读取mhd、raw图像并切片、归一化、保存

前言

raw 存储的是一个3D的CT影像，mhd 文件存储的是相应 raw 文件的信息

我的数据集train/low dose文件夹下内容如下，mhd 和 raw同在一个文件夹下：

读取mhd、raw并切片

使用 SimpleITK 库进行mhd和raw文件的读取

import os
from tqdm import tqdm

import SimpleITK as sitk
import matplotlib.pyplot as plt

def slice(ori_path: str, pro_path: str):
    for path in os.listdir(ori_path):
        if path.find('mhd') >= 0:
            data_mhd = sitk.ReadImage(os.path.join(ori_path, path))

            spacing = data_mhd.GetSpacing()
            scan = sitk.GetArrayFromImage(data_mhd)
            for i in tqdm(range(len(scan))):
                plt.figure()
                plt.imshow(scan[i], cmap=plt.cm.bone)
                plt.show()
                break  # 这里只是演示切片后效果，所以用了break，正常遍历的话直接删掉break就行

调用：

low_dose_path = 'train/low dose'  # 原数据集路径
low_dose_slice_path = 'train_slice/low_dose_slice'  # 保存路径

slice(low_dose_path, low_dose_slice_path)

图片演示示例：

---

切片、归一化、保存

def slice(ori_path: str, pro_path: str):
    id = 0
    for path in os.listdir(ori_path):
        if path.find('mhd') >= 0:
            id += 1
            save_content = os.path.join(pro_path, str(id))
            if os.path.exists(save_content):
                shutil.rmtree(save_content)
            os.makedirs(save_content)

            data_mhd = sitk.ReadImage(os.path.join(ori_path, path))

            spacing = data_mhd.GetSpacing()
            scan = sitk.GetArrayFromImage(data_mhd)
            for i in tqdm(range(len(scan))):
                img = cv2.normalize(scan[i], None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8U)
                img = Image.fromarray(img)
                save_path = os.path.join(save_content, f'{id}_{i}.png')
                img.save(save_path)

说明：
  我的数据集中3D影像的像素值是 -3000 到 3000 多，而我们正常的图像都是0-255的，因此最好的办法就是使用cv2.normalize归一化到0-255之间，然后再保存。
  如果是自己写一个归一化的代码，或者使用from sklearn.preprocessing import minmax_scale 的这个minmax_scale函数，会出现一些奇怪的问题，我猜测可能是这样归一化时的损失很大，所以会出现一些问题。
  有关spacing的问题，由于我这个数据集水平面切片不受影响，所以这个参数没什么影响，也就没用这个参数，相关具体的内容可以查看：医疗影像处理入门篇读入*.mhd数据&解析ElementSpacing参数

调用同上：

low_dose_path = 'train/low dose'  # 原数据集路径
low_dose_slice_path = 'train_slice/low_dose_slice'  # 保存路径
slice(low_dose_path, low_dose_slice_path)

保存效果：