怎么使用Python解決常見格式圖像讀取

這篇“怎么使用Python解決常見格式圖像讀取”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“怎么使用Python解決常見格式圖像讀取”文章吧。

1. raw，mhd 格式醫學圖像數據轉換

raw+mhd格式是常見的一種醫學圖像格式，每一個病人的數據包含一個mhd文件和一個同名的raw文件，mhd即meta header data，數據頭部信息，而raw存儲了像素信息。方法需要使用的SimpleITK庫，我們需要在自己的Python環境中安裝對應的庫

pip install SimpleITK

mhd+raw的數據往往是三維體數據，我們可以從mhd文件中讀取數據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)

# 圖像數據轉換為npy保存
np.save('img_data.npy', np.array(img_data))

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

2. dicom格式醫學圖像數據轉換

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

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'
#此時讀取的是所有dicom圖像信息
image = sitk.ReadImage(img_path)
# 轉為值為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格式醫學圖像轉換

醫學影像早期使用的是DICOM標準，基本上各家廠商都會使用符合DICOM標準的產品，但是這個標準對于數據分析并不方便。在神經影像興起時就誕生了各種各樣的數據存儲標準，比如analyze。后為了便于學術交流，NIH拉著其他一些組織的專家成立了工作組，制定了新的神經影像的數據存儲標準，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() 函數即可讀取圖像數據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, :, :])

以上就是關于“怎么使用Python解決常見格式圖像讀取”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。