opencv使用滑条选择最佳加窗值(windowing:WW, WL)

2023-10-12 23:40

本文主要是介绍opencv使用滑条选择最佳加窗值(windowing:WW, WL),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.1、 本文介绍医学影像CT的DICOM文件的窗宽(Window Width,简写WW)窗位(Window Level,简写WL)与CT值(HU)的关系。

 比如 WW = 400,WL = 60,那么对应的CT(HU)范围为-140 ~ 260H ,即

WW = ( 260 - (-140) )= 400

WL = (260 + (-140))/ 2 =60

就是怎么计算而来的。

1.2、医学影像CT上,不同的部位比如心脏、骨组织,往往显示的是黑白色(即灰度),我们常常用合适范围的灰度值,来观察不同的CT效果。
在这里插入图片描述

import numpy as np
import cv2
import matplotlib.pyplot as plt
import SimpleITK as itk
import skimage.io as io
import sys, os nii_file = r'./Naso_GTV//train/1/data.nii.gz'
itk_img = itk.ReadImage(nii_file)
itk_hu_data = itk.GetArrayFromImage(itk_img)  # == img.get_fdata(), Hu datadef _img_transfor(itk_img, WW, WL):img_arr = itk.GetArrayFromImage(itk_img).astype(np.float32)img_arr = window_normalize(img_arr, WW, WL)# torch_itk = torch.from_numpy(img_arr)return img_arrdef window_normalize(img, WW, WL, dst_range=(0, 1)):"""WW: window widthWL: window leveldst_range: normalization range"""src_min = WL - WW/2src_max = WL + WW/2outputs = (img - src_min)/WW * (dst_range[1] - dst_range[0]) + dst_range[0]outputs[img >= src_max] = 1outputs[img <= src_min] = 0return outputs * 255# 创建窗口
cv2.namedWindow('windowing')
value = (0, 0)
def update(x):# 回调函数 更新value的值global valueWW_value = cv2.getTrackbarPos('WW', 'windowing')WL_value = cv2.getTrackbarPos('WL', 'windowing')value = (WW_value - 1024, WL_value - 1024)img = _img_transfor(itk_img, WW_value - 1024, WL_value - 1024)io.imsave("./io.png", img[83])png = cv2.imread("./io.png")cv2.imshow("windowing", png)print('Update Value, value ={}'.format(value))cv2.createTrackbar('WW','windowing',0,2048,update)
cv2.createTrackbar('WL','windowing',0,2048,update)cv2.setTrackbarPos('WW','windowing',350 + 1024)
cv2.setTrackbarPos('WL','windowing',40 + 1024)while(1):       # 等待按键按下k = cv2.waitKey(0)# 销毁窗口if k == 27:cv2.destroyAllWindows()break

在这里插入图片描述在这里插入图片描述

这篇关于opencv使用滑条选择最佳加窗值(windowing:WW, WL)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/199262

相关文章

postgresql使用UUID函数的方法

《postgresql使用UUID函数的方法》本文给大家介绍postgresql使用UUID函数的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录PostgreSQL有两种生成uuid的方法。可以先通过sql查看是否已安装扩展函数,和可以安装的扩展函数

如何使用Lombok进行spring 注入

《如何使用Lombok进行spring注入》本文介绍如何用Lombok简化Spring注入,推荐优先使用setter注入,通过注解自动生成getter/setter及构造器,减少冗余代码,提升开发效... Lombok为了开发环境简化代码,好处不用多说。spring 注入方式为2种,构造器注入和setter

MySQL中比较运算符的具体使用

《MySQL中比较运算符的具体使用》本文介绍了SQL中常用的符号类型和非符号类型运算符,符号类型运算符包括等于(=)、安全等于(=)、不等于(/!=)、大小比较(,=,,=)等,感兴趣的可以了解一下... 目录符号类型运算符1. 等于运算符=2. 安全等于运算符<=>3. 不等于运算符<>或!=4. 小于运

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,:本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典

Zabbix在MySQL性能监控方面的运用及最佳实践记录

《Zabbix在MySQL性能监控方面的运用及最佳实践记录》Zabbix通过自定义脚本和内置模板监控MySQL核心指标(连接、查询、资源、复制),支持自动发现多实例及告警通知,结合可视化仪表盘,可有效... 目录一、核心监控指标及配置1. 关键监控指标示例2. 配置方法二、自动发现与多实例管理1. 实践步骤

使用Python构建一个高效的日志处理系统

《使用Python构建一个高效的日志处理系统》这篇文章主要为大家详细讲解了如何使用Python开发一个专业的日志分析工具,能够自动化处理、分析和可视化各类日志文件,大幅提升运维效率,需要的可以了解下... 目录环境准备工具功能概述完整代码实现代码深度解析1. 类设计与初始化2. 日志解析核心逻辑3. 文件处

一文详解如何使用Java获取PDF页面信息

《一文详解如何使用Java获取PDF页面信息》了解PDF页面属性是我们在处理文档、内容提取、打印设置或页面重组等任务时不可或缺的一环,下面我们就来看看如何使用Java语言获取这些信息吧... 目录引言一、安装和引入PDF处理库引入依赖二、获取 PDF 页数三、获取页面尺寸(宽高)四、获取页面旋转角度五、判断

C++中assign函数的使用

《C++中assign函数的使用》在C++标准模板库中,std::list等容器都提供了assign成员函数,它比操作符更灵活,支持多种初始化方式,下面就来介绍一下assign的用法,具有一定的参考价... 目录​1.assign的基本功能​​语法​2. 具体用法示例​​​(1) 填充n个相同值​​(2)

MySQL 迁移至 Doris 最佳实践方案(最新整理)

《MySQL迁移至Doris最佳实践方案(最新整理)》本文将深入剖析三种经过实践验证的MySQL迁移至Doris的最佳方案,涵盖全量迁移、增量同步、混合迁移以及基于CDC(ChangeData... 目录一、China编程JDBC Catalog 联邦查询方案(适合跨库实时查询)1. 方案概述2. 环境要求3.