问题标签 [simpleitk]

我知道图像配准/对齐的基本流程或过程，但是当 2 个图像被配准/对齐时，在像素级别会发生什么，即转换为固定图像的运动图像的相似像素保持不变，但像素会发生什么？不匹配，它们是平均值还是其他？

以及如何估计正确的转换技术，即我如何知道是否应用平移、缩放、旋转等以及应用多少（即旋转的度数值、平移值等）？

此外，在初始步骤中，如何识别和匹配相似的像素值？

我已经实现了https://simpleitk.readthedocs.io/en/master/Examples/ImageRegistrationMethod1/Documentation.html中给出的 python 代码

输入图像是前列腺 MRI 扫描：

固定图像 运动图像 输出 图像 控制台输出

可以在右上角和左上角的输出图像中看到差异。但我无法解释控制台输出以及事情在内部的实际工作方式。

如果我对这件事有深入的解释，那将非常有帮助。谢谢你。

我正在从这个链接 https://simpleitk.readthedocs.io/en/master/Examples/ImageRegistrationMethod1/Documentation.html运行 simpleitk 的 python 示例

在 spyder anaconda 中。

我已经通过 anaconda Prompt 安装了软件包 simpleitk,system,os 。

在运行此代码时，它给我以下错误用法：E:/registration/simpleitk.py 发生异常，使用 %tb 查看完整的回溯。

系统退出：1

C:\Users\aBC\AppData\Local\Continuum\anaconda3\lib\site-packages\IPython\core\interactiveshell.py:3275：用户警告：要退出：使用“退出”、“退出”或 Ctrl-D。warn("要退出：使用 'exit'、'quit' 或 Ctrl-D。", stacklevel=1)

我怎样才能纠正这个错误？

我正在做一个关于医学图像分割的项目，并且在对齐蒙版和病变时遇到了麻烦。我正在尝试使用该包根据其元数据SimpleITK更正掩码 ( ) 文件。.nrrd我假设所有图像都具有相同的元数据（间距、方向、原点），由代码中的默认常量指示。

附加的代码没有做我想要的——而不是少量移动掩码，它只是将掩码中的每个元素设置为零。有人知道我做错了什么吗？是ResampleImageFilter我需要的转换吗？

我也可以使用其他库的解决方案。

我有一个 32x32x3（高度、宽度、深度）的图像，我试图在坐姿中围绕 z 轴旋转 45 度。然而，看起来我要旋转的 z/深度轴是一个角度。我如何能够旋转图像，以便如果我看我的图像的一个切片，我会看到切片从中心旋转了 45 度？

下面是我的代码，代码下面是图像（第一个是原始图像，第二个是旋转尝试失败）。此外，这些是公共图像，而不是机密数据。

我在我的程序中使用 Activiz(c# library of vtk) 和 SimpleITK，

我尝试用 SimpleITK 加载 dicom 系列，然后将图像传输到 Activiz，然后用 vtkVolumeRayCastMapper 创建一个卷

我可以得到一个卷，但似乎这个卷已经被扭曲、切割、变形了。

我正在使用 SimpleITK 读取 DICOM，并将特定切片保存为 PNG 文件。我可以将一个新的 DICOM 文件写回磁盘，它看起来和预期的一样。但是每当我尝试以任何其他格式保存它时，它都会被严重损坏。我的意思是它看起来不像输入，它完全是乱码。

这是代码：

获取图像的缓冲区并使用它来创建 BitMap 会遇到同样的问题。读取 DICOM 系列（我的最终目标）而不是一个文件，并使用 3D 体积并以这种方式提取切片也有同样的问题。

我错过了什么？

编辑：虽然对比度关闭并且丢失了一些细节，但使用PixelIDValueEnum.sitkUInt16大大提高了 的输出。ImageFileWriter我仍然无法将缓冲区转换为位图并将其另存为 PNG，此代码仍会创建损坏的数据：

