N 维图像

Python 中的生物医学图像分析

Stephen Bailey

Instructor

各种形状与尺寸的图像

im[row, col]

足部 X 光

各种形状与尺寸的图像

vol[pln, row, col]

身体切面动画

各种形状与尺寸的图像

im[row, col, ch]

细胞 RGB

各种形状与尺寸的图像

im_ts[time, row, col, ch]

细胞视频

N 维图像是数组的堆栈

略微错位的图像栈

import imageio.v2 as imageio
import numpy as np

im1=imageio.imread('chest-000.dcm')
im2=imageio.imread('chest-001.dcm')
im3=imageio.imread('chest-002.dcm')

im1.shape

(512, 512)

vol = np.stack([im1, im2, im3])

vol.shape

(3, 512, 512)

直接加载体数据

imageio.volread()：

直接读取多维数据
由多张图像组装体数据

import os
os.listdir('chest-data')

['chest-000.dcm', 
 'chest-001.dcm', 
 'chest-002.dcm',
 ..., 
 'chest-049.dcm']

import imageio.v2 as imageio
vol = imageio.volread('chest-data', format='DICOM')

vol.shape

(50, 512, 512)

形状、采样、视野范围

图像形状（shape）：各轴的元素数

import imageio.v2 as imageio
vol = imageio.volread(
            'chest-data', format='DICOM')
# 图像形状（体素）
n0, n1, n2 = vol.shape
n0, n1, n2

(50, 512, 512)

视野范围（FOV）：各轴覆盖的物理长度

采样间距：每个元素覆盖的物理长度

# 采样间距（毫米）
d0, d1, d2 = vol.meta['sampling']
d0, d1, d2

(2, 0.5, 0.5)

# 视野范围（毫米）
n0 * d0, n1 * d1, n2 * d2

(100, 256, 256)

Passons à la pratique !

Python 中的生物医学图像分析