Biomedizinische Bildanalyse mit Python
Stephen Bailey
Instructor
vol = imageio.volread('OAS1_0255', format='DICOM')
vol.shape
(256, 256, 256)

vol_dn = ndi.zoom(vol, zoom=0.5)
vol_dn.shape
(128, 128, 128)

Resampling auf ein größeres Raster
Nicht dasselbe wie Datenerfassung mit höherer Auflösung
Nützlich, um ungleiche Abtastraten zu standardisieren
vol_up = ndi.zoom(vol, zoom=2)
vol_up.shape
(512, 512, 512)

$$ Interpolation\ in\ 1\ D $$

„Vernäht" Rasterpunkte, um den Raum zwischen Punkten zu modellieren.
Nächster Nachbar: nutzt den nächstgelegenen Messwert.
$$ Interpolation\ in\ 1\ D $$

„Vernäht" Rasterpunkte, um den Raum zwischen Punkten zu modellieren.
Nächster Nachbar: nutzt den nächstgelegenen Messwert.
order = 0B-Spline-Interpolation: modelliert den Raum zwischen Punkten mit Spline-Funktionen eines bestimmten Grades.
order liegt zwischen 1 und 5$$ Interpolation\ in\ 1\ D $$

im=np.arange(100).reshape([10,10])

zm1=ndi.zoom(im, zoom=10, order=0)
zm2=ndi.zoom(im, zoom=10, order=2)
zm3=ndi.zoom(im, zoom=10, order=4)

Biomedizinische Bildanalyse mit Python