2

我一直在做一些深度学习，通常使用普通的图像数据集，如 jpeg 或 png。最近，我遇到了一个数据集，我在其中提供了 png/jpeg 格式的测试图像，其中包含 .nii.gz 文件中的基本事实。如果我打开 .nii.gz 文件，它包含一个 .nii 文件。现在，作为此类文件的初学者，我仍然能够在 Colab 中绘制测试图像和地面实况。但是，它存在一些问题。

我使用的代码：

# Reading Image
import nibabel as nib
imagePath=testImageDir+'/141549_83.png'
testImage=cv2.imread(imagePath);
GTPath=testGTDir+'/141549_83.nii.gz'
niiObject=nib.load(GTPath)
print(niiObject)
testGT_extradim=niiObject.get_data() #testGTImage is nXmXchannel image
testGT_rot=cv2.resize(testGT_extradim,(512,512)) #By default imshow only acceptson(n,m) or (n,m,3) or (n,m,4) & this image was (n,m,1)
# Displaying figures
plt.figure(figsize=(12,8), dpi= 100)
plt.subplot(121)
plt.imshow(testImage)
plt.subplot(122)
plt.imshow(testGT_rot)

打印输出（niiObject）：

<class 'nibabel.nifti1.Nifti1Image'>
data shape (512, 512, 1)
affine: 
[[ 1.  0. -0. -0.]
 [ 0.  1. -0. -0.]
 [ 0.  0.  1.  0.]
 [ 0.  0.  0.  1.]]
metadata:
<class 'nibabel.nifti1.Nifti1Header'> object, endian='<'
sizeof_hdr      : 348
data_type       : b''
db_name         : b''
extents         : 0
session_error   : 0
regular         : b'r'
dim_info        : 0
dim             : [  3 512 512   1   1   1   1   1]
intent_p1       : 0.0
intent_p2       : 0.0
intent_p3       : 0.0
intent_code     : none
datatype        : uint16
bitpix          : 16
slice_start     : 0
pixdim          : [1. 1. 1. 1. 0. 0. 0. 0.]
vox_offset      : 0.0
scl_slope       : nan
scl_inter       : nan
slice_end       : 0
slice_code      : unknown
xyzt_units      : 2
cal_max         : 0.0
cal_min         : 0.0
slice_duration  : 0.0
toffset         : 0.0
glmax           : 0
glmin           : 0
descrip         : b''
aux_file        : b''
qform_code      : aligned
sform_code      : scanner
quatern_b       : 0.0
quatern_c       : 0.0
quatern_d       : 0.0
qoffset_x       : -0.0
qoffset_y       : -0.0
qoffset_z       : 0.0
srow_x          : [ 1.  0. -0. -0.]
srow_y          : [ 0.  1. -0. -0.]
srow_z          : [0. 0. 1. 0.]
intent_name     : b''
magic           : b'n+1'
/usr/local/lib/python3.6/dist-packages/ipykernel_launcher.py:7: DeprecationWarning: get_data() is deprecated in favor of get_fdata(), which has a more predictable return type. To obtain get_data() behavior going forward, use numpy.asanyarray(img.dataobj).

* deprecated from version: 3.0
* Will raise <class 'nibabel.deprecator.ExpiredDeprecationError'> as of version: 5.0
  import sys

我已经通过了这个答案，但它在我上面似乎缺少的对象中有一个 img 属性（我的意思不是确切的，而是一个类似的对象）。

图像输出：

Colab 输出

现在，在此之前，我尝试在 ImageJ 应用程序中打开 .nii 文件，它看起来像这样：

ImageJ 输出

您可以看到 ImageJ one 在方向和颜色方面与 Colab 地面实况图像不同。ImageJ 一个正确地告诉 Colab 输出左侧组织图像中的细胞核位置（如下所示）。

正确的测试图像与地面实况：

正确的GT

正确的基本事实与不正确的基本事实：

不正确的 GT

因此，问题分为子问题（如标题所示）：

i）如何读取 nii 图像，使其与 ImageJ 图像具有正确的方向？

编辑：我似乎已经纠正了方向问题。看起来图像是沿着 y=x 线镜像的，所以我用这段代码反转了镜像：

   testGT=cv2.rotate(testGT_rot,cv2.cv2.ROTATE_90_CLOCKWISE)
   r,c=testGT.shape
   for i in range(0,r):  
    for j in range(0,c):
        temp=testGT[i,j]
        testGT[i,j]=testGT[j,i]
        testGT[j,i]=temp
   testGT=cv2.flip(testGT,1)

但是，我仍然对更好的方法持开放态度，以便更深入地了解为什么会在 nibabel 中发生这种情况，并且是否可以使用我不知道的任何 nibabel 对象参数来解决它。

ii) ImageJ 和 nibabel 加载的图像都不是灰度图像，因为在这些图像中看不到一些突出的核（它们的强度非常低，ImageJ 图像中的最大强度为 40 [对于最亮的核]）。如何将其转换为灰度（0 到 255 级，以便低强度核向外扩展并更明显）？

4

0 回答 0