基于Kaggle学习MONAI（二）轻松上手 transforms（下）

1 简介

       在上一篇文章中，我们 手把手演练了transforms模块下的LoadImaged，EnsureChannelFirstd和Resized函数，实现了图像和掩模数据的加载、通道优先和尺寸缩放三个基本操作。本文将在之前的基础上继续介绍其他常用的基本变换函数，包括旋转和强度变化等。除了这些基本操作之外，作为MONAI医学影像处理框架下的图像预处理模块，transforms还有裁剪、滤波等其他操作，相信大家能够做到触类旁通。

2 具体实现

2.1 图像旋转

        经过前面的缩放操作，我们得到了字典变量tr，其图像尺寸已经缩小为(256,256)。通过transforms模块的Rotated函数，可以对字典变量进行旋转操作。Rotated函数有两个参数keys和angle：keys用来明确对哪些键值操作，angle指定顺时针旋转的角度。图像旋转的代码及注解如下：

# 确保通道优先
# 导入transforms模块下的Rotated函数
from monai.transforms import Rotated
# 对字典变量tr进行旋转变换，图像和掩模图像同时变换，顺时针旋转角度为30°
trt= Rotated(keys=['image','label'],angle=3.14/180*30)(tr)
# 核查旋转后图像的尺寸
trt['image'].shape,trt['label'].shape

代码成功运行后，结果显示如下：

可以看出，旋转函数与缩放函数不同，没有改变图像的尺寸。

接下来，通过旋转操作后结果的可视化，直观看看旋转函数对图像的影响。旋转操作代码及详解如下：

#可视化 fis
plt.figure("image",(8,4))# 创建4×8英寸的图像窗口
plt.subplot(1,2,1) # 在1×2的绘图布局第一个区域，开始绘图
plt.imshow(trt['image'][0],cmap='gray')#绘制数据图像，灰度模式显示
plt.xlabel(f'{trt["image"].shape}')#把数据推向的形状添加到横坐标上

plt.subplot(1,2,2)# 在1×2的绘图布局第二个区域，开始绘图
plt.imshow(trt['label'][0],cmap='gray')#绘制掩模图像 ，灰度模式显示
plt.xlabel(f'{trt["label"].shape}')#把掩模推向的形状添加横坐标轴上
plt.show()

代码成功运行结果如下图所示。

可以看出，CT图像和掩模图像都旋转了30°，验证了Rotated的功能。

2.2 强度变换

MONAI框架下transforms比较有用个强度变换函数有两个：一个是ScaleIntensityd函数，把图像强度线性变换到（0,1）范围内；另一个是ScaleIntesityRanged函数，把原图像（amin，amax）范围内图像线性变换到（bmin,bmax）区间，（amin，amax）范围之外的强度置为0。下面分别介绍两种函数的实现。

（1）ScaleIntensityd

        相当于对整个图像数据进行标准化，所有强度值变换到（0,1）范围内。代码及注释如下所示：

# 从monai.transforms模块导入 ScaleIntensityd函数
from monai.transforms import ScaleIntensityd
# 对图像数据和掩模数据同时进行强度变换
ts = ScaleIntensityd(keys=['image','label'])(trt)
ts['image'].max(),ts['image'].min()

代码成功运行结果如下图所示：

可以看出，亮度归一化之后图像的最小值为0.0，最大值为1.0。

随后，对归一化的数据字典进行可视化，代码及注释如下所示:

#可视化 fis
plt.figure("image",(8,4))# 创建4×8英寸的图像窗口
plt.subplot(1,2,1) # 在1×2的绘图布局第一个区域，开始绘图
plt.imshow(ts['image'][0],cmap='gray')#绘制数据图像，灰度模式显示
plt.xlabel(f'{trt["image"].shape}')#把数据图像的形状添加到横坐标上

plt.subplot(1,2,2)# 在1×2的绘图布局第二个区域，开始绘图
plt.imshow(ts['label'][0],cmap='gray')#绘制掩模图像 ，灰度模式显示
plt.xlabel(f'{trt["label"].shape}')#把掩模图像的形状添加横坐标轴上
plt.show()

