- 1. 变换到一个新的spacing
- 1.1 使用Resample()的方法
- 1.1.1 完整代码
- 1.1.2 转换前后图像
- 1.2 使用ResampleImageFilter()的方法
- 2. 变换到一个新的size
- 2.1 代码
- 2.2 转换后图像
- 3. 相关内容说明
- 3.0 体素和spacing
- 3.1 Resample() 函数说明
- 3.2 itk::simple::ResampleImageFilter函数说明
1. 变换到一个新的spacing 1.1 使用Resample()的方法 1.1.1 完整代码
def resample_volume(volume_path, interpolator = sitk.sitkLinear, new_spacing = [0.4, 0.4, 5]):
volume = sitk.ReadImage(volume_path)
original_spacing = volume.GetSpacing()
original_size = volume.GetSize()
new_size = [int(round(osz*ospc/nspc)) for osz,ospc,nspc in zip(original_size, original_spacing, new_spacing)]
resampled_image = sitk.Resample(volume, new_size, sitk.Transform(), interpolator,
volume.GetOrigin(), new_spacing, volume.GetDirection(), 0,
volume.GetPixelID())
sitk.WriteImage(resampled_image,"001.nii.gz")
关于sitk.Resample函数的详细解释，参考3.1 Resample() 部分
关于new_size的计算，可以参考3.0 体素和spacing部分内容理解
参考:
- ITK论坛：Resample volume to specific voxel spacing - SimpleITK
- SimpleITK官方jupyter：Transforms and Resampling，其中Cell17差不多就是这个方法
其实看不到很明显的变化。
但是需要说明的是：space变小之后，像素数/分辨率就会变高，所以图像会变大。
- 还是把图像想象成方格图，每个小立方体是一个像素点，每个小立方体的内部空白就是space（小立方体长宽高就是三个方向的space）
- 则space减小，则小立方体就变小，则整个图里可以容纳的小立方体就更多，即分辨率更大。
- 最直观的改变是：图像所占据的存储空间会变大。
1.2 使用ResampleImageFilter()的方法
感谢 Python SimpleITK.sitkNearestNeighbor() Examples，给了一个非常整洁的代码！
def resample_image(itk_image, out_spacing=[1.0, 1.0, 1.0], is_label=False):
original_spacing = itk_image.GetSpacing()
original_size = itk_image.GetSize()
out_size = [
int(np.round(original_size[0] * (original_spacing[0] / out_spacing[0]))),
int(np.round(original_size[1] * (original_spacing[1] / out_spacing[1]))),
int(np.round(original_size[2] * (original_spacing[2] / out_spacing[2])))
]
# 上述也可以直接用下面这句简写
out_size = [int(round(osz*ospc/nspc)) for osz,ospc,nspc in zip(original_size, original_spacing, out_spacing)]
resample = sitk.ResampleImageFilter()
resample.SetOutputSpacing(out_spacing)
resample.SetSize(out_size)
resample.SetOutputDirection(itk_image.GetDirection())
resample.SetOutputOrigin(itk_image.GetOrigin())
resample.SetTransform(sitk.Transform())
resample.SetDefaultPixelValue(itk_image.GetPixelIDValue())
if is_label: # 如果是mask图像，就选择sitkNearestNeighbor这种插值
resample.SetInterpolator(sitk.sitkNearestNeighbor)
else: # 如果是普通图像，就采用sitkBSpline插值法
resample.SetInterpolator(sitk.sitkBSpline)
return resample.Execute(itk_image)
# 使用示例
resample_rs=resample_image(sitk.ReadImage("./001.nii.gz"))
sitk.WriteImage(resample_rs,"../test.nii.gz")
参考：
- 医学影像重采样
- SimpleITK Github issue：How to resample sitk_image to a new spacing? #561
- SimpleITK官方培训文档：images_and_resampling，直接去page 12就是Resampling
- stack overflow：SimpleITK Resize images
其实和上面大同小异，只是这次是通过新的size来计算新的space，如下
2.1 代码def resample2size(img,new_size=[192,192,176]):
