Pydicom
單張影像的讀取
使用 pydicom.dcmread() 函數進行單張影像的讀取,傳回一個pydicom.dataset.FileDataset對象.
import os
import pydicom
# 調用本地的 dicom file
folder_path = r"D:\Files\Data\Materials"
file_name = "PA1_0001.dcm"
file_path = os.path.join(folder_path,file_name)
ds = pydicom.dcmread(file_path)
在一些特殊情況下,比如直接讀取從醫院拿到的資料(未經任何處理)時,可能會發生以下報錯:
raise InvalidDicomError("File is missing DICOM File Meta Information "
pydicom.errors.InvalidDicomError: File is missing DICOM File Meta Information header or the 'DICM' prefix is missing from the header. Use force=True to force reading.
可以看到,由于缺失檔案元資訊頭,無法直接讀取,隻能強行讀取.這種情況可以直接根據提示,調整指令為:
ds = pydicom.dcmread(file_path,force=True)
但後續還會碰到:
AttributeError: 'Dataset' object has no attribute 'TransferSyntaxUID'
在網上檢索後發現,可以通過設定TransferSyntaxUID來解決問題:
ds.file_meta.TransferSyntaxUID = pydicom.uid.ImplicitVRLittleEndian
這樣就大功告成了(這裡實際上就提前接觸到了下面讀取Dicom Tags的内容了)
一些簡單處理
讀取成功後,我們可以對 Dicom檔案 進行一些簡單的處理
讀取并編輯Dicom Tags
可以通過兩種方法來讀取Tag的值
使用的Tag的Description
print(ds.PatientID,ds.StudyDate,ds.Modality)
使用 ds.get() 函數. 函數内參數采用的是Tag ID.幾種簡單的打開Dicom檔案的軟體(如RadiAnt DICOM Viewer)都可以直接看到.這裡不再贅述.
ds.get(0x00100020) # 這裡得到的是PatientID
讀取到相應的Tag值後, 也可以将其他的值寫入這些Tag.隻要最後儲存一下就可以了.
借助Numpy與PIL.Image
讀取Dicom檔案後,可以借助Numpy以及圖像處理庫(如PIL.Image)來進行簡單的處理.
借助Numpy
import numpy as np
data = np.array(ds.pixel_array)
注意這裡使用的是 np.array() 而不是 np.asarray(). 因為前者的更改并不會帶來原pixel_array的改變.
在轉化為ndarray後 可以直接進行簡單的切割和連接配接,比如截取某一部分和将兩張圖像拼在一起等,之後再寫入并儲存下來即可.
借助PIL.Image
from PIL import Image
data_img = Image.fromarray(ds.pixel_array)
data_img_rotated = data_img.rotate(angle=45,resample=Image.BICUBIC,fillcolor=data_img.getpixel((0,0)))
這裡展示的是旋轉, 還有其他功能如resize等.
需要注意的是,從Numpy的ndarray轉化為Image時,一般會發生變化:
print(data.dtype) # int16
data_rotated = np.array(data_img_rotated)
print(data_img) # int32
隻需要指定參數就可以解決了
data_rotated = np.array(data_img_rotated,dtype = np.int16)
可視化
簡單的可視化Pydicom沒有直接的實作方法,我們可以通過上面借助Matplotlib以及Image子產品來實作.但效果有限.
借助 Matplotlib (Pydicom官方文檔中使用的方法)
from matplotlib import pyplot
pyplot.imshow(ds.pixel_array,cmap=pyplot.cm.bone)
pyplot.show()
效果如圖所示:
但真實的圖像是:
顯然顔色是有差別的.導緻這種差别的原因是pyplot函數使用的cm也就是"color map" 是簡單的"bone" 并不能滿足醫學圖像的要求.
借助Image子產品
data_img.show()
一條指令即可,但是效果很差,如圖所示:
綜合來看,兩種方法都不是很好.
