Biomedicinsk bildanalys i 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)

Omsampling till ett större rutnät
Inte detsamma som att samla in data med högre upplösning
Användbart för att standardisera ojämna samplingsfrekvenser
vol_up = ndi.zoom(vol, zoom=2)
vol_up.shape
(512, 512, 512)

$$ Interpolation\ in\ 1\ D $$

"Sys ihop" rutnätspunkter för att modellera utrymmet mellan punkterna.
Närmaste granne: använder det närmaste uppmätta värdet.
$$ Interpolation\ in\ 1\ D $$

"Sys ihop" rutnätspunkter för att modellera utrymmet mellan punkterna.
Närmaste granne: använder det närmaste uppmätta värdet.
order = 0B-spline-interpolering: modellerar utrymmet mellan punkter med splinefunktioner av angiven ordning.
order är mellan 1 och 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)

Biomedicinsk bildanalys i Python