SimpleITK图像基础

本文为转载文章，原文链接

通用约定
基本图像属性：

image_3D = sitk.Image(256, 128, 64, sitk.sitkInt16)
image_2D = sitk.Image(64, 64, sitk.sitkFloat32)
image_2D = sitk.Image([32,32], sitk.sitkUInt32)
image_RGB = sitk.Image([128,64], sitk.sitkVectorUInt8, 3)

print image.GetSize()
print image.GetOrigin()
print image.GetSpacing()
print image.GetDirection()
print image.GetNumberOfComponentsPerPixel()

print(image_3D.GetDimension())
print(image_3D.GetWidth())
print(image_3D.GetHeight())
print(image_3D.GetDepth())

print(image_3D.GetPixelIDValue())
print(image_3D.GetPixelIDTypeAsString())
print(image_3D.GetNumberOfComponentsPerPixel())

print(image_RGB.GetDimension())
print(image_RGB.GetSize())
print(image_RGB.GetNumberOfComponentsPerPixel())

print(image_2D.GetSize())
print(image_2D.GetDepth())

图像操作

img1 = sitk.Image(24,24, sitk.sitkUInt8)
img1[0,0] = 0img2 = sitk.Image(img1.GetSize(), sitk.sitkUInt8)
img2.SetDirection([0,1,0.5,0.5])
img2.SetSpacing([0.5,0.8])
img2.SetOrigin([0.000001,0.000001])
img2[0,0] = 255img3 = img1 + img2
print(img3[0,0])

访问和索引切片

Slicing of SimpleITK images returns a copy of the image data.
This is similar to slicing Python lists and differs from the “view” returned by slicing numpy arrays.

numpy的和SimpleITK之间的转换：

SimpleITK和numpy的索引访问的顺序相反！
SimpleITK：图像[X，Y，Z]
numpy的：image_numpy_array [Z，Y，X]

1. 从SimplTK到numpy

2. 从numpy到SimpleITK

3. 区别于scikit-image和numpy的转换：

读写图像

SimpleITK可以读写存储在单个文件或一组文件（例如DICOM系列）中的图像。

以DICOM格式存储的图像具有与之关联的元数据字典，其中包括了DICOM标签。当将DICOM系列被读为单个图像时，元数据信息不可用，因为DICOM标签是针对每个单独文件的。如果需要元数据，可以使用面向对象的接口的ImageSeriesReader类，或者ImageFileReader类，设置特定切片的文件名，访问元数据图像使用GetMetaDataKeys，HasMetaDataKey和GetMetaData。

例如，读取DICOM格式的图像，并将其写为mhd。文件格式由文件扩展名推导出。还设置了适当的像素类型-您可以覆盖它并强制选择您要的像素类型。

data_directory = os.path.dirname(fdata("CIRS057A_MR_CT_DICOM/readme.txt"))
series_ID = '1.2.840.113619.2.290.3.3233817346.783.1399004564.515'# Get the list of files belonging to a specific series ID.
reader = sitk.ImageSeriesReader()
# Use the functional interface to read the image series.
original_image = sitk.ReadImage(reader.GetGDCMSeriesFileNames(data_directory, series_ID))# Write the image.
output_file_name_3D = os.path.join(OUTPUT_DIR, '3DImage.mha')
sitk.WriteImage(original_image, output_file_name_3D)# Read it back again.
written_image = sitk.ReadImage(output_file_name_3D)# Check that the original and written image are the same.
statistics_image_filter = sitk.StatisticsImageFilter()
statistics_image_filter.Execute(original_image - written_image)# Check that the original and written files are the same
print('Max, Min differences are : {0}, {1}'.format(statistics_image_filter.GetMaximum(), statistics_image_filter.GetMinimum()))

Fetching CIRS057A_MR_CT_DICOM/readme.txt
Max, Min differences are : 0.0, 0.0

将图像写为jpg格式，并且需要重新调整图像强度（默认为[0,255]），因为JPEG格式的显示需要转换为UInt8像素类型。

sitk.WriteImage(sitk.Cast(sitk.RescaleIntensity(written_image), sitk.sitkUInt8), [os.path.join(OUTPUT_DIR, 'slice{0:03d}.jpg'.format(i)) for i in range(written_image.GetSize()[2])])

图像显示

尽管SimpleITK不进行可视化，但确实包含一个内置Show方法。此功能将映像写出到磁盘，然后启动程序进行可视化。默认情况下，它配置为使用ImageJ，因为它很容易支持许多医学图像格式并快速加载。但是，Show可视化程序可以通过环境变量轻松自定义：

