ITK学习笔记——将处理得到的二维掩码输出为连续序列

2024-05-14 00:08

本文主要是介绍ITK学习笔记——将处理得到的二维掩码输出为连续序列,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!

我们用ITK对图像进行处理的时候往往先会将16位的原始图像转换为0~255的8位无符号整数,但是要想输出为原始连续的序列,还要将这些掩码结果重新转换为16位的原始图像格式。这个过程用ITK实现起来比较复杂,我会一步步进行讲解。

一、读取dicom图像
将读取的signed short图像归一化到0~255的unsigned char图像

ImageType::Pointer readdicom(string filename) {ReaderType::Pointer reader = ReaderType::New();reader->SetFileName(filename);                                  //输入dicom图像ImageIOType::Pointer gdcmImageIO = ImageIOType::New();reader->SetImageIO(gdcmImageIO);try{reader->Update();}catch (itk::ExceptionObject & e){std::cerr << "exception in file reader " << std::endl;std::cerr << e << std::endl;}RescaleFilterType::Pointer rescaler = RescaleFilterType::New();//0~255灰度图rescaler->SetOutputMinimum(0);rescaler->SetOutputMaximum(255);rescaler->SetInput(reader->GetOutput());                 //对读入的dicm图片进行RescaleIntensityImageFilter处理rescaler->Update();//获取图像 ImageType::Pointer image = rescaler->GetOutput();return image;
}

二、处理原图像
假设我们将原图利用OSTU进行二值化处理

int ostu(ImageType::Pointer image)
{int width = image->GetLargestPossibleRegion().GetSize()[0];int heigth = image->GetLargestPossibleRegion().GetSize()[1];int x = 0, y = 0;int pixelCount[256] = { 0 };//每个像素的计数float pixelPro[256] = { 0 };;    //每种像素比例int i, j, pixelSum = width * heigth, threshold = 0;//统计灰度级中每个像素在整幅图像中的个数for (int i = 0; i < width; i++)for (int j = 0; j < heigth; j++){ImageType::IndexType pixelIndex;pixelIndex[0] = i;pixelIndex[1] = j;pixelCount[image->GetPixel(pixelIndex)]++;}//计算每个像素在整幅图像中的比例for (int i = 0; i < 256; i++){pixelPro[i] = (float)pixelCount[i] / (float)pixelSum;}//经典ostu算法,得到前景和背景的分割//遍历灰度级[0,255],计算出方差最大的灰度值,为最佳阈值float w0, w1, u0tmp, u1tmp, u0, u1, u, deltaTmp, deltaMax = 0;for (i = 0; i < 256; i++){w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0;for (j = 0; j < 256; j++){if (j <= i) //背景部分{//以i为阈值分类,第一类总的概率w0 += pixelPro[j];u0tmp += j * pixelPro[j];}else       //前景部分{//以i为阈值分类,第二类总的概率w1 += pixelPro[j];u1tmp += j * pixelPro[j];}}u0 = u0tmp / w0;		//第一类的平均灰度u1 = u1tmp / w1;		//第二类的平均灰度u = u0tmp + u1tmp;		//整幅图像的平均灰度//计算类间方差deltaTmp = w0 * (u0 - u)*(u0 - u) + w1 * (u1 - u)*(u1 - u);//找出最大类间方差以及对应的阈值if (deltaTmp > deltaMax){deltaMax = deltaTmp;threshold = i;}}ItType it(image, image->GetRequestedRegion());//将迭代器移动到首个元素 it.GoToBegin();//遍历像素,直至结束 while (!it.IsAtEnd()){//获取像素值 ImageType::PixelType value = it.Get();if ((int)value > threshold){it.Set(255);}else{it.Set(0);}//迭代器移动至下一元素 ++it;}//返回最佳阈值;return threshold;

