C++代码写的图像配准程序，可以直接运行的。

该压缩文件包含了实现图像配准所需的13的*.m文件和一个*.exe文件，对同一地点、不同方位拍摄的两张照片配准效果可观，值得下载。

图像配准 代码 matlab 需要的可以参考

详细介绍了图像配准的算法，综述了各个算法的优缺点！对初学者有很大帮助

AAN：医学图像注册的外观调整网络 图像配准是许多医学图像分析的基础。 精确图像配准的主要障碍是图像外观的变化。 最近，使用深度神经网络的基于深度学习的注册方法（DLR）的计算效率比传统的基于优化的注册方法（OR）高几个数量级。 但是，DLR的一个主要缺点是无视OR中固有的特定于目标对的优化，而是依赖于使用一组训练样本进行训练的全局优化网络来实现更快的注册。 因此，当图像对（固定/运动图像）的外观差异较大时，与OR相比，DLR固有地具有降低的适应外观变化的能力，并且性能较差。 因此，我们提出了外观调整网络（AAN），其中我们通过解剖结构受限的损失函数来利用解剖结构边缘，以生成保留解剖结构的外观变换。 我们设计了AAN，以便可以轻松地将其插入各种DLR中，以减少固定图像和运动图像之间的外观差异。 我们的AAN和DLR的网络可以无监督且端到端的方式进行协作培训。 工作流程 出版物 快来了。

DRAMMS是一个软件包，设计用于2D到2D和3D到3D变形医学图像配准任务。 由宾夕法尼亚大学生物医学图像分析（SBIA）部门发布。 DRAMMS的一些典型应用包括：-同一器官（可以是大脑，乳房，心脏等）的跨学科配准； -单模态和多模态配准（MRI，CT，组织学）; -纵向注册（小儿脑部生长，癌症发展，小鼠脑部发展等）； -在缺少对应信息的情况下进行注册（例如，血管病变，肿瘤，组织学切口）。 DRAMMS在UNIX / Mac OS中的命令行中运行，它接受Nifti / ANALYZE / MetaImage图像格式。 它是全自动的---拍摄两个输入图像，并生成配准图像和（可选）变形场。 有关更多信息（安装，教程，手册，演示，常见问题解答等），请访问http://www.rad.upenn.edu/sbia/software/dramms/。

遗传算法对Powell图像配准方法的改进，深入研究图像配准方法和优化搜索算法有帮助。

基于harris角点匹配的图像配准程序 这个程序挺不错的 可以自己学习学习

一本基于ITK的图像配准的手册，里面对ITK框架的解释是很好的

具有可变变换（弹性，微晶，微晶，无偏）和相似性度量（地标，互相关，互信息等）的图像配准。 使用先验和非参数多变量模型进行图像分割。 ***当前的ANTs代码和支持位于Github上。***获得ANTs的最佳方法是从源代码进行编译。 构建说明位于此处https://github.com/ANTsX/ANTs/wiki/Compiling-ANTs-on-Linux-and-Mac-OS Binaries（不经常更新）在此处提供：https://github.com/stnava/ANTs / releases旧版本的代码和二进制文件在SourceForge（1.9x）上仍然可用。 如果您不熟悉ANT，则应该去Github并获取最新的代码。