Как работать с отрицательными значениями пикселей в изображениях, загруженных с помощью simpleITK

Я работал с изображениями сканирования DICOM CT. Я использовал simleITK для чтения изображений в массив numpy. Но значения пикселей изображения являются отрицательными значениями с плавающей запятой, как показано на изображении, а dtype каждого пикселя - float32. Как преобразовать значения этих пикселей, чтобы иметь возможность обучать модель TensorFlow 3D CNN?

# Read the .nii image containing the volume with SimpleITK:
sitk_obj = sitk.ReadImage(filename)

# and access the numpy array:
image = sitk.GetArrayFromImage(sitk_obj)

отрицательные значения пикселей отрицательные значения пикселей

Читаемые изображения имеют разные формы, как я могу изменить их размер до определенной постоянной формы изображения? (Как показано на изображении ниже)

различные формы изображений


python computer-vision tensorflow image-segmentation simpleitk
person Sai Teja    schedule 17.01.2021    source источник

Ответы (1)


arrow_upward
2
arrow_downward

Если вы используете функцию RescaleIntensity SimpleITK, вы можете масштабировать значения пикселей в любой требуемый диапазон. Вот документы для этой функции:

https://simpleitk.org/doxygen/latest/html/namespaceitk_1_1simple.html#af34ebbd0c41ae0d0a7a152ac1382bac6

Чтобы изменить размер изображений, вы можете использовать ResampleImageFilter SimpleITK. Вот документы для этого класса:

https://simpleitk.org/doxygen/latest/html/classitk_1_1simpletml / >

В следующем ответе StackOverflow показано, как создать эталонное изображение, на которое вы передискретизируете свое изображение:

https://stackoverflow.com/a/48065819/3712577

И этот Github Gist, как преобразовать несколько изображений в одно и то же эталонное изображение:

https://gist.github.com/zivy/79d7ee0490faee1156c1277a78e4a4c4

Обратите внимание, что SimpleITK рассматривает изображения как объекты в физическом пространстве. Поэтому, если исходные точки изображения, направления и расстояния между пикселями не совпадают, вы не получите ожидаемого результата.

person Dave Chen    schedule 19.01.2021