Einführung in die medizinische Bildverarbeitung SS 2013

Transkript

1 Einführung in die medizinische Bildverarbeitung SS 213 Stephan Gimbel 1

2 Kurze Wiederholung Kurven- und oberflächenbasierte Registrierung Rand- und Oberflächen, z.b. durch Meshes repräsentiert Genauigkeit hängt von der Genauigkeit der Segmentierungsergebnisse ab ICP-Algorithmus Eingabe: zwei Oberflächen A und B Ausgabe: an B angepasste Oberfläche A verwendet Punktkorrespondenzen zwischen den Oberflächen iterative Annäherung über Berechnung einer Transformation Konturbasierte Registrierung Abbildung zweier korrespondierender Konturpunkt in zwei Datensätzen Aussenkonturen aus Atlas wird in den Patientendatensatz eingeblendet iterative Annäherung Exkursion Wahrscheinlichkeit Definition P(A) = N(A) / N Beispiele: Coin-Toss & Würfel 2

3 Kurze Wiederholung Mutual Information und Entropie Messung des Informationsgehaltes eines Bildes über den Informationsgehalt kann die Ähnlichkeit zu einem anderen Bild bestimmt werden Aus der Nachrichtentechnik (Hartley, Gleichverteilung) H H = m log n = log n m Shannon hat eine Gewichtung des Auftretens der Symbole eingeführt und deren Informationsgehalt summiert: H S = p i log 1 p i = p i log p i i die Entropie beschreibt den Informationsgehalt eines Bildes unter Einbeziehung der Häufigkeit des Auftretens eines Symbols (Grauwert) und deren Verteilung Markov Random Fields - Beispiel i 3

4 Resampling von Bilder Resampling ist ein wichtiger Teilbereich in der Bildverarbeitung, speziell in der Registrierung ITK implementiert des dies als Filter in itk::resampleimagefilter unter Verwendung von itk::transforms der Input des Filter erwartet ein Bild eine Transformation ein Interpolator die räumlichen Koordinaten des Bildes werden dabei durch eine Transformation auf ein neues Bild abgebildet Ausdehnung und Spacing des neuen Bildes werden vom Benutzer bestimmt Resampling verwendet räumliche Koordinaten, keine Pixel/Grid Koordinaten (!!!) der Interpolator sorgt dafür, dass auch Grauwerte außerhalb von Pixel/Grid Koordinaten verarbeitet werden können Dimension und PixelType für das Ein- und Ausgabebild müssen gesetzt werden (wie gewohnt) TransformType muss durch Dimension und Datentyp der Koordinatenrepräsentation festgelegt werden typedef itk::affinetransform<double, Dimension> TransformType; 4

5 die Parameter der Transformation sind per Default auf eine Identitäts-Transformation eingestellt TransformType::Pointer transform = TransformType::New(); filter->settransform(transform); der InterpolatorType wird durch den ImageType und den Datentyp repräsentiert, der für die räumlichen Koordinaten verwendet wird typedef itk::nearestneighborinterpolateimagefunction<inputimagetype, double> InterpolatorType; da es möglich ist, dass einige Pixel im Ausgabebild außerhalb der räumlichen Koordinaten des Eingabebildes gemappt werden, muss diesen ein Default-Wert zugewiesen werden filter->setdefaultpixelvalue(); das Sampling Grid im Ausgabebild wird durch das Spacing und Origin bestimmt double spacing[dimension]; spacing[] = 1.; // 1 mm Pixel Spacing in X-Richtung spacing[1] = 1.; //... in Y-Richtung filter->setoutputspacing(spacing); double Origin[Dimension]; origin[] =.; // X origin[1] =.; // Y filter->setoutputorigin(origin); 5

6 die Größe des Ausgabebildes wird durch einen SizeType bestimmt InputImageType::SizeType size; size[] = 3; // Pixel in X-Richtung size[1] = 3; // Pixel in Y-Richtung filter->setsize(size); der Input des Filters kann dabei wie gewohnt von einem anderen Filter bzw. einem Reader kommen der Output des Filters kann analog einem anderen Filter bzw. einem Writer übergeben werden ein Update() in einem nachgeschalteten Filter sorgt für die Ausführung des Filters 6

7 226 Chapter 6. Filtering Beispiel für eine Identitätstransformation x 3 pixels x 217 pixels Identity Transform Input Image Resampled Image Figure 6.4: Analysis of the resample image done in a common coordinate system. Eingabebild 181 x 217 Pixel Origin (.,.) Spacing (1mm x 1mm) Ausgabebild 3 x 3 Pixel Origin (.,.) Spacing (1mm x 1mm) 7

8 Beispiel für eine Transformation TransformType::OutputVectorType translation; translation[] = -3; // in mm entlang X translation[1] = -5; // in mm entlang Y transform->translate(translation); 6.9. Geometric Transformations x 3 pixels x 217 pixels T={ 3, 5} 25 2 Translation Transform 2 (15,188) (75,138) Input Image Resampled Image Figure 6.42: ResampleImageFilter. Analysis of a translation by ( 3, 5). die Transformation wird genutzt um Punkte aus dem Ausgabebild in das Eingabebild zu mappen The(!!!) output image resulting from the translation can be seen infigure6.41. Again,itisbetterto interpret the result in a common coordinate system as illustrated in Figure der Grauwert am Punkt P im Ausgabebild wird dabei vom Punkt T(P) im Eingabebild bezogen Probably the most important thing to keep in mind when resampling images is that the transform is used to map points from the output image space into the input image space. In this case, Figure 6.42 shows that the translation is applied to every point of the output image and the resulting position is used to read the intensity from the input image. In this way, the gray level of the point P in the output image is taken from the point T(P) in the input image. Where T is 8

9 Beispiel für eine Transformation um die Translation besser sehen zu können, empfiehlt es sich den Default-Wert für Pixel auf einen höheren Wert zu setzen 228 Chapter 6. Filtering x 3 pixels x 217 pixels T={ 3, 5} 25 2 Translation Transform (3,5) (,) Input Image Resampled Image Figure 6.43: ResampleImageFilter highlighting image borders with SetDefaultPixelValue(). Importance of Spacing and Origin The source code for this section can be found in the file Examples/Filtering/ResampleImageFilter2.cxx. During the computation of the resampled image all the pixels in the output region are visited. Stephan GimbelThis visit is performed Einführung using ImageIterators in die medizinische which Bildverarbeitung walk in the integer grid-space of the image. For each pixel, we need to convert grid position to space coordinates using the image spacing and origin. 9

10 bei der Berechnung des Ausgabebildes werden alle Pixel in der Ausgaberegion besucht. Dies geschieht durch ImageIterators, die sich durch den Grid-Space des Bildes bewegen Ein Pixel am Index I = (2, 5) in einem Bild mit Origin O = (19., 29.) und Pixel Spacing S = (1.3, 1.5) korrespondiert mit der räumlichen Position P[i] = I[i] x S[i] + O[i] P = (2 x , 5 x ) P = (45., 14.) die räumlichen Koordinaten von P werden durch die Transformation T gemappt um den Punkt P auf den räumlichen Punkt Q = T(P) im Eingabebild zu mappen 1

11 Beispiel Punkt im Ausgabebild an Index I = (, ) hat die räumlichen Koordinaten P = (3, 4) die Indentitätstransformation mappt diesen Punkt auf Q = (3, 4) im Eingabebild da das Eingabebild ein Spacing von (1., 1.) und Origin (.,.) hat mappt der physical Point Q = (3, 4) auf den Pixel mit dem Index I = (3, 4) 23 Chapter 6. Filtering Size=3x3 Spacing=(1.,1.) 3 3 DefaultPixelValue 25 Size=181x217 Spacing=(1.,1.) Identity Transform Origin=(,) Index=(,) Origin=(3,4) Index=(,) Input Image Resampled Image Figure 6.44: ResampleImageFilter selecting the origin of the output image. 11

