Dicom医学图像与nii标签数据处理.pdfVIP

Dicom医学图像与nii标签数据处理 Dicom 医学图像与 nii 标签数据处理 Ⅰ. Dicom医学 dicom 图像就长这样 dicom图像的源数据范围相当⼤，⽽转 为图像形式保存的数据则为 uint8 类型，直接转 会有损失，本⽂将其转为 .npy 形式。 Ⅱ. nii标记数据处理 使⽤ITK-SNAP对dicom 图像进⾏标记 同样转 为 .npy 格式 Ⅲ. 综合数据处理 1. code1 使⽤本代码是在dicom数据转 为.npy格式，⽽.nii的标记数据还未进⾏转 的情况下 1 import numpy as np 2 import os #遍历⽂件夹 3 import nibabel as nib #nii格式⼀般都会⽤到这个包 4 import imageio #转换成图像 5 from matplotlib import pyplot as plt 6 import cv2 7 8 def nii_to_ image(niifile) : 9 filenames = os.listdir(filepath) #读取nii⽂件夹 10 slice_trans = [ 11 12 for f in filenames: 13 #开始读取nii⽂件 14 img_ path = os.path.join(filepath, f) 15 img = nib.load(img_ path) #读取nii 16 img_fdata = img.get_fdata() 17 fname = f.replace(.nii,) #去掉nii的后缀名 18 #开始转换为图像 19 (x,y,z) = img.shape 20 for i in range(0,z) : 21 silce = img_fdata[:, :, i 22 slice_trans.append(silce) 23 return slice_trans 24 25 def get_ image_file(file_dir) : 26 image_data = [ 27 files = os.listdir(file_dir) 28 files.sort(key= lambda x :int(x[:-4 )) 29 for file in files: 30 if os.path.splitext(file)[1 == .npy: 31 img_ item = np.load(file_dir + file) 32 image_data.append(img_ item) 33 return image_data 34 35 if __ name__ == __ main__: 36 filepath = ./imgData/seg 37 label = nii_to_ image(filepath) 38 file_dir = ./ Documents/dicom2npy 39 image_data = get_ image_file(file_dir) 40 41 imgfile = ./imgData/label/ 42 for i in range(len(image_data)) : 43 filename_ item = imgfile + st