我有3个大小为512x512x133, 512x512x155 and 512x512x277的dicom堆栈。我想重新采样所有堆栈以生成大小512x512x277, 512x512x277 and 512x512x277。怎么做？
我知道我可以使用切片厚度和像素间距进行重采样。但是在每种情况下都不能确保相同数量的切片。
答案 0 :(得分：0)
您可以使用scipy.ndimage.interpolate.zoom，为每个轴指定缩放系数数组，如下所示：
# example for first image
zoomArray = desiredshape.astype(float) / original.shape
zoomed = scipy.ndimage.interpolate.zoom(original, zoomArray)
更新：
如果这太慢了，你可以尝试以某种方式从你的＆＃34;图像立方体＆＃34;的垂直切片创建单独的图像，用一些高速图像库处理它们（有些人喜欢ImageMagick，那里＆＃ 39; s也是PIL，opencv等），并将它们再次堆叠在一起。这样，您可以拍摄尺寸为512x133的512张图像并将其调整为512x277，然后再次堆叠到512x512x277，这是您最终所需的尺寸。而且，这种分离将允许并行化。人们认为要考虑的是：这只有在横轴（您将切割2D图像的轴）不会调整大小时才有效！
答案 1 :(得分：0)
您可以在 Resample transform 中使用 TorchIO。
import torchio as tio
small, medium, large = dicom_dirs # the folders of your three DICOMs
reference = tio.ScalarImage(large)
resample = tio.Resample(reference)
small_resampled = resample(small)
medium_resampled = resample(medium)
三个图像现在具有相同的形状，512 x 512 x 277。
免责声明：我是 TorchIO 的主要开发者。