Question

我想要迭代的3D numpy数组。如果它很重要，这是一个.nii文件类型（用于存储MRI脑数据的文件），我使用nipy模块加载这些图像，然后可以将其作为numpy数组处理以进行图像处理。我想拍摄并通过体素并且仅包括具有值

import nipy

import numpy   

img = nipy.load_image('image.nii.gz')

img_manip = img.get_data()

result = numpy.zeros(shape = img_manip.shape, dtype = img_manip.dtype) 

for matrix in img_manip:

    for row in matrix:

        for item in row:

            if item < 2:

                result += img_manip

这个SEEMS可以工作，但它非常慢，就像现在还在运行一样。我只是想知道，这是正确的方法吗？我应该使用np.empty吗？我不确定我在python中仍然很棒。

编辑：只是一个FYI，img_manip的形状类似于（368,170,32），数据类型是float64

（抱歉，我不知道如何使代码看起来像“pythonic”！）

Answer 1

我再次找到了解决问题的方法！哈哈，好吧所以它可能不是完美的但它能完成这项工作。如果有人有更优雅的方式，请分享！ BTW这不是我的解决方案，我实际上问了nipy邮件列表，他们很乐意帮助我。无论如何，他们建议我利用numpy的索引系统。所以你会说：

img_manip[img_manip > 2] = 0
result = 15000 * img_manip #This is optional, just makes it into a nicer range for my purposes

现在对于那些感兴趣的人，如果你想回到.nii格式，你可以使用nifti包，参见here，然后你就可以了。

new_img = nifti.NiftiImage(result)

保存输出！

编辑：你也可以使用nibabel（你可能应该因为它得到了进一步的支持/开发）：

new_img = nib.NiftiImage(result)

Answer 2

以下是使用nibabel和numpy原始问题的潜在解决方案：

import nibabel as nib
import numpy as np
img = nib.load('image.nii.gz')
data = nib.get_data()
data[data>2] = np.nan  # If you really don't want to look at these...
nib.Nifti1Image(data, img.get_affine()).to_filename('new_image.nii.gz')

迭代通过多维数组

2 个答案: