转换后图像变暗

Question

我正在处理包含 .mha 文件的数据集。我想将这些文件转换为 png/tiff 以进行某些工作。我正在使用 Medpy 库进行转换。

image_data, image_header = load('image_path/c0001.mha')

from medpy.io import  save
save(image_data, 'image_save_path/new_image.png', image_header)

其实我可以把图片转换成png/tiff格式，但是转换后的图片变暗了。我附上下面的截图。如何成功转换图片？

Answer 1

您可以应用“对比度拉伸”。

image_data的动态范围约为[0, 4095] - 最小值约为0，最大值约为4095（2^12-1）。
您正在将图像保存为 16 位 PNG。
当您显示 PNG 文件时，查看器假定最大值为 2^16-1（16 位的动态范围为 [0, 65535]）。
查看器假设 0 是黑色，2^16-1 是白色，并且线性缩放之间的值。

在您的例子中，白色像素值约为 4095，因此它转换为 [0, 65535] 范围内的非常深的灰色。

最简单的解决方案是将 image_data 乘以 16:

from medpy.io import load, save

image_data, image_header = load('image_path/c0001.mha')

save(image_data*16, 'image_save_path/new_image.png', image_header)

一个更复杂的解决方案是应用线性“对比度拉伸”。
我们可以将所有像素的低 1% 转换为 0，将像素的高 1% 转换为 2^16-1，然后线性缩放中间的像素。

import numpy as np
from medpy.io import load, save

image_data, image_header = load('image_path/c0001.mha')

tmp = image_data.copy()
tmp[tmp == 0] = np.median(tmp)  # Ignore zero values by replacing them with median value (there are a lot of zeros in the margins).
tmp = tmp.astype(np.float32) # Convert to float32

# Get the value of lower and upper 1% of all pixels
lo_val, up_val = np.percentile(tmp, (1, 99))  # (for current sample: lo_val = 796, up_val = 3607)

# Linear stretching: Lower 1% goes to 0, upper 1% goes to 2^16-1, other values are scaled linearly
# Clipt to range [0, 2^16-1], round and convert to uint16
# 
img = np.round(((tmp - lo_val)*(65535/(up_val - lo_val))).clip(0, 65535)).astype(np.uint16)  # (for current sample: subtract 796 and scale by 23.31)

img[image_data == 0] = 0  # Restore the original zeros.

save(img, 'image_save_path/new_image.png', image_header)

上述方法增强了对比度，但丢失了一些原始信息。
如果你想要更高的对比度，你可以使用 non-linear 方法，提高可见性，但会失去一些“完整性”。

这是“线性拉伸”结果（缩小）：

Answer 2

您的数据显然限于 12 位（白色为 2**12-1，即 4095），而此上下文中的 PNG 图像为 16 位（白色为 2**16-1，即 65535） .由于这个原因，您的 PNG 图像太暗，看起来几乎是黑色的（但如果您仔细观察，它不是）。

您可以应用的最精确的转换如下：

import numpy as np
from medpy.io import load, save

def convert_to_uint16(data, source_max):
    target_max = 65535  # 2 ** 16 - 1
    # build a linear lookup table (LUT) indexed from 0 to source_max
    source_range = np.arange(source_max + 1)
    lut = np.round(source_range * target_max / source_max).astype(np.uint16)
    # apply it
    return lut[data]

image_data, image_header = load('c0001.mha')
new_image_data = convert_to_uint16(image_data, 4095)  # 2 ** 12 - 1
save(new_image_data, 'new_image.png', image_header)

输出：

N.B.: new_image_data = image_data * 16对应convert_to_uint16

中的65535替换为65520(4095 * 16)

转换后图像变暗

Image turns dark after converting

python

png

image