.nii.gz 图片文件的读取

数据集的来源：2013 MICCAI Challenge Workshop on Segmentation: Algorithms, Theory and Applications (“SATA”)

举例所用数据集：百度网盘      验证码：ctcv

参考链接：1、如何处理.nii文件

                  2、DAGAN的github地址

具体代码如下： 

# #导入相关的库
import numpy as np
import os
import nibabel as nib
import cv2
import pickle

# #一些参数的设置
# .nii.gz 文件路径
nii_training_data_path = "D:/WindowsData/Desktop/test_dataset/dataset/"
# 生成的 pickle 文件存放路径
pickle_data_saving_path = "D:/WindowsData/Desktop/test_dataset/dataset_pickle/"
# 保留非 0 数据比重超过 preserving_ratio 的切片
preserving_ratio = 0.25

filenames = os.listdir(nii_training_data_path)
nii_train_list = []
for filename in filenames:  # 获取所有.nii.gz的文件名
    if filename.endswith('nii.gz'):
        nii_train_list.append(filename)
print('.nii.gz文件数为：', len(nii_train_list))

nii_train_dataset = []
for i, f in enumerate(nii_train_list):
    data_path = os.path.join(nii_training_data_path, f)
    data = nib.load(data_path).get_data()  # 获取.nii.gz文件中的数据
    # print('.nii.gz文件的维度为：',data.shape)   #宽*高*切片数
    data = data / np.amax(data)  # 所有数据归一化
    for i in range(data.shape[2]):  # 对切片进行循环，选出满足要求的切片
        img = data[:, :, i]  # 每一个切片是一个灰色图像
        if float(np.count_nonzero(img) / img.size) >= preserving_ratio:
            img = np.transpose(img, (1, 0))  # 将图片顺时针旋转90度（摆正了）
            nii_train_dataset.append(img)
print('选出符合preserving_ratio的图片有：', len(nii_train_dataset))
pickle_train_dataset = np.asarray(nii_train_dataset)  # list类型转为数组  切片数*宽*高

# 将数据保存为pickle类型，方便读取
if not os.path.exists(pickle_data_saving_path):
    os.makedirs(pickle_data_saving_path)
with open(os.path.join(pickle_data_saving_path, 'training.pickle'), 'wb') as f:
    pickle.dump(pickle_train_dataset, f, protocol=4)

print('.nii.gz 转换 .pickle 完成！！！')

#######################################################
#需要用pickle数据的话，可以用下面方法读取，eg如下
f = open(os.path.join(pickle_data_saving_path,'training.pickle'),'rb')
train = pickle.load(f)    #train 与原来的 pickle_train_dataset 一模一样
for i in range(train.shape[0]):
    cv2.imshow('img',train[i,:,:])
    cv2.waitKey(100)
cv2.destroyAllWindows()
    

运行结果：