【ITK库学习】使用itk库进行图像滤波ImageFilter：亮度的线性映射

已于 2023-12-07 10:42:06 修改
阅读量1.1k 收藏 20
点赞数 29
分类专栏： ITK 文章标签： 学习 c++ 图像处理 算法
于 2023-12-04 18:17:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41804847/article/details/134782400
版权

目录

1、itkCastImageFilter

该类的主要功能是将输入像素转换为输出像素类型。

该过滤器根据输入图像类型和输出图像类型进行模板化，它是对输入图像进行pixel-wise，并不对像素的亮度值做处理。

即将图像 itk::Image<type1, dim> 投射到：itk::Image<type2, dim>
也可以将：itk::VectorImage<type1, dim> 投射到：itk::VectorImage<type2, dim>

注：如果需要执行降维，可能需要使用ExtractImageFilter而不是CastImageFilter。

示例代码：

#include "itkImage.h"
#include "itkCastImageFilter.h"

const unsigned int  Dimension = 3;       //数据的Dimension

typedef signed short shortPixelType;
typedef itk::Image<shortPixelType, Dimension> ShortImageType;
typedef float floatPixelType;
typedef itk::Image<floatPixelType, Dimension> FloatImageType;

bool castImage(FloatImageType* image, ShortImageType* outImage)
{
	typedef itk::CastImageFilter<FloatImageType, ShortImageType> castFilter;
	typename castFilter::Pointer cast = castFilter::New();
	cast->SetInput(image);
	try
	{
		cast->Update();
	}
	catch (itk::ExceptionObject& ex)
	{
		//读取过程发生错误
		std::cerr << "Error: " << ex << std::endl;
		return false;
	}

	outImage = cast->GetOutput();
	return true;
}

2、itkRescaleIntensityImageFilter

该类的主要功能是对输入图像的强度级别进行线性变换。

它对输入图像像素的强度值应用逐像素线性变换，线性变换由用户根据输出图像应具有的最小值和最大值来定义，会将图像的动态范围强制转换为合适于图像显示常见的一个特定范围。

强度值的映射方程：
在这里插入图片描述

在将计算值分配给输出像素之前，所有计算均以输入像素的RealType精度进行。

它是一个简单的像素值重映射滤波器，可以将像素值的范围从一个区间重映射到另一个区间。它的主要用途是调整图像的对比度和亮度。它的使用方法是使用SetOutputMinimum()和SetOutputMaximum()方法设置输出的最小和最大值，然后将输入图像作为输入参数传递给RescaleIntensityImageFilter的Update()方法，即可得到重映射后的输出图像。

注意：在此过滤器中，输入图像的最小值和最大值是使用MinimumMaximumImageCalculator在内部计算的，用户不应在此过滤器中设置这些值；如果需要一个可以设置最小值和最大值的过滤器，请使用IntensityWindowingImageFilter；如果想要一个可以使用用户定义的强度线性变换的过滤器，请使用ShiftScaleImageFilter。

常用的成员函数：

  • SetImage()：设置输入图像
  • Set/GetOutputMaximum/Minimum()：设置/获取输出图像的最大值/最小值
  • GetInputMaximum/Minimum()：获取输入图像的最大值/最小值
  • GetScale()：获取用于灰度值线性变换的缩放，仅在过滤器Update后才有效
  • GetShift()：获取用于灰度值线性变换的偏移，仅在过滤器Update后才有效

示例代码：

#include "itkImage.h"
#include "itkRescaleIntensityImageFilter.h"

const unsigned int  Dimension = 3;       //数据的Dimension

typedef double doublePixelType;
typedef itk::Image<doublePixelType, Dimension> DoubleImageType;
typedef unsigned char charPixelType;
typedef itk::Image<charPixelType, Dimension> CharImageType;

bool rescaleIntensityImage(DoubleImageType* image, CharImageType* outImage)
{
	typedef itk::RescaleIntensityImageFilter<DoubleImageType, CharImageType> rescaleIntensityFilter;
	typename rescaleIntensityFilter::Pointer rescaleFilter = rescaleIntensityFilter::New();
	rescaleFilter->SetInput(image);
	//rescaleFilter->SetOutputMaximum(1000);    //根据需求自行判断是否设置及具体参数值
	//rescaleFilter->SetOutputMinimum(100);
	try
	{
		rescaleFilter->Update();
	}
	catch (itk::ExceptionObject& ex)
	{
		//读取过程发生错误
		std::cerr << "Error: " << ex << std::endl;
		return false;
	}
	double maxInput= rescaleFilter->GetInputMaximum();
	double minInput = rescaleFilter->GetInputMinimum();
	double maxOutput = rescaleFilter->GetOutputMaximum();
	double minOutput = rescaleFilter->GetInputMinimum();
	double scale = rescaleFilter->GetScale();
	double shift = rescaleFilter->GetShift();

