医学影像中用 python 读取 nrrd 文件、nrrd转nii、nrrd转h5 |
您所在的位置：网站首页 › h5支持什么格式的图片打开文件 › 医学影像中用 python 读取 nrrd 文件、nrrd转nii、nrrd转h5 |
医学影像中用 python 读取 nrrd 文件、nrrd转nii、nrrd转h5
|
pip 安装 pip install pynrrd源码安装 pip install git+https://github.com/mhe/pynrrd.git cd pynrrd pip install . // 注意不要忘了最后的小点 2 读取 nrrd 文件 //先导入 nrrd 库 import nrrd data_path=r'你自己的 nrrd 文件路径’ data,options=nrrd.read(data_path) # 读入 nrrd 文件 ''' data：保存图片的多维矩阵; nrrd_options：保存图片的相关信息 ''' 可以打印查看data 和 nrrd_options 里面的内容： print(data) print(options)
正常情况下读取出来的 nrrd 数据应该都是类似这种的格式:[w, h, n]第三维度保存的是图像的序号； 但是在一些情况先我们读出来的数据格式是：[c, w, h, n] ;这乍一看没啥为题，就是多了第一维度的通道信息。 4 将 nrrd 矩阵转换为图像数据 4.1 数据格式为[w, h, n] import nrrd import PIL from PIL import Image data_path = './data/laendo.nrrd' data, options = nrrd.read(data_path) # 读入nrrd文件 ''' data:保存图片的多维矩阵 nrrd_options:保存图片的相关信息 ''' print(data) print(options) # 查看nrrd文件的形状 print(data.shape) img = Image.fromarray(data[:, :, 50]) temp_path = './data/temp_img.png' img.convert('RGB').save(temp_path) 4.2 数据格式为[c, w, h, n]我的 nrrd 文件转成图像后是用于深度学习， data.shape = (3, 512, 512, 237) 所以就先将其转换为PIL 格式（需要用到PIL库） import PIL # 测试PIL库是否安装成功 from PIL import Image img=Image.fromarray(data[:,:,20]) # 截取第20张图片究其原因，是因为[c, w, h, n]中，c的原因；如果要想成功的将其转换为图像数据，可以使用下面这条命令 img=Image.fromarray(data[1,:,:,20]) # 截取第一个通道的第20张图片但是我经过对比，发现三个通道上的信息不同，如果随意选择一个进行提取，那么就会丢失另外两个通道的信息。后面我问其他人，他们说第一个维度上的数值还有为 2 的，瞬间就给我整懵了。 后来经过查询以及对三个通道的图像对比，怀疑第一维度上面的信息可能表示 患者接受扫描的期相，1 表示平扫，只有一期；2 表示增强，有动脉期和静脉期；3 表示造影，有动脉期、静脉期和平衡期。 同时从扫描角度考虑，在这几个扫描期相中，患者的位置是相对固定的，也就是说我们可以随意选择其中一个期相都可以；但是反过来，我们可以将所有期相的数据都利用上。 如果只是想随意选择其中的一个期相，使用上面一个命令即可，如果想将所有的期相都用起来，那么需要增加一个循环。 for j in range(img.shape[0]): for i in range(img.shape[3]): img=Image.fromarray(data[j,:,:,i]) # 截取第j个通道的前i张图 //循环结束后，就可以将所有数据都提取出来并直接转换为图片数据 //最后贴一个相对比较完整的代码 import PIL import nrrd import os data_path=./data/PA1.nrrd # nrrd 文件的保存路径 save_path=./data/save # 图片数据的保存文件夹 # 检查路径 assert os.path.exists(data_path), data_path+' : path error !' if not os.paht.exists(save_path): os.makedir(save_path) data, options = nrrd.read(data_path) for j in range(data.shape[0]): for i in range(data.shape[3]): img=Image.fromarray(data[j,:,:,i]) # 截取第j个通道的前i张图 temp_path=save_path + '/' + str(j) + '_' + str(i) +'.png' img.convert('RGB').save(tmp_path) # 保存图像数据 //循环结束后，就可以将所有数据都提取出来并直接转换为图片数据 5 nrrd转nii import nrrd import nibabel as nib import numpy as np # nrrd 文件保存路径 data_path=r'./data/1.nrrd' save_path='./data/1.nii' data,options=nrrd.read(data_path) # 读取 nrrd 文件 img=nib.Nifti1Image(data,np.eye(4)) # 将 nrrd 文件转换为 .nii 文件 nib.save(img,save_path) # 保存 nii 文件 6 nrrd转h5 Download heart MRI data MICCAI 2018 Atrial Segmentation Challenge.Pre-processing data like existing work UA-MT import numpy as np from glob import glob from tqdm import tqdm import h5py import nrrd output_size = [112, 112, 80] def covert_h5(): listt = glob('../../LA_dataset/2018LA_Seg_Training Set/*/lgemri.nrrd') for item in tqdm(listt): image, img_header = nrrd.read(item) label, gt_header = nrrd.read(item.replace('lgemri.nrrd', 'laendo.nrrd')) label = (label == 255).astype(np.uint8) w, h, d = label.shape tempL = np.nonzero(label) minx, maxx = np.min(tempL[0]), np.max(tempL[0]) miny, maxy = np.min(tempL[1]), np.max(tempL[1]) minz, maxz = np.min(tempL[2]), np.max(tempL[2]) px = max(output_size[0] - (maxx - minx), 0) // 2 py = max(output_size[1] - (maxy - miny), 0) // 2 pz = max(output_size[2] - (maxz - minz), 0) // 2 minx = max(minx - np.random.randint(10, 20) - px, 0) maxx = min(maxx + np.random.randint(10, 20) + px, w) miny = max(miny - np.random.randint(10, 20) - py, 0) maxy = min(maxy + np.random.randint(10, 20) + py, h) minz = max(minz - np.random.randint(5, 10) - pz, 0) maxz = min(maxz + np.random.randint(5, 10) + pz, d) image = (image - np.mean(image)) / np.std(image) image = image.astype(np.float32) image = image[minx:maxx, miny:maxy] label = label[minx:maxx, miny:maxy] print(label.shape) f = h5py.File(item.replace('lgemri.nrrd', 'mri_norm2.h5'), 'w') f.create_dataset('image', data=image, compression="gzip") f.create_dataset('label', data=label, compression="gzip") f.close() if __name__ == '__main__': covert_h5() |
用 python 读取 nrrd 文件一般使用 pynrrd 这个库
【本文地址】
公司简介
联系我们
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |