问题标签 [simpleitk]

我有一套 o 3D 卷，我正在阅读SimpleITK

每个卷都有不同的大小、间距、原点和方向。此代码为不同的图像产生不同的值：

我的问题是：如何将图像转换为具有相同的大小和间距，以便在转换为numpy数组时它们都具有相同的分辨率和大小。就像是：

我的代码如下，它给了我一个 SimpleITK 错误

打印路径的结果是

如何正确使用？

使用 iTK 或 scipy ndimage 从 3D 体积中提取 2D 切片（由任意平面交叉点定义）并使用 SimpleITK 进行插值。有没有人有一个工作的例子？我在这里和 ITK 用户列表上阅读了几篇文章，但没有人有一个有用的东西。谢谢

燃气轮机

我有一个包含一系列图像的 tif 文件。它是由 CT 扫描产生的 3D 像素体积。

但是用simple-itk读取图像后，只有一层：

如何配置 simple-itk 从 tif 文件中读取整个图像序列？

阅读 simple-itk 的文档展示了如何从文件序列中读取图像序列。这不是我需要的，3D 数据只有一个 tif 文件。

我可以使用 tifffile 模块读取此内容，它能够看到正确的切片数量，并且绘图看起来也不错。所以数据本身似乎是有效的。

恐怕这是医学数据，我不可能提供样本。我只是对相应的 simple-itk 文档感兴趣。

我目前正在使用SimpleITK库来处理 3d 图像。我已经能够读取我的.mhd元图像并执行阈值处理、腐蚀、膨胀等。输入图像是每个像素一个分量的 3D 图像（或堆叠的 2D 图像）。

现在我正在使用 get buffer 方法进行手动像素操作。我知道 Simple ITK doxygen 和示例https://itk.org/SimpleITKDoxygen/html/ImageGetBuffer_8cs-example.html

我这样做了，但看不到我操纵的图像 - 输出图像显示的与我的输入图像相同（我检查了我的像素循环及其工作，所以似乎我的缓冲区没有被操纵不安全的指针，或者我错误地导入了缓冲区）。这是我的代码

非常感谢帮助和指导！！谢谢

我一直在研究一些dicom系列，发现厚度属性和itkimage.GetSpacing()[2]值并不总是一致的。

例如，dcm 文件中编码的厚度 (0018, 0050) 值为1.5 mm，但在 z 轴上表示 simpleITK 的相应间距为1.00。那我应该用什么值来表示z轴上相邻体素中心s之间的物理距离呢？如果它们是不同的东西，那么间距实际上意味着什么？

我在 python 中检索厚度和间距值，如下所示：

我一直在文档中搜索，但还没有找到类似的答案。谢谢！

====== 更新1 ======

我检查了 Image Position(Patient) (0020,0032)值，它们确实在每片 1mm 之外。那么叶子厚度是什么意思呢？

我所说的方向是指例如从患者的头部到底部或从他的底部到头部。到目前为止我看到的胸部 CT 扫描表明实例编号 1 切片通常是从身体上部向下的第一个切片，但我不知道这是标准的一部分还是我应该有其他一些标签检查确定。

我正在尝试将 SimpleITK 中的 N4ITKBiasFieldCorrectionImageFilter 应用于 MRI 扫描作为预处理步骤。根据我收集到的信息，这可以在 3D 中执行，并且我一直在使用以下代码应用它：

我最终在执行函数时不断收到相同的错误：

有人有执行此过滤器的经验吗？

PS。即使我在执行过滤器之前设置了原点和间距，也会发生错误。

提前谢谢

为了便于解释，我将使用 2 维 numpy 数组（我在我的问题中使用 3 维数组）。

我有 2 个数组，一个记录在这些特定坐标处发生某些事情的几率。另一个数组是一个预先生成的矩阵，用于降低第一个数组在预定半径中的中心点周围的值。

我想自动选择第一个矩阵（以下称为 A）中的点，并防止程序选择另一个离先前选择的点太近的点。所以我想将所选点周围的值与与所述点的距离相乘。

例如：

矩阵 A：

矩阵 B：

现在说索引 [2, 1] 被选为兴趣点。B 与 A 相乘，但仅与 [2, 1] 周围的 3*3 中的值相乘

结果：

这应该导致 [2, 1] 周围的点没有足够的价值被选为兴趣点，除非条件足够高以至于无论如何都可以选择，因此需要乘法。

现在，我似乎无法找到一种方法来执行这种特定的乘法。numpy.multiply()将重复 B 以便将其应用于整个矩阵 A，而我只想将其应用于 A 的一小部分。

另一种选择是遍历矩阵 A 的受影响部分，但这需要大量时间（尤其是在 3 维矩阵中）

换句话说，我想应用一个卷积滤波器，而不是在最后对乘法结果求和，而是将它们应用于卷积矩阵 (A) 的基础值

对此问题的任何见解表示赞赏。

我正在研究一种使用常规梯度下降法的 simpleITK 图像配准方法。我很想知道 simpleITK 如何突出固定图像和移动图像之间的差异。

例如下面的教程之一，它显示了粉红色和绿色的不同颜色：固定图像 - 红色移动图像 - 绿色

http://kevin-keraudren.blogspot.in/2014/12/medical-image-analysis-ipython-tutorials.html

图片礼貌 - 凯文 Keraudren。