【随笔】NIFTI格式的医学图像处理

目标文件的格式为 nii.gz

使用 python 的 nibabel 的库来处理。

demo_image, demo_label = load_case(cid=4)
print(type(demo_image))

-----------  output -------------------

<class 'nibabel.nifti1.Nifti1Image'>

我们可以看到，nibabel 返回值的类型是上面的这个类型。

 

print(demo_image.shape)

---------  output ------------
    (64, 512, 512)

打印一下shape 来看， 是64,512,512  ； 也就是说有64张 512x512大小的图，

尺寸的大小符合CT图像的标准， 

我看网上的资料说 Nibabel 库输出的512x512矩阵中存储的是 CT值，单位为HU

来看一下

# 使用get_fdata方法来将原始数据转换为 float 类型
trans_img = demo_image.get_fdata()

print('trans_img的类型是{}'.format(type(trans_img)))
print('trans_img的dtype是{}'.format(trans_img.dtype))


----------  output -----------
trans_img的类型是<class 'numpy.ndarray'>
trans_img的dtype是float64

我们可以看到，现在已经将CT图像转化为 ndarray 类型的数组了，

并且其dtype 也就是其中的每一个元素的数据类型都是float的

 

这样就方便了我们获取其最大值与最小值。

min_hu = np.min(trans_img)
    max_hu = np.max(trans_img)
    print('min_hu is {} unit'.format(min_hu))
    print('min_hu is {} unit'.format(max_hu))

----------- output ----------------

min is -1024.0 HU
max is 2125.0 HU

对医学图像有一定了解的人可能就能一下看出了，这是个典型的 CT值的范围，单位为HU。

CT值反应的是腹部的器官对X射线的吸收能力，范围是-1024 -- x ，之所以说是x是因为各种资料众说纷纭，

上限多大的都有 ； 

有的资料上说这个CT值与做CT时候的设备参数是息息相关的， 这些参数包括了CT的种类，

管电压，管电流什么的，所以这里也不太好说，但是下限是 -1024 是相对可以确定的。

 

随便找一张图像， 用opencv 的imshow来显示（如下图） ， 并用 imwrite 保存下来

 

 

上面的一张是 cv2.imshow 然后截图下来的。

下面的这一张是直接使用 cv2.imwrite 保存的，

可以明显的看出二者的对比度差了很多。

 

 

那为什么会是这种不同的两张图呢？

先得出今天的结论， 如果你要对 CT图像进行 HU值的处理， 那么就一定要在

使用nibabel 库之后立刻就进行操作，不要等使用 opencv 等工具后在进行操作。。。。

 

【增补， 】

这两张图不同是应为在 保存为png 格式的文件时， 后者将单个 512 x 512 的矩阵拓展成了一个

三通道的图像， 可以看到这样增加了图像的透明度。

 

但这真的是我们想要的结果么？？？未必吧？？？