怎么使用Python解决常见格式图像读取

这篇"怎么使用Python解决常见格式图像读取"文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇"怎么使用Python解决常见格式图像读取"文章吧。

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 osimport SimpleITK as sitkimport matplotlib.pyplot as pltfrom natsort import natsortedfrom tqdm import tqdmimport cv2import numpy as npmhd_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 SimpleITKpip install pydicom

使用pydicom方法具体代码如下：

import osimport SimpleITK as sitkimport matplotlib.pyplot as pltfrom natsort import natsortedfrom tqdm import tqdmimport cv2import pydicomimport 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_imgimg_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.PatientIDinformation['PatientName'] = image.PatientNameinformation['PatientBirthDate'] = image.PatientBirthDateinformation['PatientSex'] = image.PatientSexwindow_width = 1000window_center = 30image_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 osimport SimpleITK as sitkimport matplotlib.pyplot as pltfrom natsort import natsortedfrom tqdm import tqdmimport cv2import pydicomimport numpy as npimg_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 nibimport matplotlib.pyplot as pltfrom glob import globimg_path = './xxx.nii'image = nib.load(img_path)    image_data = image.dataobjfor i in range(0, dataobj.shape[2]):     cv2.imwrite('./{}.png'.format(i), img_data[i, :, :])

以上就是关于"怎么使用Python解决常见格式图像读取"这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注行业资讯频道。