将数据库中的所有图像重新采样为相同的体素大小
Resample all images in the database to the same voxel size
我有 3 个大小为 512x512x133, 512x512x155 and 512x512x277 的 dicom 堆栈。我想对所有堆栈重新采样以制作大小 512x512x277, 512x512x277 and 512x512x277。怎么做？
我知道我可以使用切片厚度和像素间距进行重采样。但这并不能确保每种情况下的切片数量相同。
您可以使用 scipy.ndimage.interpolate.zoom，像这样为每个轴指定缩放因子数组：
# example for first image
zoomArray = desiredshape.astype(float) / original.shape
zoomed = scipy.ndimage.interpolate.zoom(original, zoomArray)
更新：
如果速度太慢，您可以尝试以某种方式从 "image cube" 的垂直切片创建单独的图像，用一些高速图像库处理它们（有些人喜欢 ImageMagick，还有 PIL， opencv等），再将它们堆叠在一起。这样，您将拍摄 512 张尺寸为 512x133 的图像并将它们的大小调整为 512x277，然后再次堆叠为 512x512x277，这是您最终需要的尺寸。此外，这种分离将允许并行化。一种想法是：只有在横轴（您将沿其对 2D 图像进行切片的轴）不调整大小的情况下，这才有效！
您可以使用 Resample transform in TorchIO.
import torchio as tio
small, medium, large = dicom_dirs # the folders of your three DICOMs
reference = tio.ScalarImage(large)
resample = tio.Resample(reference)
small_resampled = resample(small)
medium_resampled = resample(medium)
这三张图片现在具有相同的形状，512 x 512 x 277。
免责声明：我是 TorchIO 的主要开发者。
我有 3 个大小为 512x512x133, 512x512x155 and 512x512x277 的 dicom 堆栈。我想对所有堆栈重新采样以制作大小 512x512x277, 512x512x277 and 512x512x277。怎么做？
我知道我可以使用切片厚度和像素间距进行重采样。但这并不能确保每种情况下的切片数量相同。
您可以使用 scipy.ndimage.interpolate.zoom，像这样为每个轴指定缩放因子数组：
# example for first image
zoomArray = desiredshape.astype(float) / original.shape
zoomed = scipy.ndimage.interpolate.zoom(original, zoomArray)
更新：
如果速度太慢，您可以尝试以某种方式从 "image cube" 的垂直切片创建单独的图像，用一些高速图像库处理它们（有些人喜欢 ImageMagick，还有 PIL， opencv等），再将它们堆叠在一起。这样，您将拍摄 512 张尺寸为 512x133 的图像并将它们的大小调整为 512x277，然后再次堆叠为 512x512x277，这是您最终需要的尺寸。此外，这种分离将允许并行化。一种想法是：只有在横轴（您将沿其对 2D 图像进行切片的轴）不调整大小的情况下，这才有效！
您可以使用 Resample transform in TorchIO.
import torchio as tio
small, medium, large = dicom_dirs # the folders of your three DICOMs
reference = tio.ScalarImage(large)
resample = tio.Resample(reference)
small_resampled = resample(small)
medium_resampled = resample(medium)
这三张图片现在具有相同的形状，512 x 512 x 277。
免责声明：我是 TorchIO 的主要开发者。