單張影像的寫入
經過上面對Tag值的修改, 對圖像的切割, 旋轉等操作.最後需要重新寫入該Dicom檔案.
ds.PixelData = data_rotated.tobytes()
ds.Rows,ds.Columns = data_rotated.shape
new_name = "dicom_rotated.dcm"
ds.save_as(os.path.join(folder_path,new_name))
SimpleITK
SimpleITK 是從基于C++的ITK遷移到Python的,是以很多方法的使用都跟C++很相似.
import SimpleITK as sitk
單張影像的讀取
有兩種方法:
sitk.ReadImage()
這種方法直接傳回image對象,簡單易懂.但是無法讀取Tag的值.
img = sitk.ReadImage(file_path)
print(type(img)) #
sitk.ImageFileReader()
這種方法比較像C++的操作風格,需要先初始化一個對象,然後設定一些參數,最後傳回image.相對更複雜,但可以操作的點比較多
file_reader = sitk.ImageFileReader()
file_reader.SetFileName(file_path) #這裡隻顯示了必需的,還有很多可以設定的參數
data = file_reader.Execute()
# 使用這種方法讀取Dicom的Tag Value
for key in file_reader.GetMetaDataKeys():
print(key,file_reader.GetMetaData(key))
以上兩種方法傳回的都是三維的對象,這與Pydicom有很大的不同.
data_np = sitk.GetArrayFromImage(data)
print(data_np.shape) # (1, 512, 512) = (Slice index, Rows, Columns)
序列讀取
序列讀取的方法與單張圖像讀取的第二種方法很相似.
(暫且隻發現了一種方法讀取序列,如果還有其他方法,請在評論區予以補充,感謝!)
series_reader = sitk.ImageSeriesReader()
fileNames = series_reader.GetGDCMSeriesFileNames(folder_name)
series_reader.SetFileNames(fileNames)
images = series_reader.Execute()
同樣,傳回的也是三維的對象.
一些簡單操作
SimpleITK 包含很多圖像處理如濾波的工具,這裡簡單介紹一個邊緣檢測工具和可視化工具
邊緣檢測
以Canny邊緣檢測算子為例,與讀取單張圖像類似,同樣有兩種方式:
sitk.CannyEdgeDetection()
由于濾波的對象必須是32位圖像或者其他格式, 需要通過 sitk.Cast() 轉換. 之後可以再轉換回原格式.
data_32 = sitk.Cast(data,sitk.sitkFloat32)
data_edge_1 = sitk.CannyEdgeDetection(data_32,5,30,[5]*3,[0.8]*3)
sitk.CannyEdgeDetectionImageFilter()
這個操作相對麻煩一些
Canny = sitk.CannyEdgeDetectionImageFilter()
Canny.SetLowerThreshold(5)
Canny.SetUpperThreshold(30)
Canny.SetVariance([5]*3)
Canny.SetMaximumError([0.5]*3)
data_edge_2 = Canny.Execute(data_32)
可視化
可視化的方法非常簡單 隻需要一條指令:
sitk.Show()
但需要先安裝工具ImageJ,否則無法使用.具體的安裝連結,可以參考這篇博文:sitk.show()與imageJ結合使用常見的問題
同一張Dicom檔案使用sitk.Show()得到的效果如下圖:
除此之外,ImageJ還有一個Tool Bar 支援對圖像的進一步處理:
可見,SimpleITK的可視化要比上面介紹的強大很多,不僅可以實作單張圖像的可視化以及圖像處理,還可以同時對整個序列的圖像進行統一處理.
單張影像的寫入
同樣有兩種方法
sitk.WriteImage()
new_name = "new_MR_2.dcm"
sitk.WriteImage(img,os.path.join(folder_name,new_name))
sitk.ImageFileWriter()
file_writer = sitk.ImageFileWriter()
file_writer.SetFileName(os.path.join(folder_name,new_name))
file_writer.SetImageIO(imageio="GDCMImageIO")
file_writer.Execute(img)
使用這兩種方法進行寫入的時候,會發現,即便什麼也沒有做,但得到的新Dicom檔案要小于原始的Dicom檔案.這是因為新的Dicom檔案中沒有Private Creator資訊(屬于Dicom Tag的内容).當然如果原始Dicom檔案中本就沒有這種資訊,檔案大小是保持相同的.
因為很多時候隻是對圖像進行處理,是以不再深究.
到此這篇關于使用Python對Dicom檔案進行讀取與寫入的實作的文章就介紹到這了,更多相關Python Dicom檔案進行讀取與寫入内容請搜尋腳本之家以前的文章或繼續浏覽下面的相關文章希望大家以後多多支援腳本之家！