[SimpleITK] Resample函数使用时需要注意的点

def Registration(ori_img, target_img, resamplemethod=sitk.sitkNearestNeighbor):
    # print(" Ori Max Min : ", sitk.GetArrayFromImage(ori_img).max(), sitk.GetArrayFromImage(ori_img).min())
    # print(" Sum of Ori : ", sitk.GetArrayFromImage(ori_img).sum())
    """
    用itk方法将原始图像resample到与目标图像一致
    :param ori_img: 原始需要对齐的itk图像
    :param target_img: 要对齐的目标itk图像
    :param resamplemethod: itk插值方法: sitk.sitkLinear-线性  sitk.sitkNearestNeighbor-最近邻
    :return:img_res_itk: 重采样好的itk图像
    使用示范：
    import SimpleITK as sitk
    target_img = sitk.ReadImage(target_img_file)
    ori_img = sitk.ReadImage(ori_img_file)
    img_r = resize_image_itk(ori_img, target_img, resamplemethod=sitk.sitkLinear)
    """
    target_Size = target_img.GetSize()      # 目标图像大小  [x,y,z]
    target_Spacing = target_img.GetSpacing()   # 目标的体素块尺寸    [x,y,z]
    target_origin = target_img.GetOrigin()      # 目标的起点 [x,y,z]
    target_direction = target_img.GetDirection()  # 目标的方向 [冠,矢,横]=[z,y,x]
    ori_img.SetOrigin(target_origin)  # 设置原始图像的起点为目标图像的起点 （因为勾画的时候没有设置origin，默认为(0,0,0)，但是不影响勾画结果）

    # itk的方法进行resample
    resampler = sitk.ResampleImageFilter()
    resampler.SetReferenceImage(target_img)  # 需要重新采样的目标图像 (这一句话顶下面几句话)
    # 设置目标图像的信息
    # resampler.SetSize(target_Size) # 目标图像大小
    # resampler.SetOutputOrigin(target_origin)
    # resampler.SetOutputDirection(target_direction)
    # resampler.SetOutputSpacing(target_Spacing)
    resampler.SetDefaultPixelValue(0)  # 设置默认像素值
    # 根据需要重采样图像的情况设置不同的dype
    if resamplemethod == sitk.sitkNearestNeighbor:
        resampler.SetOutputPixelType(sitk.sitkUInt16)   # 近邻插值用于mask的，保存uint8
    else:
        resampler.SetOutputPixelType(sitk.sitkFloat32)  # 线性插值用于PET/CT/MRI之类的，保存float32
    resampler.SetTransform(sitk.Transform(3, sitk.sitkIdentity))    
    resampler.SetInterpolator(resamplemethod)
    itk_img_resampled = resampler.Execute(ori_img)  # 得到重新采样后的图像
    # print("  ORi Image Size = ", ori_img.GetSize())
    # print("  ORi Image Spacing = ", ori_img.GetSpacing())
    # print("  ORi Image Origin = ", ori_img.GetOrigin())
    # print("  ORi Image Direction = ", ori_img.GetDirection())
    # print("  Resample Image Size = ", itk_img_resampled.GetSize())
    # print("  Resample Image Spacing = ", itk_img_resampled.GetSpacing())
    # print("  Resample Image Origin = ", itk_img_resampled.GetOrigin())
    # print("  Resample Image Direction = ", itk_img_resampled.GetDirection())
    # print("  Target Image Size = ", target_img.GetSize())
    # print("  Target Image Spacing = ", target_img.GetSpacing())
    # print("  Target Image Origin = ", target_img.GetOrigin())
    # print("  Target Image Direction = ", target_img.GetDirection())
    # print(" Max Min : ", sitk.GetArrayFromImage(itk_img_resampled).max(), sitk.GetArrayFromImage(itk_img_resampled).min())
    
    return itk_img_resampled, target_img

需要注意的点如下：
(1) 注意是mask还是image进行resample，需要采用不同的插值方法
(2) 注意ori_image和target_image之间的origin是否一致，如果不一致的话是否有影响？比如有一次处理mask和image的对齐，发现mask在勾画时用的origin为(0,0,0)，但是不影响mask的位置，所以就应该先把mask.SetOrigin设置成target一样，不然就会在空间内把有效部分移走了。