N boyutlu görüntüler

Python ile Biyomedikal Görüntü Analizi

Stephen Bailey

Instructor

Her şekil ve boyutta görüntüler

im[row, col]

ayak_röntgeni

Her şekil ve boyutta görüntüler

vol[pln, row, col]

vücut_gif

Her şekil ve boyutta görüntüler

im[row, col, ch]

hücre_rgb

Her şekil ve boyutta görüntüler

im_ts[time, row, col, ch]

hücre_video

N boyutlu görüntüler, dizilerin yığınlarıdır

hafif_kaydırılmış_görüntü_yığınları

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)

Hacimleri doğrudan yükleme

imageio.volread():

çok boyutlu veriyi doğrudan oku
bir hacmi birden çok görüntüden birleştir

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)

Şekil, örnekleme ve görüntü alanı

Görüntü şekli: her eksendeki eleman sayısı

import imageio.v2 as imageio
vol = imageio.volread(
            'chest-data', format='DICOM')
# Görüntü şekli (voxel cinsinden)
n0, n1, n2 = vol.shape
n0, n1, n2

(50, 512, 512)

Görüntü alanı (field of view): her eksende kaplanan fiziksel alan

Örnekleme aralığı: her elemanın kapladığı fiziksel alan

# Örnekleme aralığı (mm cinsinden)
d0, d1, d2 = vol.meta['sampling']
d0, d1, d2

(2, 0.5, 0.5)

# Görüntü alanı (mm cinsinden)
n0 * d0, n1 * d1, n2 * d2

(100, 256, 256)

Hadi pratik yapalım!

Python ile Biyomedikal Görüntü Analizi