SITK_SHOW_COMMAND：要使用的查看器（ITK-SNAP，3D Slicer …）
SITK_SHOW_COLOR_COMMAND：显示彩色图像时使用的查看器。
SITK_SHOW_3D_COMMAND：用于3D图像的查看器。

img = reader.Execute()
# Display the image slice from the middle of the stack, z axis
z = int(img.GetDepth()/2)
plt.imshow(sitk.GetArrayViewFromImage(img)[z,:,:], cmap=plt.cm.Greys_r)
plt.axis('off');

mr_image = sitk.ReadImage(fdata('training_001_mr_T1.mha'))
npa = sitk.GetArrayViewFromImage(mr_image)# Display the image slice from the middle of the stack, z axis
z = int(mr_image.GetDepth()/2)
npa_zslice = sitk.GetArrayViewFromImage(mr_image)[z,:,:]# Three plots displaying the same data, how do we deal with the high dynamic range?
fig = plt.figure()
fig.set_size_inches(15,30)fig.add_subplot(1,3,1)
plt.imshow(npa_zslice)
plt.title('default colormap')
plt.axis('off')fig.add_subplot(1,3,2)
plt.imshow(npa_zslice,cmap=plt.cm.Greys_r);
plt.title('grey colormap')
plt.axis('off')fig.add_subplot(1,3,3)
plt.title('grey colormap,\n scaling based on volumetric min and max values')
plt.imshow(npa_zslice,cmap=plt.cm.Greys_r, vmin=npa.min(), vmax=npa.max())
plt.axis('off');

参考：

【1】SimpleITK图像基础
【2】SimpleITK-Notebooks-03_Image_Details
【3】scikit-image中的numpy速成
【4】SITK Documentation docs

SimpleITK图像基础相关推荐

SimpleITK图像基础（三）——SimpleITK学习笔记
SimpleITK学习笔记前言 1 sitk中的常见属性值 2 读取和保存图像 3 像素类型 4 SimpleITK图像数据和Numpy矩阵数据之间的转换 5 访问像素和切片 6 图像重采样 7 图 ...
【Matlab 图像】图像基础操作
图像基础操作读取图片读取视频读取图片 % 读取图像 Img = imread('test2.png'); subplot(2,2,1); imshow(Img); title('原图(RGB图) ...
CV：计算机视觉技术之图像基础知识(二)—图像内核的可视化解释
CV:计算机视觉技术之图像基础知识(二)-图像内核的可视化解释目录图像内核的可视化解释测试九种卷积核官方Demo DIY图片测试 DIY实时视频测试相关文章 CV:计算机视觉技术之图像基础知 ...
CV：计算机视觉技术之图像基础知识(二)—以python的skimage和numpy库来了解计算机视觉图像基础(图像存储原理-模糊核-锐化核-边缘检测核，进阶卷积神经网络(CNN)的必备基础)
CV:计算机视觉技术之图像基础知识(二)-以python的skimage和numpy库来了解计算机视觉图像基础(图像存储原理-模糊核-锐化核-边缘检测核,进阶卷积神经网络(CNN)的必备基础) 目录 ...
CV：计算机视觉技术之图像基础知识—以python的cv2库来了解计算机视觉图像基础
CV:计算机视觉技术之图像基础知识-以python的cv2库来了解计算机视觉图像基础目录一.图像中的傅里叶变换 1.时域和频域 2.傅里叶变换 3.图像中的傅里叶变换
CV：计算机视觉技术之图像基础知识(一)—以python的cv2库来了解计算机视觉图像基础(傅里叶变换-频域-时域/各种滤波器-线性-非线性-均值-中值-高斯-双边)
CV:计算机视觉技术之图像基础知识(一)-以python的cv2库来了解计算机视觉图像基础(傅里叶变换-频域-时域/各种滤波器-线性-非线性-均值-中值-高斯-双边) 目录一.图像中的傅里叶变换 1 ...
【AI白身境】深度学习必备图像基础
文章首发于微信公众号<有三AI> [AI白身境]深度学习必备图像基础今天是新专栏<AI白身境>的第四篇,所谓白身,就是什么都不会,还没有进入角色. 我们已经说了linux基础 ...
数字图像处理之图像基础
最近在学数字图像处理,图像基础包括以下部分: 导入库 import numpy as np import matplotlib.pyplot as plt import cv2 as cv 图片展示函 ...
OpenCV与图像处理学习一——图像基础知识、读入、显示、保存图像、灰度转化、通道分离与合并
OpenCV与图像处理学习一--图像基础知识.读入.显示.保存图像.灰度转化.通道分离与合并一.图像基础知识 1.1 数字图像的概念 1.2 数字图像的应用 1.3 OpenCV介绍二.图像属性 ...

SimpleITK图像基础

参考：

SimpleITK图像基础相关推荐

最新文章

热门文章