MATLAB 代码。 小动物研究中自门控心脏电影 MRI 的总变异与基于运动估计的压缩感知方法的比较。 PLOS ONE 9(10): e110594, 2014. DOI: SPLICS 通过将连续帧之间的运动建模到重建框架中来概括时空总变化 (ST-TV)。 使用基于分层 B 样条的非刚性配准方法估计运动。 SPLICS 解决了以下问题 其中第一项对应于 TV，T 是时间稀疏算子，F 是傅立叶变换，u 是重构图像，f 是欠采样数据。 使用 Split Bregman 公式可以有效地解决优化问题。 这个演示 此演示在心脏电影 MRI 数据上比较 TV、时空 TV 和 SPLICS。 此版本的 SPLICS 包括两个步骤：i) 根据先前的重建（在此示例中由 TV 给出的图像）估计运动，以构建编码运动的稀疏时间算子，ii) 考虑先前估计的运动算子的图像

基于仿射和 B 样条网格的两个 2D 彩色/灰度图像或 3D 体积或点数据的配准和数据拟合。 配准可以基于强度/像素，或基于地标/对应点（参见 OpenSurf），或组合进行。 描述 基于像素的配准： 该函数是 D. Rueckert 等人中 b 样条配准算法的（增强）实现。 “使用自由形式变形的非刚性配准：对乳房 MR 图像的应用”。 包括 Rueckert（薄金属片弯曲能量）和 Jacobian（微分形）函数的平滑度惩罚。 还包括将局部标准化互信息作为配准误差，允许图像或体积为不同类型/模态，例如 MRI T1 和 T2 患者扫描。 这个怎么运作： 构建了一个 b 样条控制点网格，它控制输入图像的变换。 误差测量用于测量运动图像和静态图像之间的配准误差。 准牛顿 Matlab 优化器 fminlbfgs（也在 Mathworks 上）用于移动控制点，以实现两幅图像之间的最佳配准，

数据平滑 数据平滑方法的演示，尤其是Lowess和B-Spline

给定控制点数（N）、样条的阶数（K）、节点向量序列（T）和txt格式的文件名，函数basefunc_NBS计算无理（未加权）基函数N_ik(t)对于每个段到第 K 个顺序，并将数据写入 txt 文件。 为权重添加输入变量 w，函数 basefunc_NURBS 计算第 K 阶每个段的有理（加权）基函数 R_ik(t)。

1.1 基本知识点 1.1.1 数据与信息 数据指的是用符号记录下来的可以区别的信息。信息是反映现实世界的知识。 信息是以数据的形式表示的，即数据是信息的载体。另一方面，信息是抽象的，不随 数据设备所决定的数据形式而改变；而数据的表示方式却具有可选择性。 数据处理是指将数据转换成信息的过程，如对数据的收集、存储、传播、检索、分类、 加工或计算、打印各类报表或输出各种需要的图形。在数据处理的一系列活动中，数据收 集、存储、传播、检索、分类等操作是基本环节，这些基本环节统称为数据管理。 数据与信息之间的关系可以表示为： 信息 ＝ 数据 ＋ 数据处理 1.1.2 计算机数据管理的发展 计算机数据管理经历了以下几个阶段： 人工管理阶段 在这一阶段（20 世纪 50 年代中期以前）的特点：数据和程序不具有独立性；数据不 能长期保存；系统中没有对数据进行管理的软件。 文件系统阶段 在这一阶段（20世纪 50年代后期至 60年代中后期）的特点：程序和数据有了一定的 独立性，程序和数据分开存储；数据文件可以长期保存在外存储器上并能够多次存取；数 据的存取以记录为基本单位，并出现了多种文件组织，如顺序文件、索引文件和随机文件 等；数据冗余度大；缺乏数据独立性；数据无集中管理。

B样条曲线和B样条基函数的生成算法和显示 包括均匀、准均匀、分段Bezier和两种非均匀B样条曲线的算法，采用C++和MFC编写，算法效率较低，请自行改进。

Python-B-spline-examples Python 中关于使用 Numpy、Scipy 和 Matplotlib 评估和插值 B 样条曲线及其比较的示例。 要求 Python 2.7.x 或 3.xx， 麻木 西比 Matplotlib 弄脏手 假设您已经对 B 样条曲线有所了解，否则请使用谷歌搜索或。 让我们考虑一个名为plist的 9 点列表： plist = [( 3 , 1 ), ( 2.5 , 4 ), ( 0 , 1 ), ( - 2.5 , 4 ),( - 3 , 0 ), ( - 2.5 , - 4 ), ( 0 , - 1 ), ( 2.5 , - 4 ), ( 3 , - 1 ),] 我们将做两件事： A. 绘制三次 B 样条曲线，其中plist是控制多边形。 B.查找（内插），并绘制B样条曲线，该曲线走线槽的plist点和或使用三次B样条曲

PointCloud_B-Spline 将3d点云拟合到曲线

为了克服已有车道线识别算法运算复杂、速度较慢以及鲁棒性欠缺等不足之处, 提出一种新的快速车道线识别算法, 首先通过对图像的灰度变化分析, 得出车道线轮廓像素, 然后运用B-Spline曲线拟合车道线轮廓, 得到最终的识别效果图。实验表明, 该算法在速度和识别率上都能取得优异的表现。在嵌入式平台上, 该算法取得了12 fps的速度, 符合智能驾驶的实际需求。

B-样条基函数matlab代码,实现基函数的递归生成