12bit灰度图像映射到8bit显示及python 实现

图像显示和打印面临的一个问题是：图像的亮度和对比度能否充分突出关键部分。这里所指的“关键部分”在 CT 里的例子有软组织、骨头、脑组织、肺、腹部等等。

---

技术问题

---

1、显示器往往只有 8-bit， 而数据有 12- 至 16-bits。
2、如果将数据的 min 和 max 间 (dynamic range) 的之间转换到 8-bit 0-255 去，过程是个有损转换， 而且出来的图像往往突出的是些噪音。

---

算法分析

---

12-bit 到 8-bit 直接转换：

computeMinMax(pixel_val,   min,   max);   //   先算图像的最大和最小值  
for   (i   =   0;   i   <   nNumPixels;   i++)  
   disp_pixel_val[i]   =   (pixel_val[i]   -   min)*255.0/(double)(max-min);     

这个算法必须有，对不少种类的图像是很有效的：如 8-bit 图像，MRI, ECT, CR 等等。

---

python实现

---

def matrix2uint8(matrix):
    ''' 
matrix must be a numpy array NXN
Returns uint8 version
    '''
    m_min= np.min(matrix)
    m_max= np.max(matrix)
    matrix = matrix-m_min
    return(np.array(np.rint( (matrix-m_min)/float(m_max-m_min) * 255.0),dtype=np.uint8))
    #np.rint, Round elements of the array to the nearest integer.

def preprocess(img, crop=True, resize=True, dsize=(224, 224)):
    if img.dtype == np.uint8:
        img = img / 255.0

    if crop:
        short_edge = min(img.shape[:2])
        yy = int((img.shape[0] - short_edge) / 2)
        xx = int((img.shape[1] - short_edge) / 2)
        crop_img = img[yy: yy + short_edge, xx: xx + short_edge]
    else:
        crop_img = img

    if resize:
        norm_img = imresize(crop_img, dsize, preserve_range=True)
    else:
        norm_img = crop_img

    return (norm_img).astype(np.float32)
def deprocess(img):
    return np.clip(img * 255, 0, 255).astype(np.uint8)

---

参考文献

---

16bit灰度图像映射到8bit显示