Python图像读取

软件发布|下载排行|最新软件

当前位置:首页IT学院IT技术

Python图像读取

派大大大星    2022-05-28 我要评论

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, :, :])

Copyright 2022 版权所有 软件发布 访问手机版

声明:所有软件和文章来自软件开发商或者作者 如有异议 请与本站联系 联系我们