Question

我正在尝试使用dicom库将DICOM文件加载到python中。我做了以下

ds=dicom.read_file(r"C:\Users\Z003SPFR.AD005\ML\GLCM AND SVM\data\NECT\1.IMA")
#    # store the raw image data
DicomImage = ds.pixel_array

这给了我看起来是12位的值，因为获得的最高值大约是3047，最低值是0.然后我创建了自己的映射函数，使其达到0-255的范围。我使用了以下代码：

leftMin = 0
leftMax = np.amax(DicomImage)

rightMin = 0
rightMax = 255



def translate(value, leftMin, leftMax, rightMin, rightMax):
    # Figure out how 'wide' each range is
    leftSpan = leftMax - leftMin
    rightSpan = rightMax - rightMin

    # Convert the left range into a 0-1 range (float)
    valueScaled = float(value - leftMin) / float(leftSpan)

    # Convert the 0-1 range into a value in the right range.
    return rightMin + (valueScaled * rightSpan)

#print(translate(value, leftMin, leftMax, rightMin, rightMax))



def int12_to_int8(img):
    img_array = []

    for eachRow in img:
        for eachPix in eachRow:
            img_array.append(translate(eachPix,leftMin, leftMax, rightMin, rightMax))
    img_array = np.array(img_array)
    img_array = img_array.reshape(512,512)  
    return img_array

correct_range_image = int12_to_int8(DicomImage)

执行此操作后，我意识到数组img_array的类型为uint16。我想把它作为uint8，所以我使用以下行转换为uint8：

cvuint8 = cv2.convertScaleAbs(correct_range_image)

然后我显示了生成的图像。但我收到的图像并不能很好地代表原始图像。我发布了原始图像和转换后图像的图片。如何更好地进行转换，以便更好地表示原始图像？我以前用来显示的代码在这里：

cv2.imwrite('1.jpeg', cvuint8 )
cv2.imshow('image',cvuint8 )[enter image description here][1]
cv2.waitKey(0)

IMAGES

[1]转换后的图片：https://i.stack.imgur.com/wdGCo.jpg [2]原始图片：https://i.stack.imgur.com/JyfYI.jpg

Answer 1

我找到了解决问题的方法。正如上面提到的Ahmed，DICOM围绕重新缩放斜率，截距和窗口水平/宽度进行正常显示。经过大量的文档后，这里是使用OpenCV，numpy和pydicom库在Python中呈现DICOM的方法，这使得所有工作变得轻松

代码： 1.阅读图片

ds=dicom.read_file("image_path")
# store the raw image data
img = ds.pixel_array

使用重新缩放斜率和截取图像标题中的信息并进行翻译。

rescale_slope = 1 rescale_intercept = -1024

def translate(value,rescale_slope,rescale_intercept):

return (value*rescale_slope)+rescale_intercept 

def int12_to_int8(DicomImage):
    img_array = []

for eachRow in DicomImage:
    for eachPix in eachRow:
        img_array.append(translate(eachPix,rescale_slope,rescale_intercept))
img_array = np.array(img_array)
img_array = img_array.reshape(512,512)  
return img_array

img_1 = int12_to_int8(img)

3.使用图像标题中的窗口级别和宽度信息显示在适当的范围内。

def get_LUT_value(data, window, level)

    return np.piecewise(data, 
        [data <= (level - 0.5 - (window-1)/2),
            data > (level - 0.5 + (window-1)/2)],
            [0, 255, lambda data: ((data - (level - 0.5))/(window-1) + 0.5)*(255-0)])

level=200
window=800

scaled_img=get_LUT_value(img, window, level)

4.最后，最终图像为希望

scaled_img = cv2.convertScaleAbs(scaled_img)
cv2.imshow('image',scaled_img)
cv2.imwrite("hem.jpg",scaled_img)
cv2.waitKey(0)

Answer 2

请参考http://dicom.nema.org/DICOM/2013/output/chtml/part04/sect_N.2.html查看医学图像像素数据在显示之前的呈现方式并非所有提到的概念都适用，但我假设您错过了窗口级别和窗口中心值的重要性。在这里阅读关于窗口方程 Window width and center calculation of DICOM image

因此，如果您在正确渲染之前尝试降低Image的bitDepth（丢失最不重要的数据），那么肯定会得到一个糟糕的图像。考虑在转换前对原始数据应用窗口，您可以使用imageJ工具在编写代码之前查看图像操作（WL，降级深度）

Answer 3

可以遵循这个： https://raw.githubusercontent.com/VolumeRC/AtlasConversionScripts/master/src/convertDICOM.py

以简单的方式，他们提到了使用窗口级别/宽度进行DICOM渲染，重新缩放斜率/截距

def get_LUT_value(data, window, level,rescaleSlope,rescaleIntercept):
    return np.piecewise(data,
                        [((data * rescaleSlope) + rescaleIntercept) <= (level - 0.5 - (window - 1) / 2),
                         ((data * rescaleSlope) + rescaleIntercept) > (level - 0.5 + (window - 1) / 2)],
                        [0, 255, lambda VAL: ((((VAL * rescaleSlope) + rescaleIntercept) - (level - 0.5)) / (
                        window - 1) + 0.5) * (255 - 0)])

将12位DICOM图像转换为8位jpeg

3 个答案: