3

我正在尝试将不同尺寸的 DICOM 图像调整为通用尺寸，以训练我的神经网络。我认为 cv2 可以解决我的问题。但我的 jupyter 笔记本中出现“数据类型不理解错误”

我正在尝试创建一个可以预测图像类别的张量流神经网络。因此，我需要具有共同尺寸大小的图像用于第一层训练

这是我创建的功能：

IMG_PX_SIZE = 224
def resize(img_dcm):
    return cv2.resize(np.array(img_dcm.pixel_array, (IMG_PX_SIZE,IMG_PX_SIZE)))

这就是我读取 dcm 文件并将其传递给函数的方式：

img = pydi.dcmread(PATH)
image = resize(img)

我希望它输出一个 224*224 大小的图像。但我收到以下错误：

<ipython-input-66-3cf283042491> in resize(img_dcm)
      1 IMG_PX_SIZE = 224
      2 def resize(img_dcm):
----> 3     return cv2.resize(np.array(image.pixel_array, (IMG_PX_SIZE,IMG_PX_SIZE)))

TypeError: data type not understood
4

3 回答 3

8

这是使用 Scikit-Image 调整图像大小的另一种方法：

In [105]: from pydicom.data import get_testdata_files

# read a sample image
In [106]: filename = get_testdata_files('MR_small.dcm')[0]
     ...: ds = pydicom.dcmread(filename)

In [107]: data = ds.pixel_array

In [108]: type(data)
Out[108]: numpy.ndarray

In [109]: data.shape
Out[109]: (64, 64)

In [111]: from skimage.transform import resize
In [114]: IMG_PX_SIZE = 32

# resize to new size
In [115]: resized_img = resize(data, (IMG_PX_SIZE, IMG_PX_SIZE), anti_aliasing=True)

In [116]: resized_img.shape
Out[116]: (32, 32)
于 2019-04-07T15:30:54.583 回答
0

OpenCV 不支持DICOM ，请参见此处。您必须先将所有图像转换为合适的格式（例如 jpg 或 png），然后才能使用 OpenCV 调整它们的大小：

OpenCV 不支持 DICOM 图像，因此您必须找到合适的库（如http://dicom.offis.de/dcmtk.php.en）并将加载的图像转换为 cv::Mat。

然后，您可能还想使用不同的库来重新调整大小，这可能不值得努力：

  1. 将图像转换为 OpenCV 的可读格式
  2. 使用 OpenCV 重新调整它们的大小
  3. 将它们转换回DICOM

我建议您改用专门设计用于处理 DICOM 图像的库或工具。

于 2019-04-10T12:53:37.597 回答
0

您可以从此处使用此功能

您需要先阅读您的 dicom/Niftii 文件

def read_nifti_file(filepath):
"""Read and load volume"""
# Read file
   scan = nib.load(filepath)
# Get raw data
   scan = scan.get_fdata()
   return scan

然后你可以调整你的音量：

def resize_volume(img):
"""Resize across z-axis"""
# Set the desired depth
desired_depth = 64
desired_width = 128
desired_height = 128
# Get current depth
current_depth = img.shape[-1]
current_width = img.shape[0]
current_height = img.shape[1]
# Compute depth factor
depth = current_depth / desired_depth
width = current_width / desired_width
height = current_height / desired_height
depth_factor = 1 / depth
width_factor = 1 / width
height_factor = 1 / height

# Resize across z-axis
img = ndimage.zoom(img, (width_factor, height_factor, depth_factor), order=1)
return img
于 2022-02-16T14:06:45.947 回答