	outImage = rescaleFilter->GetOutput();
	return true;
}

3、itkIntensityWindowingImageFilter

该类是对用户定义区间内的输入图像的强度级别应用线性变换。超出此区间的值将映射为常量，区间内的值被映射到另一个常量。

它是一个更高级的像素值窗位窗宽调整滤波器，可以根据指定的窗位和窗宽参数，将图像的像素值映射到一个指定范围。它的主要用途是调整医学图像的窗位窗宽以显示感兴趣的区域。它的使用方法是使用SetWindowMinimum()和SetWindowMaximum()方法设置窗位和窗宽的范围，然后将输入图像作为输入参数传递给IntensityWindowingImageFilter的Update()方法，即可得到窗位窗宽调整后的输出图像。

所以，itkRescaleIntensityImageFilter更适用于简单的像素值范围重映射，而itkIntensityWindowingImageFilter更适用于医学图像的窗位窗宽调整。

常用的成员函数：

  • SetImage()：设置输入图像
  • Set/GetOutputMaximum/Minimum()：设置/获取输出图像的最大值/最小值
  • Set/GetWindowMaximum/Minimum()：设置/获取输入强度窗口的最大/最小强度值
  • SetWindowLevel()：设置/获取窗宽和窗位，这是使用SetWindowMinimum()/ SetWindowMaximum() 的替代API，窗口最小值和最大值设置为[level-window/2, level+window/2]
  • GetScale()：获取用于灰度值线性变换的缩放，仅在过滤器Update后才有效
  • GetShift()：获取用于灰度值线性变换的偏移，仅在过滤器Update后才有效

示例代码：

#include "itkImage.h"
#include "itkIntensityWindowingImageFilter.h"

const unsigned int  Dimension = 3;       //数据的Dimension

typedef double doublePixelType;
typedef itk::Image<doublePixelType, Dimension> DoubleImageType;
typedef unsigned char charPixelType;
typedef itk::Image<charPixelType, Dimension> CharImageType;

bool intensityWindowingImage(CharImageType* image, DoubleImageType* outImage)
{
	typedef itk::IntensityWindowingImageFilter<CharImageType, DoubleImageType> IntensityFilterType;
	typename IntensityFilterType::Pointer intensityWindowingFilter = IntensityFilterType::New();
	intensityWindowingFilter->SetInput(image);
	intensityWindowingFilter->SetWindowMinimum(100);
	intensityWindowingFilter->SetWindowMaximum(1000);
	intensityWindowingFilter->SetOutputMinimum(0.0);
	intensityWindowingFilter->SetOutputMaximum(255.0); // double but in the range of chars.
	try
	{
		intensityWindowingFilter->Update();
	}
	catch (itk::ExceptionObject& ex)
	{
		//读取过程发生错误
		std::cerr << "Error: " << ex << std::endl;
		return false;
	}

	outImage = intensityWindowingFilter->GetOutput();
	return true;
}

4、itkShiftScaleImageFilter

该类同样应用一个输入图像亮度的线性变换，移动和缩放图像中的像素。

它将输入像素偏移Shift（默认 0.0），然后按Scale（默认 1.0）缩放像素，所有计算均以输入像素的 RealType精度进行。在将计算值分配给输出像素之前，该值被钳制在像素类型的NonpositiveMin和 max处。

映射方程为：
在这里插入图片描述
常用的成员函数：

  • SetImage()：设置输入图像
  • Set/GetScale()：设置/获取缩放像素的比例因子，比例在移位之后应用
  • Set/GetShift()：设置/获取像素的偏移量，转变之后是一个尺度
  • GetUnderflowCount/OverflowCount()：获取下溢和上溢的像素数

示例代码：

#include "itkImage.h"
#include "itkShiftScaleImageFilter.h"

const unsigned int  Dimension = 3;       //数据的Dimension
typedef signed short shortPixelType;
typedef itk::Image<shortPixelType, Dimension> ShortImageType;

bool shiftScaleImage(ShortImageType* image, ShortImageType* outImage)
{
    typedef	itk::ShiftScaleImageFilter<ShortImageType, ShortImageType> ShiftScaleFilterType;
	typename ShiftScaleFilterType::Pointer shiftScaleFilter = ShiftScaleFilterType::New();
	shiftScaleFilter->SetInput(image);
	shiftScaleFilter->SetScale(1.2);    //设置缩放的比例因子
	shiftScaleFilter->SetShift(300);    //设置偏移量
	try
	{
		shiftScaleFilter->Update();
	}
	catch (itk::ExceptionObject& ex)
	{
		//读取过程发生错误
		std::cerr << "Error: " << ex << std::endl;
		return false;
	}
	int underflowCount = shiftScaleFilter->GetUnderflowCount();
	int overflowCount = shiftScaleFilter->GetOverflowCount();

	outImage = shiftScaleFilter->GetOutput();
	return true;
}

5、itkNormalizeImageFilter

该类的主要功能是通过将图像的均值设置为0并将方差设置为1来标准化图像。

该类会移动和缩放图像，以便图像中的像素具有0均值和单位方差。此过滤器使用StatisticsImageFilter来计算输入的均值和方差，然后应用ShiftScaleImageFilter来移动和缩放像素。

itkNormalizeImageFilter用于将像素值归一化到指定的范围，可以根据给定的最小值和最大值来进行归一化操作，使得图像的像素值在指定范围内分布。

注意：由于该过滤器对数据进行归一化，使得平均值为0，并且-σ到+σ映射到-1.0到1.0，因此输出图像积分类型将生成一个不具有单位方差的图像，因为68%强度值映射到-1.0到1.0的实数范围，然后转换为输出积分值。

映射方程为：
在这里插入图片描述
示例代码：

#include "itkImage.h"
#include "itkNormalizeImageFilter.h"

const unsigned int  Dimension = 3;       //数据的Dimension

typedef double doublePixelType;
typedef itk::Image<doublePixelType, Dimension> DoubleImageType;
typedef unsigned char charPixelType;
typedef itk::Image<charPixelType, Dimension> CharImageType;

bool ITKThresholdFilterCode::normalizeImage(CharImageType* image, DoubleImageType* outImage)
{
    typedef itk::NormalizeImageFilter<CharImageType, DoubleImageType> NormalizeFilterType;
	typename NormalizeFilterType::Pointer normalizeFilter = NormalizeFilterType::New();
	normalizeFilter->SetInput(image);
	try
	{
		normalizeFilter->Update();
	}
	catch (itk::ExceptionObject& ex)
	{
		//读取过程发生错误
		std::cerr << "Error: " << ex << std::endl;
		return false;
	}

	outImage = normalizeFilter->GetOutput();
	return true;
}

6、itkNormalizeToConstantImageFilter

该类是使缩放图像像素强度以使所有像素的总和等于用户定义的常数。

它是itkNormalizeImageFilter的一个子类，它只将图像归一化到一个特定的常数值，不设置最小值和最大值。它会将图像中所有的像素值都除以一个常数，使得最终的像素值都等于这个常数值（默认为1）。这个常数值可以通过**SetConstant()**方法设置。

这种变换对于标准化卷积核特别有用。

常用的成员函数：

  • SetImage()：设置输入图像
  • Set/GetConstant()：设置/获取归一化常数

示例代码：

#include "itkImage.h"
#include "itkNormalizeToConstantImageFilter.h"

const unsigned int  Dimension = 3;       //数据的Dimension
typedef float floatPixelType;
typedef itk::Image<floatPixelType, Dimension> FloatImageType;

bool normalizeToConstantImage(FloatImageType* image, FloatImageType* outImage)
{
	typedef itk::NormalizeToConstantImageFilter<FloatImageType, FloatImageType> NormalizeToConstantImageFilterType;
	typename NormalizeToConstantImageFilterType::Pointer normalizeToConstantFilter =
		NormalizeToConstantImageFilterType::New();
	normalizeToConstantFilter->SetInput(image);
	normalizeToConstantFilter->SetConstant(1);
	try
	{
		normalizeToConstantFilter->Update();
	}
	catch (itk::ExceptionObject& ex)
	{
		//读取过程发生错误
		std::cerr << "Error: " << ex << std::endl;
		return false;
	}
	
	outImage = normalizeToConstantFilter->GetOutput();
	return true;
}
leafpipi
关注
  • 29
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ITK图像分割与配准学习笔记2（图像滤波）.txt
12-03
本资源包含入门ITK图像滤波中实例源码和用到...本资源配套CSDN博客“基于C++的ITK图像分割与配准学习笔记2（图像滤波）”，可 前往查看具体原理和实现效果！！！ 希望对大家有帮助,好的话帮忙点个赞哦！感谢支持！！！
【ITK库学习】使用itk库进行图像滤波ImageFilter：非线性映射
weixin_41804847的博客
12-05 470
其中：f(x)：输出像素值，x：输入的像素值，Min和Max是输入图像最大最小值，alpha：输入亮度范围的宽度，beta：围绕在范围中心的亮度。该类是按像素计算sigmoid函数，是一个平滑、连续的非线性形式变换函数。注：α和β均可有正有负。
【ITK库学习】使用itk库进行图像滤波ImageFilter：频域滤波
weixin_41804847的博客
12-14 1158
该滤波器使用 FFT 而不是空间相关来计算两个图像的归一化互相关 (NCC)，对于相当大的结构元素，它比空间关联要快得多，该过滤器是更通用的 MaskedFFTNormalizedCorrelationImageFilter 的子类，其操作原理是将该算法中的掩码设置为图像，正如下面的参考文献中详细描述的，利用更通用的掩模算法没有计算消耗，因为计算仍然需要对图像进行 FFT。该滤波器的工作原理是将翻转后的内核集中在图像中的每个像素处，并计算图像中的像素值与内核中的像素值之间的内积。
【ITK库学习】使用itk库进行图像滤波ImageFilter：二阶微分
weixin_41804847的博客
12-07 1045
另外，请注意，itkRecursiveGaussianImageFilter 有 SetSigma()，itkDiscreteGaussianImageFilter 有 SetVariance()。它是包含itkRecursiveGaussianImageFiter的一个便捷的滤波器，可以简化它的使用。通过与高斯的二阶导数卷积来计算图像的拉普拉斯高斯 (LoG)，该滤波器是使用递归高斯滤波器实现的。该类用于计算具有高斯核近似值的 IIR 卷积的基类。该类是递归滤波器的基类，它与高斯核近似卷积。
【ITK库学习】使用itk库进行图像滤波ImageFilter：三种边缘检测
weixin_41804847的博客
11-30 1128
检测平滑图像的拉普拉斯算子的零交叉， 输出图像。
ITK图像分割与配准学习笔记3（图像分割）.txt
12-03
本资源包含入门ITK图像分割中实例源码和用到的素材文件： 包含： 区域增长算法（连接门限、OTSU、...本资源配套CSDN博客“基于C++的ITK图像分割与配准学习笔记3（图像分割）”，可 前往查看具体原理和实现效果！！！
ITK:共享实现在ITK平台上运行的代码的存储库
05-14
功能扩散熵映射样本熵2D 后勤对比增强图像质量指标自动电导图像计算器全局Logistic对比度增强图像过滤器模块：细分广义熵阈值多种物流分类安装步骤Example文件夹中提供的简单代码可以用作使用此存储库中提供的所有...
零基础入门ITK医学图像分割资料汇总.txt
12-03
本资源为本人自己学习后整理的一些实用资料，分享给开始入门学习ITK进行医学图像分割的同学，ITK 是一个开放 源码、面向对象的软件系统，提供一个医学图像处理、图像分割与配准的算法平台，对医学图像进行二维、三维...
ITK图像分割与配准学习笔记1 (图像数据表达-图像).txt
12-03
创建图像(手动创建一个itk::Image类) 实例3?从文件读取PNG图像 实例4?访问像素数据 实例5?定义图像原点和间距 实例6?RGB图像像素色彩成分的访问 实例7?向量图像（将一个向量存储到一个图像像素中） 实例8?从缓冲器中...
FME学习之旅---day27
最新发布
summer_corner的博客
05-17 193
我们付出一些成本，时间的或者其他，最终总能收获一些什么。
使用多实例学习进行乳腺癌组织病理学图像分类和定位
qq_47896523的博客
05-16 1091