original_size=img.GetSize()
original_spacing = img.GetSpacing()
new_space =[int(round(old_size*old_space/new_size)) for old_size,old_space,new_size in zip(original_size,original_spacing,dst_size)]
resampled_img=sitk.Resample(img,new_size,sitk.Transform(),sitk.sitkLinear,
img.GetOrigin(),new_space,img.GetDirection(),0,img.GetPixelID())
return resampled_img
这里就不再赘述ResampleImageFilter的写法了，
- 只需要修改
new_space这个变量，其他基本和1.2 使用ResampleImageFilter()的方法一样
上半部分是原图，下半部分是转换后的
连同标签一起转换的话，如下图
可以滑动一下，确认形状位置之类的特征没有发生变化。
另外，数据大小变化非常明显。
- 图像从10MB变成了1.61MB
- 标签从42KB变成了10KB
参考：
- ITK study notes (9) simpleITK resampling data to a fixed size，这是一个别人博客的合集摘录
- CSDN博客：Python SimpleItk库的医学图像重采样（resample）实现代码
- Github gist：zivy/resample_to_same_size.ipynb
- stack overflow：Resample DICOM Images to Size and Spacing and align to same Origin
- ITK论坛：Resample to same Spacing and Size and Align to same Origin
图自Sparse Voxel Octree GI (构建体素)
以LOD 0为例，假设这就是一个CT图，则可以看到，其被分成了很多小立方体
- 每个立方体作为一个基本单位，但是由于每个立方体里有很多数据，为了从中提取出一个有代表性的值，会对每个小立方体里的数据进行一些 *** 作，最常见的就是平均。
- 即用均值代表这个小立方体中所有数据，而这个均值会作为这个小立方体的数值代表，即体素
- 如果
volume.GetSize()得到的结果是(512, 512, 29)，也就是说X和Y方向上各有512个space，Z方向上有29个space。也就有512x512x29个小立方体。 - 体素的大小就是spacing的大小，例如：体素的大小是0.97mm 0.97mm 2.5mm。
- 如果
volume.GetSpacing()得到的结果是(0.4,0.4,5)，那就是说X和Y方向上每隔0.4mm就有一个点，Z方向上每隔5mm就有一个点，即每个小立方体的大小是(0.4mm,0.4mm,5mm)。应该称之为长方体 - 则原始图像的大小其实就是
(512*0.4, 512*0.4, 29*5)，带单位的mm。 - 医学图像是和真实空间的物理尺寸相对应的
- 则对应的，如果已知新的
space，想求出新的size，则就可以使用原始图像的大小 除以 新的space
部分用语出自：医学影像重采样
3.1 Resample() 函数说明python版本的说明里，可以接受三种参数调用（我用的是第三种，就只看第三种了）
Resample ( Image image1,
Transform transform = itk::simple::Transform(),
InterpolatorEnum interpolator = itk::simple::sitkLinear,
double defaultPixelValue = 0.0,
PixelIDValueEnum outputPixelType = itk::simple::sitkUnknown,
bool useNearestNeighborExtrapolator = false);
Resample ( Image image1,
Image referenceImage,
Transform transform = itk::simple::Transform(),
InterpolatorEnum interpolator = itk::simple::sitkLinear,
double defaultPixelValue = 0.0,
PixelIDValueEnum outputPixelType = sitkUnknown,
bool useNearestNeighborExtrapolator = false);
Resample ( const Image& image1,
VectorUInt32 size,
Transform transform = itk::simple::Transform(),
InterpolatorEnum interpolator = itk::simple::sitkLinear,
VectorDouble outputOrigin = std::vector<double>(3, 0.0),
VectorDouble outputSpacing = std::vector<double>(3, 1.0),
VectorDouble outputDirection = std::vector<double>(),
double defaultPixelValue = 0.0,
PixelIDValueEnum outputPixelType = sitkUnknown,
bool useNearestNeighborExtrapolator = false);
"""
image1：
要进行resample的图像
size：
向量，经过resample *** 作后图像的size,（x,y,z）
`image.GetSize() -> (512, 512, 29)`
transform：
一般默认就是 `sitk.Transform()`
interpolator:
插值方式，比如`sitk.sitkLinear`或者`sitk.sitkNearestNeighbor`等
outputOrigin：
输出图像的起点/原点，一般就和原图一致。
`image.GetOrigin()->(-114.1510009765625, -127.27660369873047, -565.5)`
outputSpacing：
输出图像的spacing，需要自己指定，如果是3d图像，那就是维度为3的向量
outputDirection ：
一般也是和原图保持一致，例如：`image.GetDirection()->(1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0)`
defaultPixelValue：
默认填充的像素值，一般就是0，不需要改动（背景0黑色）
outputPixelType：
输出像素的数据类型，默认是`sitkUnknown`，也可以是`sitkUInt8`等
"""
其中
- 关于插值方式，详见： InterpolatorEnum，常见的就是
sitkNearestNeighbor，sitkLinear，还有sitkBSpline等 - 关于方向的表示，根据ITK文档——GetDirection()。对于2D图像，方向会被表示为一个 2 × 2 2\times 2 2×2的矩阵，对于3d图像，方向会被表示为一个 3 × 3 3\times 3 3×3的矩阵。矩阵一般以一维数组作为主要展现形式、
- 关于像素类型（其实就是值的数据类型），根据GetPixelIDValueAsString()
接着继续找，可以发现PixelIDValueEnum，其中有一个枚举表格，列除了ITK支持的数据类型，如下。也可以参考其对应的头文件定义 sitkPixelIDValues.h中第93行。
C++版本的说明，参考： itk::simple::Resample
python的函数说明没有很多有效内容，但是提到了
See also
itk::ResampleImageFilter for the Doxygen on the original ITK class.
Definition at line 53 of file sitkResampleImageFilter.h.
因此去查看C++的文档，主要是sitkResampleImageFilter.h.这个文件，根据sitkResampleImageFilter.h，其中有一部分代码为：
private:
using MemberFunctionType = Image (Self::*)( const Image& image1 );
friend struct detail::DualExecuteInternalAddressor<MemberFunctionType>;
template <class TImageType1, class TImageType2> Image DualExecuteInternal ( const Image& image1 );
friend struct detail::DualExecuteInternalVectorAddressor<MemberFunctionType>;
template <class TImageType1, class TImageType2> Image DualExecuteInternalVector ( const Image& image1 );
std::unique_ptr<detail::DualMemberFunctionFactory<MemberFunctionType> > m_DualMemberFactory;
/* */
std::vector<uint32_t> m_Size{std::vector<uint32_t>(3, 0)};
Transform m_Transform{itk::simple::Transform()};
/* */
InterpolatorEnum m_Interpolator{itk::simple::sitkLinear};
/* */
std::vector<double> m_OutputOrigin{std::vector<double>(3, 0.0)};
/* */
std::vector<double> m_OutputSpacing{std::vector<double>(3, 1.0)};
/* Passing a zero sized array, defaults to identiy matrix. The size of the array must exactly match the direction matrix for the dimension of the image. */
std::vector<double> m_OutputDirection{std::vector<double>()};
double m_DefaultPixelValue{0.0};
PixelIDValueEnum m_OutputPixelType{itk::simple::sitkUnknown};
bool m_UseNearestNeighborExtrapolator{false};
可以看到，这个ResampleImageFilter的私有内容，其实和Resample()很像，都是：
- Size：输出向量的维度
- Transform：转换方式
- Interpolator：插值方法
- OutputOrigin：输出的原点
- OutputSpacing：输出spacing
- OutputDirection：输出方向
- DefaultPixelValue：默认填充的像素值
- OutputPixelType：输出的像素类型
- UseNearestNeighborExtrapolator：是否使用这个东西
另外，在 itk::simple::ResampleImageFilter文档中，也可以在Member Data Documentation中看到上述参数介绍
但是因为是私有成员，因此需要通过相应的set修改器函数和get访问器函数来获取或者修改相应的成员变量。
（真的是要复习C++了呀）
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）