图像预处理
winner19990120
这个作者很懒,什么都没留下…
展开
-
医学图像预处理----RandomTranslate
class RandomTranslate(object): """ Perfrom random translation about image center """ def __init__(self, maxOffset=[25,25]): self.name = "Random Translate" self.maxOffset = maxOffset def __call__(self, sample): images, label = sample['image'],.原创 2021-12-06 16:12:26 · 2553 阅读 · 0 评论 -
医学图像预处理----Padding
class Padding(object): """ Add padding to the image if size is smaller than patch size Args: output_size (tuple or int): Desired output size. If int, a cubic volume is formed """ def __init__(self, output_size): self.name = 'Padding' assert .原创 2021-12-06 16:09:24 · 147 阅读 · 0 评论 -
医学图像预处理----RandomCrop(随机剪裁)
class RandomCrop(object): """ Crop randomly the image in a sample. This is usually used for data augmentation. Drop ratio is implemented for randomly dropout crops with empty label. (Default to be 0.2) This transformation only applicable in train mode.原创 2021-12-06 16:07:52 · 837 阅读 · 0 评论 -
医学图像预处理----Reorient(重新定向)
sitk.PermuteAxesImageFilter() 根据用户指定的顺序排列图像轴。class Reorient(object): """ (Beta) Function to orient image in specific axes order The elements of the order array must be an permutation of the numbers from 0 to 2. """ def __init__(self, order): se.原创 2021-11-29 21:46:36 · 489 阅读 · 0 评论 -
医学图像预处理----ManualNormalization(手动归一化,即窗宽窗位的设定)
通过给定的最大和最小窗口级别映射强度来标准化图像sitk.IntensityWindowingImageFilter()将线性变换应用于用户定义的间隔内的输入图像的强度级别。 低于此间隔的值被映射到一个常数,区间内的值被映射到另一个常量class ManualNormalization(object): """ Normalize an image by mapping intensity with given max and min window level """ def __in原创 2021-11-29 21:34:54 · 317 阅读 · 0 评论 -
医学图像预处理----ExtremumNormalization(极值归一化)
通过用最大值和最小值映射强度来标准化图像sitk.StatisticsImageFilter()计算 Image 的最小值、最大值、方差和平均值。sitk.IntensityWindowingImageFilter()将线性变换应用于用户定义的间隔内的输入图像的强度级别。 低于此间隔的值被映射到一个常数。 区间内的值被映射到另一个常量。class ExtremumNormalization(object): """ Normalize an image by mapping inten原创 2021-11-29 20:42:03 · 2210 阅读 · 0 评论 -
医学图像预处理----RandomFlip(随机翻转)
class RandomFlip(object): """ Randomly Flip image by user specified axes """ def __init__(self, axes): self.name = 'Flip' assert len(axes)>0 and len(axes)<=3 self.axes = axes def __call__(self, sample): image.原创 2021-11-29 20:10:03 · 1426 阅读 · 0 评论 -
医学图像预处理----Normalization(归一化)
class Normalization(object): """ Normalize an image to 0 - 255 """ def __init__(self): self.name = 'Normalization' def __call__(self, sample): resacleFilter = sitk.RescaleIntensityImageFilter() resacleFilter.SetOutputMaximum(255) resacleFil.原创 2021-11-29 17:28:50 · 2004 阅读 · 1 评论 -
医学图像预处理----StatisticalNormalization
基于统计的窗口化操作,根据图像的统计信息,例如图像均值作为窗口中心,正负2.5(这个值并非固定)的方差作为窗口宽度class StatisticalNormalization(object): """ Normalize an image by mapping intensity with intensity distribution """ def __init__(self, sigma, pre_norm=False): self.name = 'StatisticalNorma原创 2021-11-29 15:20:26 · 1916 阅读 · 0 评论 -
医学图像预处理----重采样(Resample)
前言:在医学图像中,重采样是指将医疗图像中大小不同的体素归一化到相同的大小。体素是体积元素(Volume Pixel)的简称,一张3D医学图像可以看成是由若干个体素构成的,体素是一张3D医疗图像在空间上的最小单元。重采样过程:对医学图像中体素的理解。Spacing(0.7422, 0.7422, 8.0)表示的是原始图像体素的大小,也可以将Spacing想象成大小为(0.7422, 0.7422, 8.0)的长方体。而原始图像的Size为 (512, 512, 22),表示的是原始在X轴,Y轴,原创 2021-11-29 11:14:10 · 3445 阅读 · 0 评论