乳腺癌是女性最主要的死亡原因，病理学家根据病理切片中观察到的各种视觉特征（例如细胞核的形态特征、细胞核的微观和宏观结构等）做出决定。计算机辅助诊断（CAD）系统可以帮助病理学家自动做出决策。卷积神经网络是最广泛使用的深度学习框架，用于学习图像类别之间的复杂判别特征。多年来，VGG16 [3] 和 ResNet18 [4] 等各种 CNN 架构在海量 ImageNet 数据集上产生了出色的结果。CNN 被用于医学图像以产生最先进的结果。为图像中存在的所有类别提供了定位信息。
WEB转Flutter基础学习笔记（内含vue和flutter对比）
小易不止于搬砖的博客
05-17 667
笔者是一名web前端，记录在转栈flutter时的学习笔记，内涵和vue的对比，能够辅助前端同学更容易理解flutter
Page对象的学习
2301_77523055的博客
05-14 1003
ASP.NET允许开发者创建自定义控件和用户控件来扩展页面的功能。自定义控件是从现有的ASP.NET控件派生出来的新控件，而用户控件则是将多个控件组合成一个可重用的单元。这些控件可以像其他ASP.NET控件一样在页面上使用，并通过Page对象进行交互。Page_Init主要用于在控件加载之前进行初始化设置和添加事件处理程序。Page_Load主要用于处理页面回发和加载数据，以及执行其他需要在页面加载时完成的逻辑。由于Page_Init在Page_Load之前触发，因此在Page_Init。
学习kong官方文档
好好学习日记
05-17 271
当然，我会用更简洁的方式重新解释这两个概念：Helm和Kubectl是Kubernetes生态系统中常用的两个工具，它们各自有不同的用途：
推荐系统学习笔记（一）
weixin_44880995的博客
05-15 145
同类策略（精排中的两种模型）天然互斥，并且（两条召回通道）效果会相互影响，避免干扰。反转：有的指标立刻影响，有的需要长期观测-------尽快推全也可以长期观测。10%作为holdout桶，实验使用剩余的90%，做diff（需要归一化）不同策略（添加召回通道，优化粗排模型）通常不会干扰，可以作为正交的两层。保留10%，完全不受实验影响，可以考察整个部门对业务指标的贡献。同层互斥----避免一个用户被两个实验影响。不同层正交----每层独立随机分配用户。推全：新层，与其他层正交，90%用户。
DB类的学习
2301_77523055的博客
05-15 365
"不返回结果集" 意味着执行 SQL 语句后，你不会得到一个可以逐行读取的数据集。相反，你可能会得到一个表示受影响的行数的整数，或者只是一个表示命令是否成功执行的确认。
RustGUI学习（iced/iced_aw）之扩展小部件（十九）：如何使用context_menu部件来创建右击菜单？
用沸腾的热血，支付我们的人生吧！
05-15 66
本专栏是学习Rust的GUI库iced的合集，将介绍iced涉及的各个小部件分别介绍，最后会汇总为一个总的程序。iced是RustGUI中比较强大的一个，目前处于发展中（即版本可能会改变），本专栏基于版本0.12.1.
docker学习和常用命令
OutRoading的博客
05-14 183
镜像仓库datahub。
itk:使用多线程过滤图像
07-28
ITK（Insight Segmentation and Registration Toolkit）是一个开源的图像处理库，提供了丰富的图像过滤和分析功能。其中之一的多线程图像过滤功能，是对图像进行并行处理的重要特性。 使用多线程过滤图像可以显著提高图像处理的效率。多线程技术可以将图像划分成多个区域，每个线程负责处理一个区域，同时进行处理。比如，对一幅图像进行平滑操作时，可以将图像分割成多个块，每个线程对其中一个块进行平滑处理，最后再将结果合并。 多线程过滤图像的步骤如下： 1. 导入ITK库，并创建图像对象。 2. 设置多线程过滤器的参数，比如平滑半径、滤波类型等。 3. 创建多线程过滤器对象，并将图像对象作为输入。 4. 调用多线程过滤器的Update()函数进行处理。 5. 获取处理后的结果，可以保存为新的图像文件或进行后续分析。 多线程过滤图像的好处是可以充分利用计算机的多核处理器，提高处理速度，特别是对大规模的图像数据而言。同时，多线程过滤图像可以减少对内存的占用，提高了程序的稳定性。 然而，使用多线程过滤图像也有一些需要注意的地方。首先，需要合理调节线程数量，避免过多的线程导致资源竞争或者过多的开销。其次，需要注意线程之间的同步问题，以避免出现数据冲突等错误。最后，不同的图像过滤器可能对多线程支持的程度有所不同，需要进行相应的测试和优化。 总之，ITK提供了强大的多线程图像过滤功能，可以提高图像处理的效率和准确性。使用多线程过滤图像需要合理设置参数并处理同步问题，以充分发挥多核处理器的优势。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值