12 2 Registrierung 15 1 Identity Transform Beispiel 5 5 Punkt im Ausgabebild an Index Origin=(,) Origin=(3,4) Index=(,) I = (, ) hat die räumlichen Index=(,) Koordinaten P = (6, 3) die Indentitätstransformation mappt diesen Punkt auf Q = (6, 3) im Eingabebild da das Eingabebild Input Image ein Spacing von (1., 1.) und Resampled Origin Image (.,.) hat mappt der physical Point Q = (6, 3) auf den Pixel mit dem Index I = (6, 3) Figure 6.44: ResampleImageFilter selecting the origin of the output image Size=181x217 Spacing=(1.,1.) 25 Size=15x2 Spacing=(1.,1.) DefaultPixelValue Identity Transform 1 5 Origin=(,) Index=(,) 5 Origin=(6,3) Index=(,) Input Image Resampled Image Figure 6.45: ResampleImageFilter selecting the origin of the output image. 12

13 Beispiel das Eingabebild hat nun ein Origin von O = (5, 7) angewendet wird die Identitätstransformation der Pixel mit Index I = (56, 12) im Ausgabebild hat die Koordinaten P = (116, 15) im Physical Space die Transformation mappt P auf den Punkt Q = (116, 15) im Input Image 6.9. die Geometric Koordinaten Transformations Q werden assoziert mit dem Index I = (66, 8) im Eingabebild Size=181x217 Spacing=(1.,1.) Size=15x2 Spacing=(1.,1.) I=(66,8) Identity Transform 15 I=(56,12) DefaultPixelValue Origin=(5,7) Index=(,) 5 Origin=(6,3) Index=(,) Input Image Resampled Image Figure 6.46: Effect of selecting the origin of the input image with ResampleImageFilter. Stephan Gimbel image in this case happens Einführung to have in spacing die medizinische (1.,1.) and Bildverarbeitung origin (.,.), thephysicalpoint Q =(6,3) maps to the pixel with index I =(6,3). 13

14 Beispiel non-unit Spacing von (2., 3. in mm) reduzierte Auflösung (8 x 5) im Ausgabebild (da die Pixel nun 2.mm x 3.mm abdecken) Physical Space des Ausgabebildes 16mm x 15mm Formate wie PNG sind ungeeignet, ebenso wie triviale Viewer, die das Spacing nicht berücksichtigen 232 Chapter 6. Filtering Figure 6.47: Resampling with different spacing seen by a naive viewer (center) and a correct viewer (right), input image (left). Input Trivial Korrekt size[] = 8; // number of pixels along X size[1] = 5; // number of pixels along Y filter->setsize( size ); 14

15 Beispiel Pixel I =(33, 27) des Ausgabebildes liegt bei den Koordinaten P = (66., 81.) im Physical Space die Identitätstransformation mappt diesen Punkt auf Q = (66., 81.) im Input Image Physical Space 6.9. Geometric Transformations 233 dieser Punkt im Input Image wird dann mit Index I = (66, 81) assoziiert, da das Bild Zero Origin und Unit Spacing aufweist 3 Size=181x217 3 Size=8x5 Spacing=(1.,1.) Spacing=(2.,3.) 25 Physical extent=(181.,217.) 25 Physical extent=(16.,15.) Identity Transform 15 I=(33,27) 1 1 P=(66.,81.) 5 I=(66,81) Q=(66.,81.) Input Image Resampled Image Figure 6.48: Effect of selecting the spacing on the output image. 15

