DICOM图片用来存储医学信息
我一般处理的是图像信息,总结一下踩过的坑
打开DICOM文件需要注意到的点
DICOM图片使用python进行打开一定要注意窗口问题,dicom文件里面存储了很多其他的附加信息,不仅仅是图片,其中最重要的一个条就是要使用窗口信息。如果窗口信息不正确,由于dicom文件不是8位或者标准的浮点图片存储,它的位数很大,你直接读取,可能就是黑色的图。同时窗口信息可能不止一个,有多个,需第一组,或者最后一组就行。 进行dicom文件显示的时候,我们一般使用PIL.Image库,但是要注意dicom文件加载出来的是浮点数,直接使用Image进行存储都是黑漆漆的,Image支持uint8,float32的图片如果在不乘以255就进行数据格式的改变的话,它截取所有小于1的为0,1值,在0-255区间就是黑色,所以信息全部损失了。所以在展示保存或者其他操作之前,一定要将图片先乘以255,然后再改变数据格式,这样才能正确的显示实际的信息。
我在处理DICOM文件时的一些操作
def preprocess_image ( self, image_path, target_height= 1350 , target_width= 900 , fill= 0 , change_side= 'right' , padding_mode= 'constant' ) :
dicom = pydicom. dcmread ( image_path)
try :
window_center = dicom. WindowCenter
window_width = dicom. WindowWidth
# 如果WindowCenter和WindowWidth是列表,选择第一个值
if isinstance ( window_center, pydicom. multival. MultiValue) :
window_center = window_center[ 0 ]
if isinstance ( window_width, pydicom. multival. MultiValue) :
window_width = window_width[ 0 ]
except Exception as e :
print ( f"文件 {image_path} {e} 没有窗口参数" )
dicom_image = apply_voi_lut ( dicom. pixel_array, dicom)
min_val = window_center - ( window_width / 2 )
max_val = window_center + ( window_width / 2 )
dicom_image = np. clip ( dicom_image, min_val, max_val)
dicom_image = ( dicom_image - min_val) / ( max_val - min_val)
dicom_image = dicom_image. astype ( np. float32)
original_height, original_width = dicom_image. shape
new_height = target_height # 保持高度不变
new_width = int ( original_width * ( new_height / original_height) ) # 根据新的高度比例调整宽度
# 根据目标宽度调整图像
if new_width < target_width:
padding = target_width - new_width
if change_side == 'left' :
img_padded = cv2. copyMakeBorder ( dicom_image, 0 , 0 , padding, 0 , cv2. BORDER_CONSTANT , value= fill)
else :
img_padded = cv2. copyMakeBorder ( dicom_image, 0 , 0 , 0 , padding, cv2. BORDER_CONSTANT , value= fill)
elif new_width > target_width:
crop = int ( ( new_width - target_width) / 2 )
if change_side == 'left' :
img_padded = dicom_image[ : , crop* 2 : ]
else :
img_padded = dicom_image[ : , : - crop* 2 ]
else :
img_padded = dicom_image
img_resized = cv2. resize ( img_padded, ( target_width, target_height) , interpolation= cv2. INTER_LANCZOS4 )
img_resized = np. clip ( img_resized, 0 , 1 )
preprocess = transforms. Compose ( [
transforms. ToTensor ( ) ,
] )
return preprocess ( img_resized)
图片展示