用matlab将dicom保存为bmp,Matlab下DICOM文件根据窗位、窗宽的显示和BMP格式的保存 | 学步园...

一、DICOM简介

DICOM即数字影像和通信标准。在医学影像信息学的发展和PACS的研究过程中，由于医疗设备生产厂商的不同，造成与各种设备有关的医学图像存储格式、传输方式千差万别，使得医学影像及其相关信息在不同系统、不同应用之间的交换受到严重阻碍。为此，美国放射学会(ACR)和全美电子厂商联合会(NEMA)认识到急需建立一种标准，以规范医学影像及其相关信息的交换，DICOM(Digitalimaging and Communications in Medicine)标准就是在这样的背景下产生的。(source from百度百科)

二、matlab下的DICOM图片解析

infilename=‘test.dcm’；

I=dicomread(infilename);   %读取图像

metadata=dicominfo(infilename); %存储信息

以上两行 使用 dicomread来读取图像，I是一个矩阵(M*N，M、N分别为图片的行、宽)；dicominfo获取图片的信息，metadata是一个结构体，在matlab下可以看到其内容如下：

metadata =

Filename: 'test.dcm'

FileModDate: '01-四月-2013 16:34:42'

FileSize: 519106

Format: 'DICOM'

FormatVersion: 3

Width: 484

Height: 484

BitDepth: 12

ColorType: 'grayscale'

FileMetaInformationGroupLength: 192

FileMetaInformationVersion: [2x1 uint8]

MediaStorageSOPClassUID: '1.2.840.10008.5.1.4.1.1.2'

MediaStorageSOPInstanceUID: '1.3.12.2.1107.5.1.4.50364.30000012110123554800000000583'

TransferSyntaxUID: '1.2.840.10008.1.2.1'

ImplementationClassUID: '1.3.12.2.1107.5.1.4'

ImplementationVersionName: 'SIEMENS_S5VB28A'

SpecificCharacterSet: 'ISO 2022 IR 13\ISO 2022 IR 87'

ImageType: 'DERIVED\SECONDARY\LOCALIZER\CSA MPR\\CSAPARALLEL\AXIAL\CT_SOM5 SPI'

SOPClassUID: '1.2.840.10008.5.1.4.1.1.2'

SOPInstanceUID: '1.3.12.2.1107.5.1.4.50364.30000012110123554800000000583'

StudyDate: '20121102'

SeriesDate: '20121102'

AcquisitionDate: '20121102'

ContentDate: '20121102'

StudyTime: '150331.921000'

SeriesTime: '173716.625000'

AcquisitionTime: '150455.664701'

ContentTime: '173716.625000'

AccessionNumber: 'CT201211010515'

Modality: 'CT'

Manufacturer: 'SIEMENS'

InstitutionName: 'Union Hospital Wu Han'

InstitutionAddress: ' Jie Fang Street

/9D40A8/

Han Kou

P.R. CHN'

ReferringPhysicianName: [1x1 struct]

StationName: 'CT10460'

StudyDescription: 'Thorax^AA_LUNG1 (Adult)'

SeriesDescription: ''

OperatorName: [1x1 struct]

ManufacturerModelName: 'Sensation 16'

ReferencedImageSequence: [1x1 struct]

DerivationDescription: 'MEDCOM RESAMPLED'

PatientName: [1x1 struct]

PatientID: 'P0735733'

PatientBirthDate: '19571101'

PatientSex: 'M'

OtherPatientName: [1x1 struct]

PatientAge: '055Y'

BodyPartExamined: 'CHEST'

SliceThickness: 2

KVP: 100

DeviceSerialNumber: '50364'

SoftwareVersion: 'syngo CT 2006G'

ProtocolName: 'AA_LUNG1'

DistanceSourceToDetector: 1040

DistanceSourceToPatient: 570

GantryDetectorTilt: 0

TableHeight: 159

RotationDirection: 'CW'

FilterType: '0'

GeneratorPower: 14

FocalSpot: 0.7000

DateOfLastCalibration: '20121102'

TimeOfLastCalibration: '073827.000000'

ConvolutionKernel: 'B60s'

PatientPosition: 'HFS'

StudyInstanceUID: '1.2.840.113564.152426559686.14968.634873602640312500.477'

SeriesInstanceUID: '1.3.12.2.1107.5.1.4.50364.30000012110123554800000000672'

StudyID: 'CT20121102150123'

SeriesNumber: 602

AcquisitionNumber: 2

InstanceNumber: 31

ImagePositionPatient: [3x1 double]

ImageOrientationPatient: [6x1 double]