三、输出位原始格式
首先对每张图片进行二值化处理,并与原始图像叠加。
voliter就是关键的三维数据。

void SegmentSingleDCM(int sliceNumber, std::string inputFile, VolumeIteratorType& voliter) {ImageType::Pointer image = readdicom(inputFile);   //将读取的signed short图像归一化到0~255的unsigned char图像int threshold = ostu(image);std::cout << "best_threshold = " << threshold << std::endl;ReaderType::Pointer reader = ReaderType::New();reader->SetFileName(inputFile);                                  //输入dicom图像ImageIOType::Pointer gdcmImageIO = ImageIOType::New();reader->SetImageIO(gdcmImageIO);try{reader->Update();}catch (itk::ExceptionObject & e){std::cerr << "exception in file reader " << std::endl;std::cerr << e << std::endl;}//读取原始图像InputImageType *input = reader->GetOutput();DCMIteratorType input_iter(input, input->GetRequestedRegion());input_iter.GoToBegin();//获取肺实质掩膜ImageType *bin = image;ItType mask_initer(bin, bin->GetRequestedRegion());mask_initer.GoToBegin();//原始图像与肺实质掩膜叠加while ((!input_iter.IsAtEnd()) || (!mask_initer.IsAtEnd())){ImageType::PixelType value_mask_lung = mask_initer.Get();if ((int(value_mask_lung)) == 255){voliter.Set(input_iter.Get());}else{voliter.Set(-1024);}//迭代器移动至下一元素 ++input_iter;++mask_initer;++voliter;}
}

对每张切片进行循环处理,并写入到voliter三维数据中,就能输出连续的和原始图像一样格式的序列了。

void lung_vessel_seg(string directory) {string inputdirectory = "D:/input/";//读入dicom序列图片NamesGeneratorType::Pointer namesGenerator = NamesGeneratorType::New();namesGenerator->SetInputDirectory(inputdirectory);//输入CT_dicm图像系列所在目录const ReaderType_series::FileNamesContainer & filenames =namesGenerator->GetInputFileNames();unsigned int numberOfFilenames = filenames.size();   //文件大小std::cout << numberOfFilenames << std::endl;ImageIOType::Pointer gdcmIO = ImageIOType::New();ReaderType_series::Pointer reader = ReaderType_series::New();reader->SetImageIO(gdcmIO);reader->SetFileNames(filenames);try{reader->Update();}catch (itk::ExceptionObject &excp){std::cerr << "Exception thrown while writing the image" << std::endl;std::cerr << excp << std::endl;}VolumeImageType::Pointer reconstruct = reader->GetOutput();reconstruct->Allocate();VolumeIteratorType voliter(reconstruct, reconstruct->GetRequestedRegion());voliter.GoToBegin();for (int fni = 0; fni < numberOfFilenames; fni++){std::cout << "filename # " << fni << " = ";std::cout << filenames[fni] << std::endl;SegmentSingleDCM(fni, filenames[fni], voliter);//==========================================================}reconstruct->Update();//写进dicom序列string outputDirectory = "D:/output/"itksys::SystemTools::MakeDirectory(outputDirectory);typedef signed short    OutputPixelType;const unsigned int      OutputDimension = 2;typedef itk::Image< OutputPixelType, OutputDimension >    Image2DType;typedef itk::ImageSeriesWriter<VolumeImageType, Image2DType >  SeriesWriterType;SeriesWriterType::Pointer seriesWriter = SeriesWriterType::New();seriesWriter->SetInput(reconstruct);seriesWriter->SetImageIO(gdcmIO);namesGenerator->SetOutputDirectory(outputDirectory);seriesWriter->SetFileNames(namesGenerator->GetOutputFileNames());seriesWriter->SetMetaDataDictionaryArray(reader->GetMetaDataDictionaryArray());seriesWriter->Update();
}

这篇关于ITK学习笔记——将处理得到的二维掩码输出为连续序列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/987195

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

poj2576(二维背包)

题意:n个人分成两组,两组人数只差小于1 , 并且体重只差最小 对于人数要求恰好装满,对于体重要求尽量多,一开始没做出来,看了下解题,按照自己的感觉写,然后a了 状态转移方程:dp[i][j] = max(dp[i][j],dp[i-1][j-c[k]]+c[k]);其中i表示人数,j表示背包容量,k表示输入的体重的 代码如下: #include<iostream>#include<

hdu2159(二维背包)

这是我的第一道二维背包题,没想到自己一下子就A了,但是代码写的比较乱,下面的代码是我有重新修改的 状态转移:dp[i][j] = max(dp[i][j], dp[i-1][j-c[z]]+v[z]); 其中dp[i][j]表示,打了i个怪物,消耗j的耐力值,所得到的最大经验值 代码如下: #include<iostream>#include<algorithm>#include<

poj2406(连续重复子串)

题意:判断串s是不是str^n,求str的最大长度。 解题思路:kmp可解,后缀数组的倍增算法超时。next[i]表示在第i位匹配失败后,自动跳转到next[i],所以1到next[n]这个串 等于 n-next[n]+1到n这个串。 代码如下; #include<iostream>#include<algorithm>#include<stdio.h>#include<math.

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss