介紹如何在 Jupyter 環境中使用 itkwidgets 的棋盤式與並列式影像比較圖，比較兩張 3D 影像的差異。 棋盤式影像比較圖 首先引入 itk 與 itkwidgets 模組，並以 itk 的 imread 讀取影像： import itk import itkwidgets # 以 ITK 讀取兩張影像 image1 = itk.imread("brainweb165a10f17.mha") image2 = itk.imread("brainweb1e1a10f20.mha") 使用 itkwidgets 的 checkerboard 函數可以繪製棋盤式的影像比較圖，其中的 pattern 參數可以用來調整格子的數量，這個數量也可以在互動式的操作介面上調整： ...
介紹如何使用 ITK 的樣條曲線（BSpline）轉換對 2D 影像進行非剛性影像對準。 這個範例中使用 BSplineTransform 轉換對 2D 的影像進行非剛性影像對準（non-rigid image registration），由於樣條曲線（BSpline）轉換的參數數量很龐大，所以這個例子中採用 LBFGSOptimizerv4 而不用普通的 RegularStepGradientDescentOptimizer 或 ConjugateGradientLineSearchOptimizer。 ...
介紹 ITK 所提供的有限元素法影像對準的使用方式，並提供基本的範例程式碼。 有限元素法影像對準 以下是使用 ITK 的有限元素法（finite element method，簡稱 FEM）影像對準的基礎範例。 ...
介紹如何使用 ITK 的 TransformFileWriter 與 TransformFileReader 寫入與讀取各種 Transform 影像轉換與參數。 寫入與讀取轉換 以下是一個簡單的儲存與載入轉換範例，先以 AffineTransform 與 BSplineTransform 組合建立一個 CompositeTransform 轉換，再使用 TransformFileWriter 將 CompositeTransform 轉換與其參數寫入檔案，最後再以 TransformFileReader 將轉換從檔案中讀取出來使用。 ...
介紹如何在 ITK 的多階段（multi-stage）影像對準架構下，組合平移對準（translation registration）與仿射對準（affine registration）。 ...