使用SimpleITK工具进行脑部MRI图像放缩

背景需求

需要对MRI图像进行裁剪、放缩，但是要求放缩之后的影像空间必须与原图片的影像空间一致。
例：对(32, 32, 32)的图片放缩到(256, 256, 256)，原始图片空间为(1.0, 1.0, 1.0)。对图片进行空间设置：放缩后图片空间(1.0, 1.0, 1.0)；不对空间进行设置：放缩后的图片空间(0.125, 0.125, 0.125)。

代码实现

import numpy as np
import SimpleITK as sitk

 # 读入图片
img_path = './mri.nii.gz'
img = sitk.ReadImage(img_path)

# re_img为放缩之后的图片大小，(256, 256, 256)为目标大小，sitkNeartestNeighbor是放缩用到的算法，默认为线性放缩，这里选择了最近邻
re_img = resize_image_itk(img, (256, 256, 256), resamplemethod=sitk.sitkNearestNeighbor)

# 对放缩后的图片进行一些操作
# 1.原图，2.空间，3.方向
re_img.SetOrigin(img.GetOrigin())
re_img.SetSpacing(img.GetSpacing())
re_img.SetDirection(img.GetDirection())

# 保存图片
sitk.WriteImage(re_img, './re_img.nii.gz')

其中resize_image_itk函数为：

def resize_image_itk(itkimage, newSize, resamplemethod=sitk.sitkNearestNeighbor):
    resampler = sitk.ResampleImageFilter()

    originSize = itkimage.GetSize()  # 获取原图size
    originSpacing = itkimage.GetSpacing()  # 获取原图spacing
    newSize = np.array(newSize, dtype='uint32')
    factor = originSize / newSize
    newSpacing = originSpacing * factor

    resampler.SetReferenceImage(itkimage)   # 指定需要重新采样的目标图像
    resampler.SetSize(newSize.tolist())
    resampler.SetOutputSpacing(newSpacing.tolist())
    resampler.SetTransform(sitk.Transform(3, sitk.sitkIdentity))
    resampler.SetInterpolator(resamplemethod)
    itkimgResampled = resampler.Execute(itkimage)  # 得到重新采样后的图像
    return itkimgResampled

至此，图片已经完成了放缩，并且放缩后图片的空间与原图片空间大小是同一的。