16 Rechenbeispiel Origin Ausgabebild O = (25., 35. in mm), Spacing (4., 4.5 in mm) und Size (4, 45 in Pixel) Pixel an Index I = (1, 1) im Ausgabebild wird assoziiert mit den räumlichen Koordinaten P = (1 x , 1 x ) = (65., 8.) Identitätstransformation mappt diesen Punkt auf Q = (65., 8.) im Eingabebild Punkt Q wird assoziiert mit dem Pixel an Index I = ((65. -.)/2., (8. -.)/3.) = (32.5, 26.6) dieser 6.9. Geometric Pixel fällt Transformations nicht in eine Grid-Position, der Wert der dem Ausgabebild 235 zugewiesen wird muss interpoliert werden 3 Size=9x72 Spacing=(2.,3.) 3 Size=4x45 Spacing=(4.,4.5) 25 Physical extent=(18.,216.) 25 Physical extent=(16.,22.5) Identity Transform 15 I=(1,1) 1 1 P=(65.,8.) 5 I=(32.5,26.6) Q=(65.,8.) 5 Origin=(25.,35.) Input Image Resampled Image Figure 6.5: Effect of non-unit spacing on the input and output images. 16

17 Beispiel wenn eine Rotation als Transformation an den itk::resampleimagefilter übergeben wird, dann handelt es sich um eine Rotation im Uhrzeigersinn die Transformation rotiert das Koordinatensystem im Uhrzeigersinn wenn Ein- und Ausgabebild in einem Koordinatensystem dargestellt werden, dann sieht es so aus, als ob das Bild im Uhrzeigersinn rotiert wurde wird das Ausgabebild jedoch anhand eines vertikal ausgerichteten Koordinatensystem 236 Chapter 6. Filtering gezeigt, so wird der Bildinhalt rotiert entgegen dem Uhrzeigersinn dargestellt Figure 6.51: Effect of a rotation on the resampling filter. Input image at left, output image at right. 17

18 Beispiel (Fortsetzung) Figure 6.51: Effect of a rotation on the resampling filter. Input image at left, output image at right. Size=7x6 3 Spacing=( 2., 3. ) Physical extent=( 14., 18. ) 3 Size=5x4 Spacing=( 4., 3. ) Physical extent=( 2., 12. ) Rotation 3 Transform Origin=(6.,7.) Origin=(5.,13.) Input Image Resampled Image Figure 6.52: Input and output image placed in a common reference system. Ziel: Output Space 4 x kleiner und Anzahl der Pixel 4 x größer, jeweils in beiden Dimensionen double spacing[dimension]; spacing[] = 4./4.; spacing[1] = 3./4.; filter->setoutputspacing(spacing); double origin[dimension]; origin[] = 5.; origin[1] = 13.; filter->setoutputorigin(origin); InputImageType::SizeType size; size[] = 5 * 4; size[1] = 4 * 4; filter->setsize(size); 18

19 Beispiel (Fortsetzung) Ziel: Output Space 4 x kleiner und Anzahl der Pixel 4 x größer, jeweils in beiden Dimensionen Origin für Ausgabebild O = (5., 13.) Index I = (, ) Größe des Ausgabebildes (4 x Beispielbild) S = (2, 16) die Rotation wird um den Ursprung des physikalischen Koordinatensystems durchgeführt, nicht um den Ursprung des Bildes oder des Bildzentrums um eine Positionierung des Bildes wie im Beispiel zu erreichen, bedarf es drei Schritte 1. Translation des Bildursprungs in den Ursprung des physikalischen Koordinatensystems (Translation um die negativen Werte des Bildursprungs) TransformType::OutputVectorType translation; translation[] = -origin[]; translation[1] = -origin[1]; transform->translate(translation); 2. Rotation um 3. Die Rotationen in itk::affinetransform sind in Radian spezifiziert const double degreestoradians = atan(1.)/45.; transform->rotate2d(-3. * degreestoradians, false); Rotation nach Translation 19

