快捷導(dǎo)航

使用Python解決常見格式圖像讀取nii,dicom,mhd

更新時(shí)間：2022年04月18日 12:38:12 作者：派大大大星?

這篇文章主要介紹了使用Python解決常見格式圖像讀取nii,dicom,mhd,下文具體操作過程需要的小伙伴可以參考一下

1. raw，mhd 格式醫(yī)學(xué)圖像數(shù)據(jù)轉(zhuǎn)換

raw+mhd格式是常見的一種醫(yī)學(xué)圖像格式，每一個(gè)病人的數(shù)據(jù)包含一個(gè)mhd文件和一個(gè)同名的raw文件，mhd即meta header data，數(shù)據(jù)頭部信息，而raw存儲(chǔ)了像素信息。方法需要使用的SimpleITK庫，我們需要在自己的Python環(huán)境中安裝對應(yīng)的庫

pip install SimpleITK

mhd+raw的數(shù)據(jù)往往是三維體數(shù)據(jù)，我們可以從mhd文件中讀取數(shù)據(jù)的具體信息如圖像大小、切片大小、像素大小等信息。使用sitk.ReadImage() 即可讀取圖像，使用sitk.GetArrayFromImage() 可獲取圖像矩陣。

具體代碼如下：

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文件放在同一個(gè)文件夾
data = sitk.ReadImage(mhd_path)  # 讀取mhd文件
# print(data)
spacing = data.GetSpacing()  # 獲得spacing大小
img_data = sitk.GetArrayFromImage(data)  # 獲得圖像矩陣
print(img_data.shape)

# 圖像數(shù)據(jù)轉(zhuǎn)換為npy保存
np.save('img_data.npy', np.array(img_data))

# 將圖像轉(zhuǎn)為png格式保存
for i in range(img_data.shape[0]):
    cv2.imwrite('./{}.png'.format(i), img_data[i, :, :])

2. dicom格式醫(yī)學(xué)圖像數(shù)據(jù)轉(zhuǎn)換

DICOM（Digital Imaging and Communications in Medicine） 即醫(yī)學(xué)數(shù)字成像和通信，是醫(yī)學(xué)圖像和相關(guān)信息的國際標(biāo)準(zhǔn)（ISO 12052）。DICOM被廣泛應(yīng)用于放射醫(yī)療，心血管成像以及放射診療診斷設(shè)備（X射線，CT，核磁共振，超聲等），并且在眼科和牙科等其它醫(yī)學(xué)領(lǐng)域得到越來越深入廣泛的應(yīng)用。所有患者的醫(yī)學(xué)圖像都以 DICOM 文件格式進(jìn)行存儲(chǔ)。使用Python讀取dicom圖像可以使用pydicom庫和SimpleITK庫來完成。由于在醫(yī)學(xué)圖像處理領(lǐng)域中，對不同的圖像需要使用不同的窗寬窗位導(dǎo)出圖像，在下面代碼中，我增加了對應(yīng)的代碼。

pip install SimpleITK
pip install pydicom

使用pydicom方法具體代碼如下：

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

#調(diào)整圖像窗寬窗位
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'
#此時(shí)讀取的是所有dicom圖像信息
image = pydicom.read_file(img_path)
#獲得圖像矩陣
image_data = image.pixel_array
#獲得dicom中的患者信息、圖像信息等
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方法具體代碼如下：

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'
#此時(shí)讀取的是所有dicom圖像信息
image = sitk.ReadImage(img_path)
# 轉(zhuǎn)為值為0-255的灰度圖
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格式醫(yī)學(xué)圖像轉(zhuǎn)換

醫(yī)學(xué)影像早期使用的是DICOM標(biāo)準(zhǔn)，基本上各家廠商都會(huì)使用符合DICOM標(biāo)準(zhǔn)的產(chǎn)品，但是這個(gè)標(biāo)準(zhǔn)對于數(shù)據(jù)分析并不方便。在神經(jīng)影像興起時(shí)就誕生了各種各樣的數(shù)據(jù)存儲(chǔ)標(biāo)準(zhǔn)，比如analyze。后為了便于學(xué)術(shù)交流，NIH拉著其他一些組織的專家成立了工作組，制定了新的神經(jīng)影像的數(shù)據(jù)存儲(chǔ)標(biāo)準(zhǔn)，稱為NIFTI。讀取nii后綴的NIFTI格式圖像需要安裝nibabel庫

pip install nibabel

使用nib.load() 函數(shù)即可讀取圖像數(shù)據(jù)data, 其中dataobj就是圖像矩陣

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, :, :])

到此這篇關(guān)于使用Python解決常見格式圖像讀取nii,dicom,mhd的文章就介紹到這了,更多相關(guān)Python圖像讀取內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: