Notas do estudo ITK (9) dados de reamostragem simples do ITK para um tamanho fixo
- 1、resampleSize
- 2. Reamostragem de pré-processamento de imagem de TC
- 3. SKIMAGE.TRANSFORM - ambas as escalas estão disponíveis
- 4. Código de implementação de reamostragem de imagens médicas (reamostragem) da biblioteca Python SimpleItk
- 5. Use SimpleITK para interpolar arquivos de volume
- 6. Reamostragem de imagens médicas
1、resampleSize
Esta reamostragem não é uma reamostragem de Espaçamento, mas uma reamostragem de tamanho, a fim de obter um tamanho consistente para todos os dados
Por exemplo: (880, 880, 12) amostra uniforme (880, 880, 16)
Porque se o formato de entrada dos dados da rede 3DUnet for definido como (N, C, 16, xxx, xxx), o tamanho de cada dado pode ser reamostrado (16, xxx, xxx) e então inserido na rede.
Se você definir o Tamanho diretamente para (16,xxx,xxx), a camada extra SimpleITK será preenchida com 0, o que não pode atingir a amostragem real. Então, fazendo a operação inversa da amostragem de espaçamento acima
"""
统一Size
X轴和Y轴的Size和Spacing没有变化,
Z轴的Size和Spacing有变化
"""
def resampleSize(sitkImage, depth):
#重采样函数
euler3d = sitk.Euler3DTransform()
xsize, ysize, zsize = sitkImage.GetSize()
xspacing, yspacing, zspacing = sitkImage.GetSpacing()
new_spacing_z = zspacing/(depth/float(zsize))
origin = sitkImage.GetOrigin()
direction = sitkImage.GetDirection()
#根据新的spacing 计算新的size
newsize = (xsize,ysize,int(zsize*zspacing/new_spacing_z))
newspace = (xspacing, yspacing, new_spacing_z)
sitkImage = sitk.Resample(sitkImage,newsize,euler3d,sitk.sitkNearestNeighbor,origin,newspace,direction)
return sitkImage
DEPTH = 16 #需要重采样Size的层数
#读取nifit原数据 ,size为:(880, 880, 12)
NifitmPath = 'work/data/nifit/Case14.nii.gz'
sitkImage = sitk.ReadImage(NifitmPath)
print("重采样前的信息")
print("尺寸:{}".format(sitkImage.GetSize()))
print("体素大小(x,y,z):{}".format(sitkImage.GetSpacing()) )
print('='*30+'我是分割线'+'='*30)
newsitkImage = resampleSize(sitkImage, depth=DEPTH)
print("重采样后的信息")
print("尺寸:{}".format(newsitkImage.GetSize()))
print("体素大小(x,y,z):{}".format(newsitkImage.GetSpacing()) )
重采样前的信息
尺寸:(880, 880, 12)
体素大小(x,y,z):(0.3448275923728943, 0.3448275923728943, 5.499998092651367)
==============================我是分割线==============================
重采样后的信息
尺寸:(880, 880, 16)
体素大小(x,y,z):(0.3448275923728943, 0.3448275923728943, 4.124998569488525)
Referência: reamostragem (tamanho unificado)
2. Reamostragem de pré-processamento de imagem de TC
A desvantagem de reamostrar dados de acordo com o espaçamento especificado é que geralmente não podem ser reamostrados para o tamanho especificado. Em aplicações práticas, muitas vezes é encontrado que o tamanho da imagem precisa ser especificado.
def Resampling(img,lable = False):
original_size = img.GetSize() #获取图像原始尺寸
original_spacing = img.GetSpacing() #获取图像原始分辨率
new_spacing = [1, 1, 1] #设置图像新的分辨率为1*1*1
new_size = [int(round(original_size[0] * (original_spacing[0] /1))),
int(round(original_size[1] * (original_spacing[1] / 1))),
int(round(original_size[2] * (original_spacing[2] / 1)))] #计算图像在新的分辨率下尺寸大小
resampleSliceFilter = sitk.ResampleImageFilter() #初始化
if lable == False:
Resampleimage = resampleSliceFilter.Execute(img, new_size, sitk.Transform(), sitk.sitkBSpline,
img.GetOrigin(), new_spacing, img.GetDirection(), 0,
img.GetPixelIDValue())
ResampleimageArray = sitk.GetArrayFromImage(Resampleimage)
ResampleimageArray[ResampleimageArray < 0] = 0 #将图中小于0的元素置为0
else:# for label, should use sitk.sitkLinear to make sure the original and resampled label are the same!!!
Resampleimage = resampleSliceFilter.Execute(img, new_size, sitk.Transform(), sitk.sitkLinear,
img.GetOrigin(), new_spacing, img.GetDirection(), 0,
img.GetPixelIDValue())
ResampleimageArray = sitk.GetArrayFromImage(Resampleimage)
3. SKIMAGE.TRANSFORM - ambas as escalas estão disponíveis
# 1、按目标大小缩放resize
skimage.transform.resize(image, output_shape, order=1, mode='reflect', cval=0, clip=True, preserve_range=False, anti_aliasing=True, anti_aliasing_sigma=None)
# 2、按缩放因子缩放rescale
skimage.transform.rescale(image, scale, order=1, mode='reflect', cval=0, clip=True, preserve_range=False, multichannel=False, anti_aliasing=True, anti_aliasing_sigma=None)
# The order of interpolation. The order has to be in the range 0-5:
# 0: Nearest-neighbor
# 1: Bi-linear (default)
# 2: Bi-quadratic
# 3: Bi-cubic
# 4: Bi-quartic
# 5: Bi-quintic
Referência: Reamostragem de Pré-processamento de Imagem de TC
4. Código de implementação de reamostragem de imagens médicas (reamostragem) da biblioteca Python SimpleItk
Requisitos: Já existem imagens CT e PET registradas, e a etiqueta padrão ouro é desenhada na CT, então existem alguns requisitos simples, um é reamostrar a imagem PET para o mesmo tamanho da imagem CT (por exemplo, de 192 ×192×371 para 512×512×484), ou reduza a máscara padrão-ouro para o mesmo tamanho que o PET (ou seja, vice-versa).
Como encontrar o método: A função de leitura de imagem do ITK-SNAP (versão 3.8) suporta imagens de diferentes tamanhos, espaçamento, origem e direção a serem exibidas juntas, e o software será equivalente às imagens adicionadas posteriormente por reamostragem; O método, o resto é encontrar o código correspondente.
import SimpleITK as sitk
def resize_image_itk(ori_img, target_img, resamplemethod=sitk.sitkNearestNeighbor):
"""
用itk方法将原始图像resample到与目标图像一致
:param ori_img: 原始需要对齐的itk图像
:param target_img: 要对齐的目标itk图像
:param resamplemethod: itk插值方法: sitk.sitkLinear-线性 sitk.sitkNearestNeighbor-最近邻
:return:img_res_itk: 重采样好的itk图像
使用示范:
import SimpleITK as sitk
target_img = sitk.ReadImage(target_img_file)
ori_img = sitk.ReadImage(ori_img_file)
img_r = resize_image_itk(ori_img, target_img, resamplemethod=sitk.sitkLinear)
"""
target_Size = target_img.GetSize() # 目标图像大小 [x,y,z]
target_Spacing = target_img.GetSpacing() # 目标的体素块尺寸 [x,y,z]
target_origin = target_img.GetOrigin() # 目标的起点 [x,y,z]
target_direction = target_img.GetDirection() # 目标的方向 [冠,矢,横]=[z,y,x]
# itk的方法进行resample
resampler = sitk.ResampleImageFilter()
resampler.SetReferenceImage(ori_img) # 需要重新采样的目标图像
# 设置目标图像的信息
resampler.SetSize(target_Size) # 目标图像大小
resampler.SetOutputOrigin(target_origin)
resampler.SetOutputDirection(target_direction)
resampler.SetOutputSpacing(target_Spacing)
# 根据需要重采样图像的情况设置不同的dype
if resamplemethod == sitk.sitkNearestNeighbor:
resampler.SetOutputPixelType(sitk.sitkUInt8) # 近邻插值用于mask的,保存uint8
else:
resampler.SetOutputPixelType(sitk.sitkFloat32) # 线性插值用于PET/CT/MRI之类的,保存float32
resampler.SetTransform(sitk.Transform(3, sitk.sitkIdentity))
resampler.SetInterpolator(resamplemethod)
itk_img_resampled = resampler.Execute(ori_img) # 得到重新采样后的图像
return itk_img_resampled
Referência: código de implementação de reamostragem de imagens médicas (reamostragem) da biblioteca Python SimpleItk
5. Use SimpleITK para interpolar arquivos de volume
Ao analisar arquivos dicom, geralmente é realizada interpolação ou reamostragem, o que pode ser feito facilmente com o SimpleITK.