20 Beispiel (Fortsetzung) 3. Transformation des Bildursprungs zurück an seine alte Position 236 TransformType::OutputVectorType translationback; translationback[] = origin[]; translationback[1] = origin[1]; transform->translate(translationback); filter->settransform(transform); Chapter 6. Filtering Figure 6.51: Effect of a rotation on the resampling filter. Input image at left, output image at right. 2

21 Beispiel die Iteration durch das Ausgabebild ist die einzige Möglichkeit, wie das Bild ohne Lücken oder redundante Werte berechnet werden kann immer vom Ausgabebild zum Eingabebild gehen Gegeben sei der Pixel an Index I = (1, 2) im Ausgabebild die physikalischen Koordinaten dieses Punkten liegen bei P = (1 x , 2 x ) = (9., 19. in mm) dieser Punkt wird nun durch eine affine Transformation in das Eingabebild gemappt 1. Subtraktion des Ursprungs 2. durchführen einer 3 Rotation 3. addieren des Ursprungs P P1 = (4., 6.) (Schritt 1) P1 P2 = (4. x cos(3.) + 6. x sin(3.), 4. x sin(3.) - 6. x cos(3.) = (64.64, 31.96) (Schritt 2) P2 P3 = (114.64, ) 21

22 Beispiel (Fortzsetzung) der Punkt P3 (114.64, ) befindet sich nun im Koordinatensystem des Eingabebildes der Pixel im Eingabebild der mit der physikalischen Position dieses Punktes assoziiert wird, berechnet sich wie folgt anhand des Ursprungs und des Spacings des Eingabebildes: I = (( )/2., ( )/3.) I = (2.7, 3.) dabei handelt es sich um eine non-grid Position, daher muss der Grauwert der dem Pixel I = (1, 2) zugewiesen wird interpoliert werden der hier Figure verwendete 6.51: Effect of a rotation Interpolator on the resampling verwendet filter. Input image at left, output image at right. itk::nearestneighborinterpolateimagefunction und weisst den Grauwert von dem Pixel zu, der dem Berechneten Wert am nähesten liegt (in diesem Fall (3, 3)) Size=7x6 3 Spacing=( 2., 3. ) Physical extent=( 14., 18. ) 3 Size=5x4 Spacing=( 4., 3. ) Physical extent=( 2., 12. ) Rotation 3 Transform Origin=(6.,7.) Origin=(5.,13.) Input Image Resampled Image Figure 6.52: Input and output image placed in a common reference system. 22

23 Registrierung in ITK Komponenten des Registrierungsprozesses in ITK 316 Chapter 8. Registration Fixed Image pixels Metric fitness value Moving Image pixels pixels Interpolator points Transform Optimizer Transform parameters Figure dabei 8.2: muss The basic festgelegt components werden of the registration framework are two input images, a transform, a metric, an interpolator Input- und and an Output optimizer. ImageType TransformType der den Fixed Image Space in den Moving Image Space mappt These various Optimizer ITK registration um den components Parameterraum will be described der Transformation inlatersections. zu durchsuchen, First,webegin um so die with some simple optimalen registration Werte examples. der Metric zu finden Metric die vergleicht wie gut die beiden Bilder aufeinander abgestimmt sind Interpolator der Grauwerte ausserhalb der Grid-Positionen liefert 8.2 Hello World Registration Registrierungsmethode die alle Komponenten miteinander verbindet The source code for this section can be found in the file Examples/Registration/ImageRegistration1.cxx. metric, transform, optimizer, interpolator und registration werden dabei wie This example immer illustrates mit der the use New() of the Methode image registration erstellt und framework ihrem jeweiligen in Insight. ItSmart-Pointer should be read as a Hello zugewiesen World for ITK registration. Which means thatfornow,youdon task why?. Instead, use the example as an introduction to the elements that are typically involved in solving Stephan Gimbel an image registrationeinführung problem. in die medizinische Bildverarbeitung Aregistrationmethodrequiresthefollowingsetofcomponents: two input images, a trans- 23

