医学影像处理工具：SimpleITK学习笔记（二）图像基本操作

本节大纲

sitk图像的构造

sitk中的常见属性值

 像素的相关操作

SimpleITK和Numpy的相互转换

类型转化中的index顺序

---

sitk图像的构造

sitk有几种构建图像的方式，可以构建2D或者RGB格式的图像

image_2D = sitk.Image(64, 64, sitk.sitkFloat32)
image_2D = sitk.Image([32,32], sitk.sitkUInt32)
image_RGB = sitk.Image([128,128], sitk.sitkVectorUInt8, 3)

其中Uint代表无符号整数，即unsigned

sitk中的常见属性值

print(image.GetSize())
print(image.GetOrigin())
print(image.GetSpacing())
print(image.GetDirection())
print(image.GetNumberOfComponentsPerPixel())

sitk中有以上五种常见的属性，分别可以使用get的方式获取

其中Size代表图像的大小，为图像的每一个维度的长度，即像素点的多少

Origin为图像的原点坐标

Space的代表的是体素或像素之间的间距。体素可以理解为像素在三维立体图像中的另一种称呼，即每个像素点或者体素点之间的距离，通常单位为mm，在医学影像中，由于不同的机器设备不同，其体素间距也不完全相同，所以在处理图像前一般需要对其进行重采样。Spacing的更加直观理解可以参照下图：

Direction则是指图像的方向，由于图像未必是正交，所以会用方向向量来指明不同轴的方向。

GetNumberOfComponentsPerPixel(): 这个方法的字面意思是每一个像素是由几个部分组成的，由于sitk中包含一种数据类型为Vector类型，对于三维RGB类型，该属性值为3，因为其由RGB三个元素组成：

image_RGB = sitk.Image([128,128], sitk.sitkVectorUInt8, 3)

如上一节中定义的VectorUInt，其虽然定义的为128*128的维度，但是由于其中数据类型为VectorUint，所以其输出为3.

同时我们可以通过下面代码获得一个图像的长度、宽度以及深度

print(image.GetWidth())
print(image.GetHeight())
print(image.GetDepth())

 我们还可以获取图像的维度和数据类型，其中三维图像的维度为3，RGB图像虽然属于三通道图像，但是其依旧是二维的彩色图像，所以他的维度是2.

Pixel ID的指的是图像中像素点的数据类型，会使用Pixel ID来表示，为数据类型的一个数字标识，如果我们想把这个ID转成文字，可以使用GetPixelIDTypeAsString()，会直接输出数据类型。

print(image.GetDimension())
print(image_RGB.GetDimension())
# Pixel ID means the data type ID in an image.
print(image.GetPixelIDValue())
# GetPixelIDTypeAsString convert type ID to type name
print(image.GetPixelIDTypeAsString())

 二维和三维图像的深度是怎么样的？

对于二维图像来说，不论是RGB的彩色图像还是普通图像，其深度均为0

print(image_2D.GetDepth())
print(image_2D.GetSize())
print(image.GetDepth())
print(image.GetSize())
print(image_RGB.GetDepth())

 2D RGB图像的相关属性值：

2维的彩色图像的维度为2，同时由于其是Vector类型，所以其每个像素是由三维向量组成的，GetNumberOfComponentsPerPixel()的输出为3。

print(image_RGB.GetDimension())
print(image_RGB.GetSize())
print(image_RGB.GetSpacing())
print(image_RGB.GetNumberOfComponentsPerPixel())

 像素的相关操作

我们可以使用GetPixel或SetPixel来获取或修改像素值。

print(image.GetPixel(0, 0, 0))
image.SetPixel(0, 0, 0, 1)
print(image.GetPixel(0, 0, 0))

 也可以使用更简单的方式来完成上述操作：

print(image[0, 0, 0])
image[0, 0, 0] = 10
print(image[0, 0, 0])

SimpleITK和Numpy的相互转换

SimpleITK的图像类型，和numpy的ndarray类型可以很方便的相互转换

nda = sitk.GetArrayFromImage(image)
img = sitk.GetImageFromArray(nda)

值得注意的是，在RGB的vector类型转换中可能会遇到一些维度上的问题

nda = sitk.GetArrayFromImage(image_RGB)
img = sitk.GetImageFromArray(nda)
print(image_RGB.GetSize())
print(img.GetSize())

在将array转换回sitk时，三通道会默认变成第三维，转换为3*128*128

如果想继续保持vector的数据类型，需要加入参数isVector=True

img = sitk.GetImageFromArray(nda, isVector=True)

类型转化中的index顺序

 在sitk中，默认的存取顺序为x, y, z.而在numpy中会成为z, y, x。两者完全相反，所以在类型转换中需要格外注意index的顺序变化。

import numpy as np

multi_channel_3Dimage = sitk.Image([2, 4, 8], sitk.sitkVectorFloat32, 5)
x = multi_channel_3Dimage.GetWidth() - 1
y = multi_channel_3Dimage.GetHeight() - 1
z = multi_channel_3Dimage.GetDepth() - 1
multi_channel_3Dimage[x, y, z] = np.random.random(multi_channel_3Dimage.GetNumberOfComponentsPerPixel())

nda = sitk.GetArrayFromImage(multi_channel_3Dimage)

print("Image size" + str(multi_channel_3Dimage.GetSize()))
print("Numpy array size:" + str(nda.shape))

# !!Notice the index order and channel access are different
print("First channel value in image:" + str(multi_channel_3Dimage[x, y, z][0]))
print("First channel value in numpy array: " + str(nda[z, y, x, 0]))

同时，仍然需要注意，numpy可以直接使用[z, y, x, 0]获取通道值，但是在sitk中需要[x, y, z][0]两个中括号获取channel的数据。