FrameOfReferenceUID: '1.3.12.2.1107.5.1.4.50364.30000012110123350978100003385'

PositionReferenceIndicator: ''

ImageComments: ''

SamplesPerPixel: 1

PhotometricInterpretation: 'MONOCHROME2'

Rows: 484

Columns: 484

PixelSpacing: [2x1 double]

BitsAllocated: 16

BitsStored: 12

HighBit: 11

PixelRepresentation: 0

WindowCenter: [2x1 double]

WindowWidth: [2x1 double]

RescaleIntercept: -1024

RescaleSlope: 1

WindowCenterWidthExplanation: 'WINDOW1\WINDOW2'

Private_0029_10xx_Creator: 'SIEMENS MEDCOM HEADER'

Private_0029_11xx_Creator: 'SIEMENS MEDCOM HEADER2'

Private_0029_12xx_Creator: 'SIEMENS MEDCOM OOG'

Private_0029_1031: '202.0.35898523'

Private_0029_1032: 468512

Private_0029_1033: 0

Private_0029_1034: 'DB TO DICOM'

Private_0029_1160: 'com'

Private_0029_1208: 'MEDCOM OOG 2'

Private_0029_1209: 'VD30C'

Private_0029_1210: [13808x1 uint8]

RequestAttributesSequence: [1x1 struct]

StorageMediaFileSetUID: '1.3.12.2.1107.5.1.4.50364.30050112110209591376300000001'

IconImageSequence: [1x1 struct]

OverlayRows_0: 484

OverlayColumns_0: 484

NumberOfFramesInOverlay_0: 1

OverlayDescription_0: 'Siemens MedCom Object Graphics'

OverlayType_0: 'G'

OverlayOrigin_0: [2x1 int16]

ImageFrameOrigin_0: 1

OverlayBitsAllocated_0: 1

OverlayBitPosition_0: 0

OverlayData_0: [484x484 logical]

在这里面，比较重要的是WindowCenter，WindowWidth，RescaleIntercept，RescaleSlope。WindowCenter是指窗位，WindowWidth是指窗宽，RescaleIntercept，RescaleSlope是关于像素变换的参数，我也不太理解。

1) 方法一

在网络上，找到了一种方法：

X = dicomread('test.dcm'); %读取文件

X = double(X) / double(max(X(:))); %归一化

imwrite(X, '1.BMP'); %存储为bmp

这种方法经过测试也可以执行，结果如下

可以看出，效果不是太理想，而且该方法完全没有查看原来的DICOM文件是否有多个窗位、窗宽的问题，是的DICOM的信息没有得到充分的利用。

1) 方法二

使用metadata的WindowCenter，WindowWidth，RescaleIntercept，RescaleSlope来处理数据。详细函数如下：

function status = dicom2bmp(infilename)

I=dicomread(infilename);   %读取图像

metadata=dicominfo(infilename); %存储信息

lop=length(metadata.WindowCenter);%查看窗位数量

if(lop~=length(metadata.WindowWidth))%与窗位数量是否一致

error('this is an error');

end

for i=1:lop

center=metadata.WindowCenter(i)/metadata.RescaleSlope - metadata.RescaleIntercept;%处理窗位数值，这个地方的处理很关键

width=metadata.WindowWidth(i)/metadata.RescaleSlope - metadata.RescaleIntercept;%处理窗宽数值，这个地方的处理很关键

M=mat2gray(I,[center-(width/2),center+(width/2)]);%归一化

a=strcat(infilename,num2str(i));

a=strcat(a,'.bmp');%输出文件名的操作

imwrite(M,a,'bmp');%输出为文件

subplot(1,lop,i),imshow(a),title(a);%显示

End

其结果下：

可见如此的分离，可以使得器官的识别更简单。

注意：

1、dicomread函数读取DICOM函数后返回的矩阵I，是一个非负的矩阵，这和DICOM图像实际数据有所不同(DICOM的数据是在大约-1000~+1000的数值)，所以要使用RescaleIntercept，RescaleSlope来将这个偏移量在center和width中抵消

2、上述的程序中

center=metadata.WindowCenter(i)/metadata.RescaleSlope - metadata.RescaleIntercept;

width=metadata.WindowWidth(i)/metadata.RescaleSlope - metadata.RescaleIntercept;

是使用RescaleIntercept，RescaleSlope来将这个偏移量在center和width中抵消，但是由于我的DICOM中RescaleSlope为1，所以上述式子在我的实验环境下是可以得到预期的图片，但是对于RescaleSlope为其它的值，上式正确与否暂时不知。