24 Registrierung in ITK jede Komponente wird dann mit der Registrierungsmethode verbunden die Registrierung kann für das gesamte Bild oder aber nur eine Region durchgeführt werden die Transformation wird als Array übergeben, wobei eine Translation mit die Identitätstransformation ist sobald alle Parameter übergeben sind, kann die Registrierung durchgeführt werden der Optimizer ist dabei die Komponente, welche die Registrierung voran treibt die Parameter des Optimizers sollten angepasst werden, da sie maßgeblich die Optimierungsstrategie beinflussen so kann z.b. die Schrittweite beim Gradient Descent Verfahren eingestellt werden (Präzision) ebenso kann die Anzahl der Iterationen festgelegt werden der Registrierungsprozess wird durch ein Update() ausgelöst das Ergebnis der Registrierung ist ein Array von Parametern, das die räumliche Transformation beschreibt das Ergebnis kann man mit GetLastTransformParameters() abfragen 24

25 Registrierung in ITK im Falle von itk::translationtransform kann man die finalen Parameter wie folgt auslegen const double TranslationAlongX = finalparameters[]; const double TranslationAlongY = finalparameters[1]; durch den Optimizer lässt sich die Anzahl der Iterationen abfragen ( GetCurrentIteration() ). Eine hohe Anzahl an Iterationen kann ein Indiz dafür sein, dass die Stepsize zu niedrig eingestellt wurde, was sich in erhöhter Rechenzeit auswirkt der Wert der Metric die mit den letzten Satz Parameter übereinstimmt erhält man mit der Methode GetValue() im letzten Schritt wird das Moving Image durch eine Transformation auf das Fixed Image gemappt ResampleFilterType::Pointer resampler = ResampleFilterType::New(); resampler->setinput(movingimagerreader->getoutput()); resampler->settransform(registration->getoutput()->get()); 25

26 Registrierung in ITK durch einen itk::subtractimagefilter können die Bilder vor und nach der Registrierung miteinander vergleichen werden zu beachten ist, dass der Filter zwei Inputs hat DifferenceFilterType::Pointer difference = DifferenceFilterType::New(); difference->setinput1(fixedimagereader->getoutput()); difference->setinput2(resampler->getoutput()); da die Differenzen zwischen den Bildern u.u. sehr gering ausfallen, wird ein itk::rescaleintensityimagefilter verwendet um Chapter die Strukturen 8. Registration besser hervorzuheben 8.4: Mapped Stephan moving Gimbel image and its difference Einführung with in die themedizinische fixed imagebildverarbeitung before and after registration 26

27 Registrierung in ITK die Pipeline für eine vollständige Registrierung sieht wie folgt aus 8.2. Hello World Registration 323 Reader Fixed Image Registration Method Metric Optimizer Interpolator Parameters Resample Filter Transform Subtract Filter Writer Reader Moving Image Transform Resample Filter Subtract Filter Writer Figure 8.5: Pipeline structure of the registration example. typedef itk::subtractimagefilter< FixedImageType, FixedImageType, FixedImageType > DifferenceFilterType; DifferenceFilterType::Pointer difference = DifferenceFilterType::New(); 27

28 Registrierung in ITK 326 Chapter 8. Registration Koordinatensysteme j j Fixed Image Grid i Moving Image Grid i y T1 y T2 Space Transform y x Fixed Image Fixed Image Physical Coordinates x Moving Image Physical Coordinates x Figure 8.7: Different coordinate systems involved in the image registration process. Note that the transform being optimized is the one mapping from the physical space of the fixed image into the physical space of the moving image. 28

29 Registrierung in ITK tures of the Registration Framework Es ist hilfreich sich die Werte/Parameter des Registrierungsprozesses vor Augen zu halten besseres Verständnis Hilfe beim finden von Problemen Y Translations (mm) X Translations (mm) Y Translations (mm) 1 8 Mean Squares Metric X Translations (mm) Iteration No. 4 Figure 8.6: The sequence of translations and metric values at each iteration of the op 35 tric 3 29

