在上述MRI的图像中,我们建立一个坐标,该坐标的原点是(Ox,Oy)
,两个像素之间的距离我们可以定义成Spacing
,那么在X轴方向上的X轴之间的距离就是(Sx)
,相同的,在Y轴方向上的Y轴之间的距离就是(Sy)
。
在上述基础上我们可以对图像进行一个采样,采样之后会形成Image Sampling Grid(采样方格)
,它会把整个区域分割成若干的小块,在这些分块的交叉点上就是我们所说的采样点
,这个采样点可能是一个像素也可能是多个像素采一个点。
在这些采样点上我随便选一个,都会有一个Pixel Value
,同时它对应会有一个Pixel Region
(Pixel所占有的空间位置)。
有了上述内容,我们就可以对Indices
进行定义,Indices
其实就是Pixel
的Index(位置索引)
,例如:原点的index是(0,0),在X轴上就是(1,0)、(2,0)…,同样在Y轴上就是(0,1)、(0,2)…
此时,我们描述在图像上的任何一个点(index求Pixel
),都可以通过:
P[0]=Index[0]*Spacing[0]+Origin[0]
P[1]=Index[1]*Spacing[1]+Origin[1]
来表示
这里为什么加Origin的值?因为有时候Origin可能不在整个图像的最低点。
P指的是Pixel,也就是像素点
此时,我们还可以反过来,利用像素点可以求出index
的编号(Pixel求index
):
Index[0]=floor((P[0] - Origin[0]) / Spacing[0] + 0.5)
Index[1]=floor((P[1] - Origin[1]) / Spacing[1] + 0.5)
来表示
一个图像的大小我们可以用绿色的框把它框起来,它是一个Image Regin
,也就是一个图像区域的大小,它有一个Start Index
.
假设Start Index
是(2,3),那么这个图像区域的大小就是(3,5),除此之外我还可以对整个图像进行Sub-Sampling(下采样)
:
此时我们对图像进行采样,采样方式是隔一个点采样一次
这样的情况下我们就得到了一个新的格子,这个新的格子的Spacing相较于之前成了2*Spacing
,它的Sy
就变成了2*Sy
同样,它的Sx
就变成了2*Sx
。
这样,通过下采样的方式就获得了一个新的图像,此时格子变得非常大,图像就会变得不清晰,同样我们就会获得一个New Origin
接下来,我们还可以进行上采样
,进行上采样是为了把图像变得更清晰一些,此时可以把Spacing
降低一些,来增加采样的数量。
这个新的格子的Spacing相较于之前成了1/2*Spacing
,它的Sy
就变成了1/2*Sy
,同样,它的Sx
就变成了1/2*Sx
。这时候,它也会有一个New Spacing
和New Origin
。