【CT值与灰度值的总结】

概述

    首先， 我们要理解， CT值和灰度值这两者根本就不是同一个东西， 不要被一些网络上的文章所误解。

接下来， 就要看你具体是要处理哪种格式的文件了， 是DICOM 还是 NIFTI ； 文件格式不同 ， 用来做解析的Python 库也就不同，

譬如，要处理DICOM类型的数据， 一般会用 simpleitk, pydicom 库 ； 

而 NIFTI类型的数据更多使用 Nibabel 库， 或者是 simpleitk 也是可以的。

https://blog.csdn.net/normol/article/details/88313888

其实无论对于dcm还是nii格式的图片，只要是ct图，就都可以选择将储存的原始数据转化为Hu值，因为Hu值即代表了物体真正的密度。

对于nii格式的图片，经过测试，nibabel, simpleitk常用的api接口，都会自动的进行上述转化过程，即取出来的值已经是Hu了。

(除非专门用nib.load('xx').dataobj.get_unscaled()或者itk.ReadImage('xx').GetPixel(x,y,z)才能取得原始数据）

对于dcm格式的图片，经过测试，simpleitk, pydicom常用的api接口都不会将原始数据自动转化为Hu！！(itk snap软件读入dcm或nii都不会对数据进行scale操作)  

下面就以我使用的 NIFTI 格式的文件以及 Nibabel 库为例：

使用 nibabel 自带的 load函数读取 xxx. nii.gz 格式的压缩文件， 得到的 shape 和 type 如下

(64, 512, 512) the type of image array is

使用 get_fdata() 将上面这种格式的数组转换为 ndarray 类型的数组， 

然后查看数组当中的值，以及类型（是 dtype 不是 type）

the data format  is  float64 the min value in array is  -1024.0 the max value in array is  2125.0

是一个 -1024——2125 的矩阵， 如果你有一些关于 CT图像相关的知识，你就会知道现在的这个数组，

就是一个由 CT值 ，也就是常说的 HU值所组成的。

初次接触 CT图像的处理， 得到了这个CT值矩阵之后， 我就使用OpenCV 的 Imshow 来看了一下， 当时并没有发现什么

太大的问题， （这里暂且不提问题所在， 留到后面）

在网上看了一些资料后， 我发现还需要对CT值矩阵进行 windowing 操作，

也就是调整 窗宽（window width）和窗位( window level )， 这两者分别对应图像的对比度与亮度。

（详细说明见： ）

然后我就按照windowing 的方法， 使用numpy.clip 调整了一下我们 CT值矩阵， 

得到了一个新的，经过处理的CT值举证， 然后我又使用 cv2.imshow 来输出， 

然后我便发现，这次的输出和没调整之前的输出是一模一样的， 我又重新调整了一下 windowing 操作的数值， 

然而发现也是毫无效果，只是当你取了较小的值时， 会输出一片黑， 较大的值会输出一片白，仅此而已。

1 为 （512x512x1）的CT 值矩阵 Imshow的图像 

2位 其经过windowing 之后的图像

3， 4 分别为上面说的全白和全黑

12

34

困惑的我又试图比较了这两次输出图像的直方图， 这时我发现，这二者的直方图根本就是天差地别，

也就是说他们两个根本不是同一张图像， 只是发生了的改变我观察不到。

经过我一番查阅， 问题可能是出在了我直接使用 imshow 输出范围较大的 CT值矩阵。

当你使用OpenCV的时候，对于黑白图像，它存储的是图像的灰度值，存储的形式类似于一个二维数组； 对于彩色图像，它分为三通道存储，三通道对应于RGB。 这里我们着重讨论黑白图像，因为彩色图像相当于它的扩展。 灰度值用0到255间的整数表示，

而对于CT图像，它的像素值的表示比较复杂（这里与其说是像素值不是说是CT值， 即HU值）， 从负几千到正几千都有，我们可以使用ITK依次读取CT图像的每个像素值， 并可以将其每个像素值保存在Mat中，但这时通过opencv的imshow函数不能够显示出来， 可以进行适当的处理，将像素值变换到0到255的范围显示出来。  

从上面的描述中，我们可以看到不能直接将 CT 值作为传统意义上的像素值进行输出， 而是要经过一个变换，

或者称其为映射 ；

映射的公式如下

也就是说windowing 操作之后， 还要执行一个由 CT值向灰度值的映射， 

这里给出我随机给的两组数， 其调试出来的值， 

说明这种方法对于改变亮度 和 对比度都是有效的 ， 

具体的值如何给定， 还需要根据你的数据以及任务来看。

这阶段到此结束， 希望我的分享能够帮到你一点点。