2

我正在使用包含图像数据的DICOM文件。我正在使用pydicom从 .DCM 文件中读取元数据。现在，从 .DCM 文件中提取的像素数据以二维 numpy ndarray 的形式返回。
我正在使用的特定 DICOM 文件为每个像素保存一个强度值。在我对它们执行一些操作之后，我最终在二维 ndarray 中的每个像素上得到一个浮点值（介于 0.0 和 1.0 之间）：

[

[ 0.98788927, 0.98788927 0.98788927, ..., 0.88062284 0.89532872 0.87629758],
[ 0.98788927, 0.98788927, 0.98788927, ..., 0.8884083, 0.89446367, 0.87889273],
[ 0.98788927, 0.98788927, 0.98788927, ..., 0.89100346, 0.89532872, 0.87629758] ,
,...,
[ 0.97491349, 0.97491349, 0.97491349, ..., 0.74480969, 0.72318339, 0.73269896],
[ 0.97491349, 0.97491349, 0.97491349, ..., 0.74913495, 0.74480969, 0.74740484],
[ 0.97491349, 0.97491349, 0.97491349, . .., 0.74913495 0.75865052, 0.75086505],

]

我想通过将每个元素替换为一系列元素 [R, G, B] 将其转换为带有 numpy 的 3-D ndarray，其中 R=G=B=intensity 值。

ndarray.put() 函数使排除该方法的矩阵变平。

我也试过： 

for x in range( len(a[0]) ):
  for y in range( len(a) ):
    a[x][y] = [ a[x][y], a[x][y], a[x][y] ]

但得到一个 

ValueError: setting an array element with a sequence.

建议？我试图让数据操作尽可能轻松，因为其中一些图像很大，所以我想避免黑客/手动将所有数据复制到单独的变量中。

提前感谢您的帮助。

4

1 回答 1

2

所以你想要的当然是一个形状为mxnxr的数组，其中r是元组大小。

一种在我看来最直接的方法是：（i）显式创建一个 3D 网格数组，与原始 2D 数组相同，除了添加最后一个维度r，然后；(ii) 将您的 rgb 元组映射到该网格上。

>>> # first, generate some fake data:
>>> m, n = 5, 4            # rows & cols, represents dimensions of original image
>>> D = NP.random.randint(0, 10, m*n).reshape(m, n)
>>> D
    array([[8, 2, 2, 1],
           [7, 5, 0, 9],
           [2, 2, 9, 3],
           [5, 7, 3, 0],
           [5, 8, 1, 7]])

现在创建 Grid 数组：

>>> G = NP.zeros((m, n, r), dtype='uint')

将 G 视为一个mxn矩形网格——与 D 相同——但 20 个单元中的每一个都存储不是整数（如 D）而是一个 rgb 元组，所以：

>>> # placing the color pixel (209, 127, 87) at location 3,2:
>>> G[3,2] = (209, 124, 87)

为了理解这种结构，您可以通过查看 G 的三个连续切片来查看网格 G 中的 rgb 元组：

>>> G[:,:,0]      # red
>>> array([[  0,   0,   0,   0,   0],
           [  0,   0,   0,   0,   0],
           [  0,   0,   0,   0,   0],
           [  0,   0, 209,   0,   0],
           [  0,   0,   0,   0,   0]], dtype=uint8)

>>> G[:,:,1]    # green
>>> array([[  0,   0,   0,   0,   0],
           [  0,   0,   0,   0,   0],
           [  0,   0,   0,   0,   0],
           [  0,   0, 124,   0,   0],
           [  0,   0,   0,   0,   0]], dtype=uint8)

>>> G[:,:,2]   # blue
>>> array([[ 0,  0,  0,  0,  0],
           [ 0,  0,  0,  0,  0],
           [ 0,  0,  0,  0,  0],
           [ 0,  0, 87,  0,  0],
           [ 0,  0,  0,  0,  0]], dtype=uint8)

现在要实际获得您想要的结果，我们只需要 (i) 创建一个网格 G，一个 3D NumPy 数组，其前两个维度取自存储在您的 .DCM 文件中的数组，其第三个维度是三，从 RGB 元组的长度；然后 (ii) 将 rgb 元组映射到该网格 G。

>>> # create the Grid
>>> G = NP.zeros((m, n, r), dtype='uint')
>>> # now from the container that holds your rgb tuples, create *three* m x n arrays, 
>>> # one for each item in your rgb tuples

>>> # now just map the r values (1st itm in each rgb tuple) to the 3D grid
>>> G[:,:,0] = r_vals
>>> G[:,:,1] = g_vals
>>> G[:,:,2] = b_vals

>>> G.shape
    (5, 4, 3)
于 2011-06-25T00:01:57.647 回答