import SimpleITK as sitk
def getDicomSeriesVolumeImage(folderPath):
'''
读取dicom序列文件
:para folderPath:dicom文件夹
:return volumeImage:volume
'''
reader = sitk.ImageSeriesReader()
dicomNames = reader.GetGDCMSeriesFileNames(folderPath)
reader.SetFileNames(dicomNames)
volumeImage = reader.Execute()
return volumeImage
def interpolate(volumeImage, newSpacing):
'''
插值处理
:para volumeImage:volume格式
:para newSpaceing:想要插值或者重采样处理后得到的三个物理间隔,格式为列表
:return newVolumeImage:插值处理后的到的volume文件
'''
resampleFilter = sitk.ResampleImageFilter()
resampleFilter.SetInterpolator(sitk.sitkLinear) ##此处为线性插值,其他插值方式可以去官网查询
resampleFilter.SetOutputDirection(volumeImage.GetDirection())
resampleFilter.SetOutputOrigin(volumeImage.GetOrigin())
newSpacing = np.array(newSpacing, float)
newSize = volumeImage.GetSize() / newSpacing * volumeImage.GetSpacing()
newSize = newSize.astype(np.int)
resampleFilter.SetSize(newSize.tolist())
resampleFilter.SetOutputSpacing(newSpacing)
newVolumeImage = resampleFilter.Execute(volumeImage)
return newVolumeImage
Referência: interpolar arquivos de volume com SimpleITK
6. Reamostragem de imagens médicas
1. Reamostragem
No processo de pré-processamento de imagens médicas, muitas vezes é necessário reamostrar os dados para a escala que precisamos. Porque as imagens médicas correspondem ao tamanho físico do espaço real. Por exemplo, o tamanho de um voxel é 0,97 mm 0,97 mm 2,5 mm, queremos amostrar o tamanho do bloco voxel para 1 mm 1 mm 1 mm, o que pode nos ajudar na próxima etapa. Isso pode ser feito usando sitk.
2. Código
import SimpleITK as sitk
"""
resample
"""
def resampleVolume(outspacing,vol):
"""
将体数据重采样的指定的spacing大小\n
paras:
outpacing:指定的spacing,例如[1,1,1]
vol:sitk读取的image信息,这里是体数据\n
return:重采样后的数据
"""
outsize = [0,0,0]
inputspacing = 0
inputsize = 0
inputorigin = [0,0,0]
inputdir = [0,0,0]
#读取文件的size和spacing信息
inputsize = vol.GetSize()
inputspacing = vol.GetSpacing()
transform = sitk.Transform()
transform.SetIdentity()
#计算改变spacing后的size,用物理尺寸/体素的大小
outsize[0] = int(inputsize[0]*inputspacing[0]/outspacing[0] + 0.5)
outsize[1] = int(inputsize[1]*inputspacing[1]/outspacing[1] + 0.5)
outsize[2] = int(inputsize[2]*inputspacing[2]/outspacing[2] + 0.5)
#设定重采样的一些参数
resampler = sitk.ResampleImageFilter()
resampler.SetTransform(transform)
resampler.SetInterpolator(sitk.sitkLinear)
resampler.SetOutputOrigin(vol.GetOrigin())
resampler.SetOutputSpacing(outspacing)
resampler.SetOutputDirection(vol.GetDirection())
resampler.SetSize(outsize)
newvol = resampler.Execute(vol)
return newvol
def main():
#读文件
vol = sitk.Image(sitk.ReadImage("input.mha"))
#重采样
newvol = resampleVolume([1,1,1],vol)
#写文件
wriiter = sitk.ImageFileWriter()
wriiter.SetFileName("output.mha")
wriiter.Execute(newvol)
Referência: reamostragem de imagens médicas