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)