医学图像重采样-image和label的处理

一、image处理

与上一篇博客完全不同的思路。在不同大小三维图像的处理过程中，除了调整自适应3D-Unet网络结构外，还可以从调整图像大小的角度入手。

我们知道，一个三维的CT图像，如大小为512*512*122，分别代表x,y,z轴上像素点的个数，而每个像素对应了物理空间的大小，如这里是按照2mm*2mm*2mm对应的，那么每个像素点在物理空间中就对应8的体积。

如果想把这个图像大小调整为512*512*192，即增加了z轴的维度，那么我们可以通过减少z轴每个像素代表的物理长度为(因为其满足等式：)，而x,y轴对应的物理空间大小不变。

对于nii图像来说，可以通过vol.GetSpacing()的方法获取物理空间大小，是一个三维的数组。最后resize原图的大小，这里不是指物理空间大小，而是z轴的维度，插值方式有三种：最近邻样条插值、二次样条插值、三次卷积，请读者自行百度。

volumeImage = vol.shape()
# 如果z轴小于192则进行升采样,若大于则降采样
z_change_rate = 192.0 / volumeImage[2]
RESIZE_SPACING = [1, 1, z_change_rate]

inputSpacing = vol.GetSpacing()
resize_factor = inputSpacing / RESIZE_SPACING
new_real_shape = volumeImage.shape * resize_factor
new_shape = np.round(new_real_shape)
real_resize = new_shape / volumeImage.shape
new_volume = ndimage.zoom(volumeImage, zoom=real_resize) #这里用了样条插值的方法,默认order=3

 

二、label处理

image处理完了 ，而label不存在对应物理空间大小这一说法，维度是固定的，该如何适应image的大小呢？

参考之前resize的想法，上述我们已经得到了resize的缩放因子，那把这个直接应用于label中即可，与image采用相同的插值方式。

label_volume = ndimage.zoom(label_vol, zoom=real_resize)