CT图像-- 针对direction影响的准确处理

前言

常见CT图像格式有.mhd(.raw)，.dcm，.nii.gz。
进行深度学习研究时，一般都需由CT图像获取数组。
CT图像的direction通常为(1,0,0,0,1,0,0,0,1)，但也有其他情况，比如(-1,0,0,0,-1,0,0,0,1)。
若：
（1）已知CT图像中某点的世界坐标，想获取其像素坐标；
或（2）已知某点的像素坐标，想获取其世界坐标；
则需考虑direction的影响！

处理办法

1. 已知CT图像中某点的世界坐标w_co，想获取其像素坐标v_co
   v_co = np.absolute(w_co - origin) / spacing

2. 已知某点的像素坐标v_co，想获取其世界坐标w_co（）
   case1. direction=(1,0,0,0,1,0,0,0,1)
   w_co = origin + v_co * spacing
   case2. direction=(-1,0,0,0,-1,0,0,0,1)
   w_x = origin_x - v_xspacing_x + shape[2]
   w_y = origin_y - v_yspacing_y + shape[1]
   w_z = origin_z + v_x*spacing_z
   其他情况，以此类推~

3. 附：根据direction翻转数组的代码

   # 根据direction, 判断/调整数组
   def adjust_array(direction, array):
       if direction[0] == -1.0:
           np.flip(array, axis=2)
       if direction[4] == -1.0:
           np.flip(array, axis=1)
       if direction[8] == -1.0:
           np.flip(array, axis=0)
       return array