医疗影像dcm文件转nii并展示

原始医疗影像文件：

DCM图像转nii格式：

在这里需要用到一个开源工具：dcm2niix 直接从release中可以下载编译好的exe文件。

windows需要在cmd下执行exe文件（不能直接打开，在命令行下运行），将会打印出所有的参数：

在这里我们将某个文件夹下的图像文件进行转换：

将会在output目录下生成一个nii的文件和图像的描述json：

python加载nii图像数据并MPR展示：

import matplotlib
 
from matplotlib import pylab as plt
import nibabel as nib
from nibabel import nifti1
from nibabel.viewers import OrthoSlicer3D
 
# matplotlib.use('TkAgg')

# 文件名，nii或nii.gz
example_filename = 'LGG71_Flair.nii'

img = nib.load(example_filename)

# 打印文件信息
print(img)
print(img.dataobj.shape)

#shape不一定只有三个参数，打印出来看一下
width, height, queue = img.dataobj.shape

# 显示3D图像
OrthoSlicer3D(img.dataobj).show()

#计算看需要多少个位置来放切片图
x = int((queue/10) ** 0.5) + 1
num = 1
# 按照10的步长，切片，显示2D图像
for i in range(0, queue, 10): 
    img_arr = img.dataobj[:, :, i]
    plt.subplot(x, x, num)
    plt.imshow(img_arr, cmap='gray')
    num += 1

plt.show()

# 展示每一张图像
for i in range(0, queue, 1): 
    img_arr = img.dataobj[:, :, i]
    plt.imshow(img_arr, cmap='gray')
    plt.show()

这是对于原始图像的展示，其shape格式为：

（137，163,138） 分别为图像宽度，高度，和索引值（即第几张）

但是对于模型预测后的分割图，其通常来说是多通道的，如：

(137, 163, 138, 1, 2)

在这里就需要对上述代码进行修改：

#采用5个参数来接收shape
width, height, queue,p1,p2 = img.dataobj.shape


#图像采用imshow的时候需要指定通道的numpy数据：
img_arr = img.dataobj[:, :, i,0,0]
#或
img_arr = img.dataobj[:, :, i,0,1]