图像打patches块,"/>
【转换数据集格式】dcm转nii,mhd转nii,nii转nii.gz,nrrd转nii,jpg转png,将图像打patches块,
🍉 博主微信
cvxiayixiao
🍓 【Segment Anything Model】计算机视觉检测分割任务专栏。 链接
🍑 【公开数据集预处理】特别是医疗公开数据集的接受和预处理,提供代码讲解。链接
🍈 【opencv+图像处理】opencv代码库讲解,结合图像处理知识,不仅仅是调库。链接【opencv+图像处理】专栏代码地址
文章目录
- 😳装包
- 😄 dcm转nii
- 😆mhd转nii
- 😊nii转nii.gz
- 😃 nrrd转nii
- 😏jpg转png
- 😍将图像打patches块
- 过程
- 😘将Run-Length Encoding(RLE)转换numpy
- 过程
本节叙述一些常见的医疗数据格式转换方式和代码。如果有新的转换需求评论区
😳装包
import os
join = os.path.join
import random
import numpy as np
from skimage import io
import SimpleITK as sitk
😄 dcm转nii
def dcm2nii(dcm_path, nii_path):reader = sitk.ImageSeriesReader()dicom_names = reader.GetGDCMSeriesFileNames(dcm_path)reader.SetFileNames(dicom_names)image = reader.Execute()sitk.WriteImage(image, nii_path)
😆mhd转nii
def mhd2nii(mhd_path, nii_path):image = sitk.ReadImage(mhd_path)sitk.WriteImage(image, nii_path)
😊nii转nii.gz
def nii2nii(nii_path, nii_gz_path):image = sitk.ReadImage(nii_path)sitk.WriteImage(image, nii_gz_path)
😃 nrrd转nii
def nrrd2nii(nrrd_path, nii_path):image = sitk.ReadImage(nrrd_path)sitk.WriteImage(image, nii_path)
😏jpg转png
def jpg2png(jpg_path, png_path):image = io.imread(jpg_path)io.imsave(png_path, image)
😍将图像打patches块
用于将大图像及其相应的掩膜(mask)分割为多个1024x1024的小图块(也称为“patches”)。
过程
函数定义:
四个参数分别为:要分割的图像、相应的掩膜、输出路径以及基础文件名。
创建输出目录
:在输出路径下创建两个目录:一个存放图像的小图块,另一个存放掩膜的小图块。
大小检查:
检查图像和掩膜的大小是否匹配。
图像和掩膜的填充
:如果图像或掩膜的高度或宽度不是1024的倍数,将它们填充到最近的1024的倍数。
分割图像和掩膜
:计算在垂直和水平方向上需要分割的步数。对于每个步骤,从图像和掩膜中提取1024x1024的小图块。保存每个小图块到指定的输出目录。
def patchfy(img, mask, outpath, basename):# 定义存放图像和掩膜小图块的目录image_patch_dir = join(outpath, "images")mask_patch_dir = join(outpath, "labels")# 如果目录不存在,则创建它们os.makedirs(image_patch_dir, exist_ok=True)os.makedirs(mask_patch_dir, exist_ok=True)# 确保图像和掩膜的前两个维度(即高度和宽度)是相同的assert img.shape[:2] == mask.shape# 定义小图块的高度和宽度为1024x1024patch_height = 1024patch_width = 1024# 获取图像和掩膜的高度和宽度img_height, img_width = img.shape[:2]mask_height, mask_width = mask.shape# 如果图像的高度不是1024的倍数,则进行填充if img_height % patch_height != 0:img = np.pad(img, ((0, patch_height - img_height % patch_height), (0, 0), (0, 0)), mode="constant")# 如果图像的宽度不是1024的倍数,则进行填充if img_width % patch_width != 0:img = np.pad(img, ((0, 0), (0, patch_width - img_width % patch_width), (0, 0)), mode="constant")# 如果掩膜的高度不是1024的倍数,则进行填充if mask_height % patch_height != 0:mask = np.pad(mask, ((0, patch_height - mask_height % patch_height), (0, 0)), mode="constant")# 如果掩膜的宽度不是1024的倍数,则进行填充if mask_width % patch_width != 0:mask = np.pad(mask, ((0, 0), (0, patch_width - mask_width % patch_width)), mode="constant")# 再次确保填充后的图像和掩膜大小相同assert img.shape[:2] == mask.shape# 确保填充后的图像和掩膜可以被1024整除assert img.shape[0] % patch_height == 0assert img.shape[1] % patch_width == 0assert mask.shape[0] % patch_height == 0assert mask.shape[1] % patch_width == 0# 计算垂直和水平方向上需要的分割步骤height_steps = (img_height // patch_height) if img_height % patch_height == 0 else (img_height // patch_height + 1)width_steps = (img_width // patch_width) if img_width % patch_width == 0 else (img_width // patch_width + 1)# 对图像和掩膜进行分割,并保存小图块for i in range(height_steps):for j in range(width_steps):# 提取图像小图块img_patch = img[i * patch_height:(i + 1) * patch_height, j * patch_width:(j + 1) * patch_width, :]# 提取掩膜小图块mask_patch = mask[i * patch_height:(i + 1) * patch_height, j * patch_width:(j + 1) * patch_width]# 确保图像和掩膜小图块的大小相同,并且都是1024x1024assert img_patch.shape[:2] == mask_patch.shapeassert img_patch.shape[0] == patch_heightassert img_patch.shape[1] == patch_width# 显示小图块的大小(可选)print(f"img_patch.shape: {img_patch.shape}, mask_patch.shape: {mask_patch.shape}")# 定义图像和掩膜小图块的保存路径img_patch_path = join(image_patch_dir, f"{basename}_{i}_{j}.png")mask_patch_path = join(mask_patch_dir, f"{basename}_{i}_{j}.png")# 保存图像和掩膜小图块io.imsave(img_patch_path, img_patch) io.imsave(mask_patch_path, mask_patch)
😘将Run-Length Encoding(RLE)转换numpy
用于将Run-Length Encoding(RLE,行程长度编码)格式的掩膜编码转换为一个二维的numpy数组。这种编码方式常用于表示二进制图像,特别是在医学影像分割任务中。
过程
函数定义
:rle_decode(mask_rle, img_shape):该函数接受两个参数,mask_rle 是一个用字符串表示的RLE编码,img_shape 是目标图像的形状(高度,宽度)。
初始化:
将 mask_rle 字符串通过空格分割,得到一个数字字符串的列表。列表中的偶数索引(从0开始)表示RLE编码的起始点,奇数索引表示该连续区域的长度。
转换
:使用numpy数组将起始点和长度转换为整数格式。通过加法计算每个连续区域的结束点。确保起始点和长度的数量是相同的。初始化一个全零的一维numpy数组,其长度等于目标图像的像素总数。遍历每个连续区域,将对应的像素值设置为255(表示掩膜区域)。
重塑:
将一维的numpy数组重塑为二维数组,其形状与目标图像相同。使用转置操作(.T)确保数组的形状与预期的图像形状匹配。
def rle_decode(mask_rle, img_shape):"""将RLE编码的掩膜解码为二维numpy数组。参数:mask_rle: RLE编码的掩膜,格式为字符串(起始点和长度交替出现)。img_shape: 目标图像的形状(高度,宽度)。返回:一个二维numpy数组,表示解码后的掩膜图像。"""# 将RLE编码字符串通过空格分割seq = mask_rle.split()# 获取所有的起始点(偶数索引)starts = np.array(list(map(int, seq[0::2])))# 获取所有的长度(奇数索引)lengths = np.array(list(map(int, seq[1::2])))# 确保起始点和长度的数量是相同的assert len(starts) == len(lengths)# 计算每个连续区域的结束点ends = starts + lengths# 初始化一个全零的一维数组,长度等于图像的像素总数img = np.zeros((np.product(img_shape),), dtype=np.uint8)# 遍历每个连续区域,设置对应的像素值为255for begin, end in zip(starts, ends):img[begin:end] = 255# 将一维数组重塑为二维数组,形状与目标图像相同img.shape = img_shape# 返回转置后的图像,确保其形状与预期的图像形状匹配return img.T
更多推荐
【转换数据集格式】dcm转nii,mhd转nii,nii转nii.gz,nrrd转nii,jpg转png,将图像打patches块,
发布评论