30 Registrierung in ITK Monitoring zur Optimierung und Analyse der einzelnen Schritte kann der Registrierungsprozess beobachtet werden dies geschieht mittels Observer/Command Pattern und dem Event-System in ITK Filter in ITK lösen periodisch einen itk::progressevent aus Objekte die sich dafür registriert haben, werden benachrichtgt (function callback, method invocation, etc.) Events in ITK sind Unterklassen von EventObject (mehr in itkeventobject.h) Objekte in ITK rufen spezielle Events auf, während sie ausgeführt werden this->invokeevent(progressevent()); um ein Event abzufangen wird eine Registrierung erwartet die ein Command mit einem Event assoziiert unsigned long progresstag = filter->addobserver(progressevent(), itk::command*); wenn das Event ausgeführt wird, werden alle registrierten Observer benachrichtigt itk::object ist die Basisklasse für die meisten Objekte, enthalten ist eine verkettete Liste von Pointern zu Observern Observer entsprechen Objekten vom Typ itk::command Observer müssen sich bei einem Objekt registrieren es gibt verschiedene Arten von Events, Beispiele sind z.b. Start, End, Progress und Iteration da die Registrierung vom Optimizer gesteuert wird, löst dieser ein itk::iterationevent am Ende jedes Iterationsschrittes aus 3

31 Registrierung in ITK Monitoring (Fortsetzung) wenn ein Event ausgelöst wird von einem Objekt, geht das Objekt durch die Liste aller Observer und prüft ob ein Observer für dieses Event Interesse angemeldet hat. In einem solchen Fall wird die Execute() Methode aufgerufen (callback) für Callbacks sollte man sich an die üblichen Regeln halten 8.4. Monitoring Registration 331 Fixed Image Metric Registration Method AddObserver() itk::command Moving Image Interpolator Transform Optimizer Invoke( IterationEvent ) Command Update Iteration Execute() Figure 8.8: Interaction between the Command/Observer and the Registration Method. The next step is to verify that the event invoked is actually the one in which we are interested. This is checked using the RTTI 4 support. The CheckEvent() method allows us to compare the actual type of two events. In this case we compare the type of the received event with an IterationEvent. Thecomparisonwill returntrueif event is of type IterationEvent or derives from IterationEvent. IfwefindthattheeventisnotoftheexpectedtypethentheExecute() 31

32 Registrierung in ITK Monitoring (Fortsetzung) Beispiel #include "itkcommand.h" class CommandIterationUpdate : public itk::command { public: typedef CommandIterationUpdate Self; typedef itk::command Superclass; typedef itk::smartpointer<self> Pointer; itknewmacro(self); // Macro kümmert sich um New() (-> itkmacro.h) protected: CommandIterationUpdate() {}; typedef itk::regularstepgradientdescentoptimizer OptimizerType; typedef const OptimizerType *OptimizerPointer; void Execute(itk::Object *caller, const itk::eventobject &event) { // const Version aufrufen Execute( (const itk::object*)caller, event); } void Execute(const itk::object *object, const itk::eventobject &event) { // wir kennen den Objecttyp OptimizerPointer optimizer = dynamic_cast<optimizerpointer>(object); if (!itk::iterationevent().checkevent(&event)) // RTTI nutzen um Typ zu prüfen return; } } // Ausgabe z.b. mit std::cout, fstream, etc. 32

33 Registrierung in ITK Monitoring (Fortsetzung) Observer wie gewohnt erstellen CommandIterationUpdate observer = CommandIterationUpdate::New(); und registrieren optimizer->addobserver(itk::iterationevent(), observer); danach die Registrierung starten registration->startregistration(); Try/Catch nicht vergessen! 33