CT图像.dcm文件转换成图片格式

---

前言

医学图像中CT切片很多都是.dcm格式，怎么把它转换成.jpg图片格式以便观察或者后续操作。主要利用窗位窗宽对dcm文件中的数值进行调节。

一、窗位窗宽是什么？

当解释CT（计算机断层扫描）图像时，窗位（Window Level）和窗宽（Window Width）是两个重要的概念。它们用于调整和优化图像以显示不同组织和结构的对比度和亮度。下面我会详细解释这两个概念：

窗位（Window Level）：

定义：窗位是图像上显示的灰度级别的中心值，通常以Hounsfield Units（HU）为单位。它决定了图像中哪些灰度级别被认为是图像中间的，因此影像上显示的组织将以这个中心值为基准进行亮度调整。
作用：窗位允许你调整图像中感兴趣的结构的亮度级别，以便更好地显示这些结构。通过改变窗位，你可以将兴趣区域的灰度值调整到图像中间，从而提高可视化效果。
窗宽（Window Width）：

定义：窗宽是图像上显示的灰度级别的范围，通常以HU为单位。它决定了图像中有多少不同灰度级别被包含在窗宽范围内，即图像的对比度。
作用：窗宽允许你控制图像的对比度。较大的窗宽将包括更多灰度级别，导致低对比度图像，而较小的窗宽将限制灰度级别范围，导致高对比度图像。
如何调整窗位和窗宽：

增加窗位：将图像中心的灰度级别向高密度方向移动，使组织变亮。
减小窗位：将图像中心的灰度级别向低密度方向移动，使组织变暗。
增加窗宽：扩大灰度级别范围，增加对比度。
减小窗宽：缩小灰度级别范围，降低对比度。
例如，当查看头部CT扫描时，你可以使用窗位和窗宽来优化显示脑组织和骨骼结构的对比度。通过适当调整窗位和窗宽，你可以确保脑部组织在图像中清晰可见，同时不会过度增强或模糊骨骼结构。

总之，窗位和窗宽是用于调整CT图像外观的参数，以提供更好的可视化效果和更准确的诊断信息。医生通常会根据患者的需要和疾病特征来调整这些参数，以获得最佳的影像质量。

二、代码实现

分为两步，一步是HU值获取。一步是利用窗位窗宽进行调整。

HU值获取

def getCtHU(dcm_name):
    '''直接传入dicm文件/IMA文件'''
    dcm = pydicom.dcmread(dcm_name, force=True)
    dcm.file_meta.TransferSyntaxUID = pydicom.uid.ImplicitVRLittleEndian
    # 获取图像HU，部分参数没有或者报错的话可以自己手动查看它的属性，可以debug
    hu_values = dcm.pixel_array.astype(np.float32) * float(dcm.RescaleSlope) + float(dcm.RescaleIntercept)  # float64
    return hu_values

根据窗位窗宽进行调整

def windowsLevelTransform(Hu, window, level):
    img = Hu
    min = level - float(window) * 0.5
    max = level + float(window) * 0.5
    img[img < min] = min
    img[img > max] = max
    norm_ = (img - min) / window
    norm_.astype('float32')
    return norm_

总结

本文介绍了把.dcm文件转换为.jpg文件的过程和代码。