做视觉的都知道opencv，但它只能处理2D的图像。对于医学图像处理，那就不得不祭出ITK（Insight Segmentation and Registration Toolkit）了（python下可以使用SimpleITK），这是一个非常强悍的3D分割和配准开源工具箱。下图是它所涉及的类别。

有必要花点时间对他里面的图像处理相关接口进行一次梳理，一方面可以系统性的了解整个图像处理和立体视觉相关的知识框架，也方便后面的使用。以下链接是官方函数说明手册，非常详细，本文制作部分梳理和解释，详细内容请参考以下文档。

https://itk.org/ItkSoftwareGuide.pdf​itk.org

1.Reading and Writing Images

这个就不多少了，dcm，nii.gz，nrrd，mha，mhd等几乎所有的医学影像的常见格式都支持。

2.Filtering

（1）阈值滤波器

二值阈值：BinaryThresholdImageFilter，阈值后得到二值图像
通用阈值：ThresholdImageFilter，阈值后，阈值范围内的图像保持不变，阈值范围外被设定为固定值。（有点像clip操作，更通用）

（2）边缘检测器

Canny边缘检测：CannyEdgeDetectionImageFilter，一种经典的边缘检测滤波器

（3）强制转换和灰度映射

• 线性映射：

CastImageFilter：最简单，类型强壮，比如int转float
RescaleIntensityImageFilter：对范围进行重新映射，需输入转换后的最大值和最小值
ShiftScaleImageFilter：灰度上的平移和尺度变换，需输入平移量和尺度变化量
NormalizeImageFilter：归一化，减均值除方差。

• 非线性映射：

SigmoidImageFilter，用Sigmoid函数进行映射，注意不是标准sigmoid函数，需要输入β和α参数：

（4）梯度

梯度幅度：GradientMagnitudeImageFilter
带平滑的梯度幅度：GradientMagnitudeRecursiveGaussianImageFilter，求梯度之前为了降低噪声的影响，通常会先做一个高斯滤波平滑，边缘提取效果会更好。
无平滑偏导：DerivativeImageFilter，计算沿某一轴方向上的偏导。

（5）二阶导

不平滑直接求导会放大很多噪声，尤其是二阶导。可以使用RecursiveGaussianImageFilter进行计算。

递归高斯滤波器：RecursiveGaussianImageFilter，一种快速的IIR高斯滤波器
拉普拉斯滤波器：LaplacianRecursiveGaussianImageFilter，直接计算二阶导

（6）邻域滤波

均值滤波：MeanImageFilter
中值滤波：MedianImageFilter

（7）数学形态学

• 二值形态学

腐蚀：BinaryErodeImageFilter
膨胀：BinaryDilateImageFilter
可通过BinaryBallStructuringElement设置形态学操作子的大小

• 灰度形态学：

腐蚀：GrayscaleErodeImageFilter
膨胀：GrayscaleDilateImageFilter
仍是使用BinaryBallStructuringElement设置形态学操作子的大小

（8）投票滤波器

投票的含义：领域内哪种类别多听谁，有点像投票。这叫投票操作。

二值中值滤波：BinaryMedianImageFilter，在二值图像上进行中值滤波，管用的二值图降噪（投票机制，周围相似哪个类别多就听谁，而不需要再排序）
二值空洞填充：VotingBinaryHoleFillingImageFilter，通过投票的方式实现的空洞填充操作。这种方式还有助于平滑边界。滤波效果本质上和边缘曲率有关系。
迭代空洞填充：VotingBinaryIterativeHoleFillingImageFilter，迭代运行上一个函数，有平滑边缘和空洞填充的效果。

（9）平滑滤波器

• 模糊器

离散高斯模糊：DiscreteGaussianImageFilter，高斯分布被离散化后，用一个卷积核表示，然后卷积核在图像上进行卷积。这种方法存在的固有缺陷：方差大的高斯核需要更大的kernel size去编码，导致大方差高斯滤波计算量很大。递归IIR高斯滤波：SmoothingRecursiveGaussianImageFilter，为解决离散高斯滤波的固有缺陷，通过IIR滤波器，近似实现高斯卷积和求导。不同方差的高斯滤波都可以通过固定大小的卷积核实现。还可设置对其一阶或二阶导进行高斯滤波（可以通过这个实现二阶导）二项模糊：BinomialBlurImageFilter，计算每个维度上的最邻近平均，迭代进行，迭代次数越多结果越接近使用高斯核进行滤波的结果。

• 局部模糊

GaussianBlurImageFunctionZ：文档中没有具体介绍

• 边缘保持平滑

边缘保持的目的：一般的平滑，都会吧梯度大的地方削弱，所以边界信息也会丢失。保边去噪希望值去除孤立点噪声，保持边缘。

各向异性扩散：把图像看作热量场，每个pixel看做热流，根据和邻域像素的灰度差，决定是否向旁边扩散。和某个方向的邻域像素的灰度差异越大，向这个方向的扩散速度越慢。扩散过程就是在平滑图像，但是平滑的区域不会向边界扩散，从而达到保边的效果。梯度各向异性扩散：GradientAnisotropicDiffusionImageFilter，利用梯度控制扩散速率。扩散系数和梯度成反比。即传统的PM扩散。边缘增强特性，边缘对比度增加。曲率各向异性扩散：CurvatureAnisotropicDiffusionImageFilter。曲率在图像里面其实代表二阶导（梯度的变化），二阶导相比于一阶导的精细细节反映能力更好，而对大边界的反应能力差一些。因此该滤波器对对对比敏感度更低，但是可以保持更细节的结构信息。
曲率流：CurvatureFlowImageFilter，
最小最大曲率流
双边滤波

• 向量和色彩图像的边缘保持平滑

向量梯度各向异性扩散
向量曲率各向异性扩散
彩图的梯度各向异性扩散
彩图的曲率各向异性扩散

• 距离场

丹尼尔松距离场：DanielssonDistanceMapImageFilter，丹尼尔松提出的，

（10）几何变换

（11）频域

（12）表面提取

3.配准

4.分割

5.统计

未完待续...