我尝试了每个PixelFormat.16bpp*值都没有成功，一些数据肯定丢失了，因为 ImageFileWriter 的输出比我保存位图时大 50% 以上。

这是坏位图：

使用 LabelShapeStatisticFilter，我可以正确地从原始图像中提取定向感兴趣区域。我想在原始图像上绘制那些定向边界框。

当我尝试查看 GetOrientedBoundingBoxVertices() 方法的输出时，我不清楚这些顶点是在什么坐标系中定义的。它们似乎不在原始图像坐标系中。

我相信我正在按照预期使用 LabelShapeStatisticFilter 类（见下文），遵循这个优秀的笔记本：http: //insightsoftwareconsortium.github.io/SimpleITK-Notebooks/Python_html/35_Segmentation_Shape_Analysis.html

我希望能够在原始图像上绘制这些边界框，但我不确定如何。

更新

也许这可以更好地说明我的意思。Resampled Oriented Bounding Box，按预期输出：

但是，使用 original_label_image.TransformPhysicalPointToContinousIndex() 后，原始图像空间中的定向边界框点出现错误（原始索引空间中的 shape_stats.OrientedBoundingBoxVertices()）：

更新 2

使用 shape_stats.GetCentroid()，我可以正确获取每个标签质心的真实坐标并正确绘制它们：

看起来 shape_stats.GetOrientedBoundingBoxOrigin() 的输出似乎在真实世界坐标中。shape_stats.OrientedBoundingBoxVertices() 的一个元素对应于 shape_stats.GetOrientedBoundingBoxOrigin()。

我已经安装了 SimpleITK 并ctest成功测试。然后，我将库包含在.bashrcas 中export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/softwares/vtk-itk/SimpleITK-build/lib。安装，我跑make install进去~/softwares/vtk-itk/SimpleITK-build/SimpleITK-build，安装成功。但是，当我尝试包含#include <SimpleITK.h>时，似乎确实知道安装路径。

我正在尝试在 Clion IDE 中编写我的代码，甚至它也没有在External Library项目的根目录中显示 simpleITK 文件夹。

如何解决这个问题？

我知道有一个函数scipy.ndimage.zoom可以调整\重新采样 3D 体积，但这是针对 numpy.array 的，而且速度非常慢。因此，我使用ResampleImageFilterfromSimpleITK代替。我认为基于 C++ simpleitk 的工作要快得多。

但是使用 simpleitk 重新采样存在一个小缺陷。ResampleImageFilter适用于 SimpleITK.Image，但不适用于 numpy.array，因此进行进一步操作非常不方便。有没有其他方法可以重新采样 3D 体积？

编辑
为什么我有这个担忧是因为我想利用 SimpleITK 重采样的快速速度，同时我想保持我的代码干净。例如，我需要对一个体积做二进制阈值，然后重新采样整个事情。所以这是我的解决方案，

但实际上，使用 numpy 做二进制阈值的逻辑索引更简单，这将使我的代码更紧凑。
所以总而言之，我想充分利用 SimpleITK 重采样，但是 numpy 可以更好地完成一些操作，然后我的代码与 SimpleITK 和 numpy 有点交织在一起。我不认为这是一件好事。

我生成一个 4D 复杂的 numpy 数组，例如：

我想将 numpy 数组保存为 nifti 文件

我尝试使用 vtk 和 SimpleITK，但它们都不支持复数（只有实数向量）似乎只有 nibabel 支持复数向量，我设法保存文件，但我只能用 nibabel 加载它，当我尝试使用 ITK-SNAP 或 Slicer 加载它时，它不会打开。我知道 ITK-SNAP 可以打开 nifti 文件的复杂向量，因为我已经使用 matlab 将这些文件与另一个脚本一起保存

nibabel 保存尝试：

SimpleITK 保存尝试：

vtk 保存尝试：

尼巴​​贝尔输出：

nibabel 创建一个带有矢量的 nifti 文件，但使用其他程序（如 ITK-SNAP）它不会打开

ITK-SNAP 错误：

SimpleITK 错误：

vtk 输出：

vtk 创建了一个矢量 nifti 文件，但有 6 个组件而不是 3 个（也将虚部视为组件），我在 numpy_to_vtk 的文档中看到它不支持 coplex 数组，也许有人知道解决方法。