Analiza obrazów biomedycznych w Pythonie
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 do większej siatki
Nie jest równoważny zbieraniu danych o wyższej rozdzielczości
Przydatny do standaryzacji nierównych częstotliwości próbkowania
vol_up = ndi.zoom(vol, zoom=2)
vol_up.shape
(512, 512, 512)

$$ Interpolation\ in\ 1\ D $$

„Łączy" punkty siatki, modelując przestrzeń między nimi.
Nearest-neighbor: używa najbliższej zmierzonej wartości.
$$ Interpolation\ in\ 1\ D $$

„Łączy" punkty siatki, modelując przestrzeń między nimi.
Nearest-neighbor: używa najbliższej zmierzonej wartości.
order = 0Interpolacja B-spline: modeluje przestrzeń między punktami funkcjami sklejanymi określonego rzędu.
order od 1 do 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)

Analiza obrazów biomedycznych w Pythonie