nii convert to 2D image【python】

2024-02-07 14:04
文章标签 python image 2d convert nii

本文主要是介绍nii convert to 2D image【python】,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!

可以自己精简,我的label是二分类

import SimpleITK as sitk
import cv2
from PIL import Image
import numpy as np
import nibabel as nib  # nii格式一般都会用到这个包
import imageio  # 转换成图像
import osimport numpy as np
from scipy.ndimage import rotate
from scipy.ndimage import median_filter
import matplotlib.pyplot as pltxy = 128
vol1 = int(xy/2)
vol2 = int(xy/4)
vol3 = int(vol2+16)def preprocess(image):result = median_filter(image, size=3)"""# 添加高斯噪声noise = np.random.normal(0, 25, size=image.shape)noise_img = image + noise.astype('uint8')# 双边滤波result = cv2.bilateralFilter(noise_img, 9, 75, 75)# 显示图像cv2.imshow('src', image)cv2.imshow('noise', noise_img)cv2.imshow('result', result)cv2.waitKey()cv2.destroyAllWindows()"""return resultdef create_dirs(out_path, num):for i in range(1, num):  # 这里需要注意,i取不到6,因为range()是前闭后开的,即i的取值范围为1-5。dir = os.path.join(r'crop/test4/ct/')# 前者为路径,后者为待创建文件夹的名称。注意,批量创建文件夹时不能有重复名称的,因此可以对文件夹加上序号信息。isExists = os.path.exists(dir)if not isExists:os.mkdir(dir)def mask2d(input_path, output_folder, idx):# 加载NIfTI文件img = nib.load(input_path)data = img.get_fdata()# 获取数据的形状信息num_slices = data.shape[2]  # 切片数量print(data.shape, num_slices)# 遍历每个切片并保存为PNG图像for i in range(num_slices):slice_data = data[:, :, i]  # 提取当前切片数据# Image.fromarray(255*img_array_list[foo].astype('int')).convert('L')image = Image.fromarray(255 * slice_data.astype('int')).convert('L')image = image.rotate(270)# image = Image.fromarray(slice_data)  # 创建PIL图像对象output_name = f"{output_folder}slice_{idx}_{i}.png"  # 设置输出文件名image.save(output_name)  # 保存为PNG图像def nii2d(img_addr, target_folder, idx):img_addr_n = nib.load(img_addr)# Convert them to numpy format,data = img_addr_n.get_fdata()# clip the images within [-125, 275],data_clipped = np.clip(data, -125, 275)# normalize each 3D image to [0, 1], anddata_normalised = (data_clipped - (-125)) / (275 - (-125))split_root = img_addr.split('\\')  # 通过\\来进行截断print(split_root) # ['crop/test4/ct/volume-0.nii']# extract 2D slices from 3D volume for training cases while# e.g. slice 000for i in range(data.shape[2]):formattedi = "{:03d}".format(i)slice000 = data_normalised[:, :, i] * 255image = Image.fromarray(slice000)image = image.convert("L")image = image.rotate(270)image = image.transpose(Image.Transpose.FLIP_LEFT_RIGHT)image.save(target_folder +str(idx)+"-"+str(i)+ ".png")for i in range(20):k = i + 1image_path = "ct/volume-{}.nii".format(str(i))label_path = "label/segmentation-{}.nii.gz".format(str(i))label = sitk.ReadImage(label_path, sitk.sitkInt16)label_array = sitk.GetArrayFromImage(label)image = sitk.ReadImage(image_path, sitk.sitkInt32)image_array = sitk.GetArrayFromImage(image)  # 分别读图像和标签数据print("\nimage_array=",image_array.shape, " label_array=",label_array.shape)center_x = (image_array.shape[1]) // 2center_y = (image_array.shape[2]) // 2center_z = (image_array.shape[0]) / 2  # 分别计算出xyz方向上的中心print("center_x=", center_x, "center_y=", center_y, "center_z=",center_z)center_x = center_x - vol2image_array = image_array[:, center_x - vol3:center_x + vol3, center_y - xy:center_y + xy]label_array = label_array[:, center_x - vol3:center_x + vol3, center_y - xy:center_y + xy]  # 在XY裁剪出一个256 * 256的区域#####只需要保存有标签的序列就行了z = np.any(label_array, axis=(1, 2))start_slice, end_slice = np.where(z)[0][[0, -1]]# 截取保留区域image_array = image_array[start_slice:end_slice + 1, :, :]label_array = label_array[start_slice:end_slice + 1, :, :]# print("Preprocessed shape:",ct_array.shape,seg_array.shape)new_image = sitk.GetImageFromArray(image_array)new_image.SetDirection(image.GetDirection())new_image.SetOrigin(image.GetOrigin())new_image.SetSpacing(image.GetSpacing())new_seg = sitk.GetImageFromArray(label_array)new_seg.SetDirection(label.GetDirection())new_seg.SetOrigin(label.GetOrigin())new_seg.SetSpacing(label.GetSpacing())sitk.WriteImage(new_image, "crop/test4/ct/volume-{}.nii".format(str(i)))sitk.WriteImage(new_seg, "crop/test4/label/segmentation-{}.nii.gz".format(str(i)))nii2d("crop/test4/ct/volume-" + str(i) + ".nii", "crop/png_ct/", i)mask2d("crop/test4/label/segmentation-" + str(i) + ".nii.gz", "crop/png_label/", i)"""对于label来说是ok的,但是对于那个来说不行"""

