目录
1. raw,mhd 格式医学图像数据转换2. dicom格式医学图像数据转换3. nii格式医学图像转换1. raw,mhd 格式医学图像数据转换
raw+mhd格式是常见的一种医学图像格式,每一个病人的数据包含一个mhd文件和一个同名的raw文件,mhd即meta header data,数据头部信息,而raw存储了像素信息。方法需要使用的SimpleITK库,我们需要在自己的Python环境中安装对应的库
pip install SimpleITK
mhd+raw的数据往往是三维体数据,我们可以从mhd文件中读取数据的具体信息如图像大小、切片大小、像素大小等信息。使用sitk.ReadImage()即可读取图像,使用sitk.GetArrayFromImage()可获取图像矩阵。
具体代码如下:
import os import SimpleITK as sitk import matplotlib.pyplot as plt from natsort import natsorted from tqdm import tqdm import cv2 import numpy as np mhd_path = "./xxx.mhd" # mhd文件需和同名raw文件放在同一个文件夹 data = sitk.ReadImage(mhd_path) # 读取mhd文件 # print(data) spacing = data.GetSpacing() # 获得spacing大小 img_data = sitk.GetArrayFromImage(data) # 获得图像矩阵 print(img_data.shape) # 图像数据转换为npy保存 np.save("img_data.npy", np.array(img_data)) # 将图像转为png格式保存 for i in range(img_data.shape[0]): cv2.imwrite("./{}.png".format(i), img_data[i, :, :])
2. dicom格式医学图像数据转换
DICOM(Digital Imaging and Communications in Medicine)即医学数字成像和通信,是医学图像和相关信息的国际标准(ISO 12052)。DICOM被广泛应用于放射医疗,心血管成像以及放射诊疗诊断设备(X射线,CT,核磁共振,超声等),并且在眼科和牙科等其它医学领域得到越来越深入广泛的应用。所有患者的医学图像都以 DICOM 文件格式进行存储。使用Python读取dicom图像可以使用pydicom库和SimpleITK库来完成。由于在医学图像处理领域中,对不同的图像需要使用不同的窗宽窗位导出图像,在下面代码中,我增加了对应的代码。
pip install SimpleITK pip install pydicom
使用pydicom方法具体代码如下:
import os import SimpleITK as sitk import matplotlib.pyplot as plt from natsort import natsorted from tqdm import tqdm import cv2 import pydicom import numpy as np #调整图像窗宽窗位 def window_transform(ct_array, window_width, window_center, normal=False): min_window = float(window_center) - 0.5*float(window_width) new_img = (ct_array - min_window) / float(window_width) new_img[new_img < 0] = 0 new_img[new_img > 1] = 1 if not normal: new_img = (new_img * 255).astype("uint8") return new_img img_path = "xx.dcm" #此时读取的是所有dicom图像信息 image = pydicom.read_file(img_path) #获得图像矩阵 image_data = image.pixel_array #获得dicom中的患者信息、图像信息等 information["PatientID"] = image.PatientID information["PatientName"] = image.PatientName information["PatientBirthDate"] = image.PatientBirthDate information["PatientSex"] = image.PatientSex window_width = 1000 window_center = 30 image_data = window_transform(image_data, window_width, window_center, normal=False) cv2.imwrite("./img.png",image_data)
使用SimpleITK方法具体代码如下:
import os import SimpleITK as sitk import matplotlib.pyplot as plt from natsort import natsorted from tqdm import tqdm import cv2 import pydicom import numpy as np img_path = "xx.dcm" #此时读取的是所有dicom图像信息 image = sitk.ReadImage(img_path) # 转为值为0-255的灰度图 rescalFilt = sitk.RescaleIntensityImageFilter() rescalFilt.SetOutputMaximum(255) rescalFilt.SetOutputMinimum(0) image = rescalFilt.Execute(image) image_data = sitk.GetArrayFromImage(image_data) image_data = np.squeeze(dicom_data) cv2.imwrite("./img.png",image_data)
3. nii格式医学图像转换
医学影像早期使用的是DICOM标准,基本上各家厂商都会使用符合DICOM标准的产品,但是这个标准对于数据分析并不方便。在神经影像兴起时就诞生了各种各样的数据存储标准,比如analyze。后为了便于学术交流,NIH拉着其他一些组织的专家成立了工作组,制定了新的神经影像的数据存储标准,称为NIFTI。 读取nii后缀的NIFTI格式图像需要安装nibabel库
pip install nibabel
使用nib.load()函数即可读取图像数据data, 其中dataobj就是图像矩阵
import os import numpy as np import nibabel as nib import matplotlib.pyplot as plt from glob import glob img_path = "./xxx.nii" image = nib.load(img_path) image_data = image.dataobj for i in range(0, dataobj.shape[2]): cv2.imwrite("./{}.png".format(i), img_data[i, :, :])
到此这篇关于使用Python解决常见格式图像读取nii,dicom,mhd的文章就介绍到这了,更多相关Python图像读取内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
X 关闭
X 关闭
- 15G资费不大降!三大运营商谁提供的5G网速最快?中国信通院给出答案
- 2联想拯救者Y70发布最新预告:售价2970元起 迄今最便宜的骁龙8+旗舰
- 3亚马逊开始大规模推广掌纹支付技术 顾客可使用“挥手付”结账
- 4现代和起亚上半年出口20万辆新能源汽车同比增长30.6%
- 5如何让居民5分钟使用到各种设施?沙特“线性城市”来了
- 6AMD实现连续8个季度的增长 季度营收首次突破60亿美元利润更是翻倍
- 7转转集团发布2022年二季度手机行情报告:二手市场“飘香”
- 8充电宝100Wh等于多少毫安?铁路旅客禁止、限制携带和托运物品目录
- 9好消息!京东与腾讯续签三年战略合作协议 加强技术创新与供应链服务
- 10名创优品拟通过香港IPO全球发售4100万股 全球发售所得款项有什么用处?