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???