代码成功运行结果如图所示：

（2）ScaleIntensityRanged

ScaleIntensityRanged函数的作用类似于开窗变换（Windowing），可以把感兴趣组织的灰度窗口映射到一个灰度范围去，该函数有a_min，a_max，b_min，b_max，Clip等参数，其中a_min/max用来确定原图像灰度观察范围，b_min/max是变换后图像的灰度范围，Clip=True时，在灰度观察范围之外的像素强度都置0。CT值的范围一般是-1000~3000左右，空气是-1000，水是0，致密骨骼达到2000多，而脾脏的CT值范围大概在-300到300之间，因此可以设定合适观察范围，突出脾脏组织的成像效果。代码及注释如下所示：

#从monai.transforms 导入ScaleIntensityRanged函数
from monai.transforms import ScaleIntensityRanged
# 观察窗口范围设置为-300到300，变换后图像范围为0到1，观察窗口范围外的像素强度置位0
tsr = ScaleIntensityRanged(keys='image',a_min=-300.0,a_max=300.0,
                          b_min=0.0,b_max=1.0,clip=True)(trt)


tsr['image'].min(), tsr['label'].max()

代码成共运行结果如下：

对变换结果进行可视化的代码与前面类似，只是把字典变量ts更换为tsr，这就就不再贴出代码。代码成功运行结果如下所示：

与前面的结果对比可以看出，通过ScaleInensityRanged函数，设置合理的观察窗口，能够提升脾脏器官组织成像对比度，有助于后续的图像识别与分割。

2.3 变换组合

        上面介绍了transforms模块下，LoadImaged，EnsureChannelFirstd，Resized，Rotated，ScaleIntensityd，以及ScaleIntensityRanged等基本操作函数的用法。在实际应用中，我们很少单独使用各个函数进行图像变换。MONAI提供了Compose函数，能够通过列表的方式把所需的图像处理函数串接起来，组成一个集成变换，便于程序的编写与阅读。

        组合变换的代码及注释如下所示：

# 通过Compose列表把组合在一起使用
# 加载图像，通道优先，缩放，旋转，亮度归一化LERRS
# 加载Compose，LoadImaged等图像处理函数
from monai.transforms import (Compose,
                            LoadImaged,
                            EnsureChannelFirstd,
                            Resized,
                            Rotated,
                            ScaleIntensityd)
# 定义组合变换函数，通过Compose函数把图像处理函数按照先后顺序组合起来
trans = Compose([
    LoadImaged(keys=['image','label']),
    EnsureChannelFirstd(keys=['image','label']),
    Resized(keys=['image','label'],spatial_size=(128,128)),
    Rotated(keys=['image','label'],angle=3.14/180*45),
    ScaleIntensityd(keys=['image','label'])    
])

# 定义字典变量，指定数据和掩模文件名
inputs = {"image": "/kaggle/input/monaitransfomdata/spleen_10trans.nii",
         "label": "/kaggle/input/monaitransfomdata/spleen_10mask.nii"}
# 变换输出
outputs = trans(inputs)
# 核对输出图像的形状
outputs['image'].shape

代码成功运行输出结果如下：

可视化代码与前面给出的示例几乎相同，只需要修改字典变量，把ts更换为outputs，不在贴出代码。运行结果图下图所示。

因为我们在Compose中组合的变换包括ImageLoad、EnsureChannelFirstd，Resized等，执行Compose操作相当于把上述变换依次执行，最终图像也跟单独执行各个操作得到的图像是一致的。

2.4 图像保存

        monai.transforms模块提供了SaveImaged函数，用来将字典数据保存为图像和掩模文件。具体代码如下：

from monai.transforms import SaveImaged #导入图像保存函数
SaveImaged(keys=['image','label'])(outputs)#把字典数据分别保存为图像和掩模文件

代码运行结果如下图所示：

可以看出，在工作目录下建立了图像和掩模文件。

3 试一试

        如果要求对图像放大为（1024,1024），并顺时针旋转60°，上述代码该如何修改？相信大家很容易就能实现。

4 总结

        MONAI的transforms模块提供了功能强大的图像预处理函数，这些函数既可以单独使用，也可以组合在一起使用。本文介绍了LoadImaged，EnsureChannelFirstd，Resized等基本函数的使用方法，大家跟着练习后能够很快掌握这些函数，也能为理解和运用官方提供的其他函数打下良好的基础，因为这些函数的应用模式都是相似的。另外，轻松上手transforms代码文件已上传至资料区，如有需要大家也可以下载比对。

参考

[1]基于Kaggle学习MONAI（二）轻松上手 transforms（上）-CSDN博客

[2] MONAI(3)—一文看懂各种Transform用法（上）_monai讲解-CSDN博客

[3] Transforms — MONAI 1.3.1 Documentation