这篇关于nii convert to 2D image【python】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/687965

相关文章

python处理带有时区的日期和时间数据

《python处理带有时区的日期和时间数据》这篇文章主要为大家详细介绍了如何在Python中使用pytz库处理时区信息,包括获取当前UTC时间,转换为特定时区等,有需要的小伙伴可以参考一下... 目录时区基本信息python datetime使用timezonepandas处理时区数据知识延展时区基本信息

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项:2. 位运算2.1

使用Python和Pyecharts创建交互式地图

《使用Python和Pyecharts创建交互式地图》在数据可视化领域,创建交互式地图是一种强大的方式,可以使受众能够以引人入胜且信息丰富的方式探索地理数据,下面我们看看如何使用Python和Pyec... 目录简介Pyecharts 简介创建上海地图代码说明运行结果总结简介在数据可视化领域,创建交互式地

利用python实现对excel文件进行加密

《利用python实现对excel文件进行加密》由于文件内容的私密性,需要对Excel文件进行加密,保护文件以免给第三方看到,本文将以Python语言为例,和大家讲讲如何对Excel文件进行加密,感兴... 目录前言方法一:使用pywin32库(仅限Windows)方法二:使用msoffcrypto-too

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

python获取网页表格的多种方法汇总

《python获取网页表格的多种方法汇总》我们在网页上看到很多的表格,如果要获取里面的数据或者转化成其他格式,就需要将表格获取下来并进行整理,在Python中,获取网页表格的方法有多种,下面就跟随小编... 目录1. 使用Pandas的read_html2. 使用BeautifulSoup和pandas3.

Python装饰器之类装饰器详解

《Python装饰器之类装饰器详解》本文将详细介绍Python中类装饰器的概念、使用方法以及应用场景,并通过一个综合详细的例子展示如何使用类装饰器,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录1. 引言2. 装饰器的基本概念2.1. 函数装饰器复习2.2 类装饰器的定义和使用3. 类装饰

Python 交互式可视化的利器Bokeh的使用

《Python交互式可视化的利器Bokeh的使用》Bokeh是一个专注于Web端交互式数据可视化的Python库,本文主要介绍了Python交互式可视化的利器Bokeh的使用,具有一定的参考价值,感... 目录1. Bokeh 简介1.1 为什么选择 Bokeh1.2 安装与环境配置2. Bokeh 基础2

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指