将 12 位 DICOM 图像转换为 8 位 jpeg

Question

我正在尝试使用 dicom 库将 DICOM 文件加载到 python 中。我做了以下

ds=dicom.read_file(r"C:\Users\Z003SPFR.AD005\ML\GLCM AND SVM\data\NECT\1.IMA")
#    # store the raw image data
DicomImage = ds.pixel_array

这给了我看起来是 12 位的值，因为获得的最高值是 3047 左右，最低值是 0。然后我制作了自己的映射函数，将其带到 0-255 的范围内。我使用了以下代码：

leftMin = 0
leftMax = np.amax(DicomImage)

rightMin = 0
rightMax = 255



def translate(value, leftMin, leftMax, rightMin, rightMax):
    # Figure out how 'wide' each range is
    leftSpan = leftMax - leftMin
    rightSpan = rightMax - rightMin

    # Convert the left range into a 0-1 range (float)
    valueScaled = float(value - leftMin) / float(leftSpan)

    # Convert the 0-1 range into a value in the right range.
    return rightMin + (valueScaled * rightSpan)

#print(translate(value, leftMin, leftMax, rightMin, rightMax))



def int12_to_int8(img):
    img_array = []

    for eachRow in img:
        for eachPix in eachRow:
            img_array.append(translate(eachPix,leftMin, leftMax, rightMin, rightMax))
    img_array = np.array(img_array)
    img_array = img_array.reshape(512,512)  
    return img_array

correct_range_image = int12_to_int8(DicomImage)

这样做之后，我意识到数组 img_array 是 uint16 类型的。我想要它作为 uint8，所以我使用以下行转换为 uint8：

cvuint8 = cv2.convertScaleAbs(correct_range_image)

然后我显示了结果图像。但我收到的图像不能很好地代表原始图像。我已经发布了原始图像和转换图像的图片。如何使转换更好，以便更好地表示原始图像？我以前显示的代码在这里：

cv2.imwrite('1.jpeg', cvuint8 )
cv2.imshow('image',cvuint8 )[enter image description here][1]
cv2.waitKey(0)

图片

[1] 转换后的图像：https://i.stack.imgur.com/wdGCo.jpg [2] 原图：https://i.stack.imgur.com/JyfYI.jpg

Answer 1

我找到了解决问题的方法。正如 Ahmed 上面提到的，DICOM 围绕重新调整斜率、截距和窗口级别/宽度进行正确显示。经过大量文档后，这里是使用 OpenCV、numpy 和 pydicom 库在 Python 中渲染 DICOM 的方法，这些库使所有工作变得简单

代码： 1.阅读图片

ds=dicom.read_file("image_path")
# store the raw image data
img = ds.pixel_array

1. 使用重新缩放斜率并截取图像标题中的信息并进行翻译。

   rescale_slope=1 rescale_intercept=-1024

   def translate(value,rescale_slope,rescale_intercept):
   
   return (value*rescale_slope)+rescale_intercept 
   
   def int12_to_int8(DicomImage):
       img_array = []
   
   for eachRow in DicomImage:
       for eachPix in eachRow:
           img_array.append(translate(eachPix,rescale_slope,rescale_intercept))
   img_array = np.array(img_array)
   img_array = img_array.reshape(512,512)  
   return img_array
   
   img_1 = int12_to_int8(img)
   

3.使用图像标题中的窗口级别和宽度信息在适当的范围内显示。

def get_LUT_value(data, window, level)

    return np.piecewise(data, 
        [data <= (level - 0.5 - (window-1)/2),
            data > (level - 0.5 + (window-1)/2)],
            [0, 255, lambda data: ((data - (level - 0.5))/(window-1) + 0.5)*(255-0)])

level=200
window=800

scaled_img=get_LUT_value(img, window, level)

4.最后，得到想要的最终图像

scaled_img = cv2.convertScaleAbs(scaled_img)
cv2.imshow('image',scaled_img)
cv2.imwrite("hem.jpg",scaled_img)
cv2.waitKey(0)

Answer 2

请参考http://dicom.nema.org/DICOM/2013/output/chtml/part04/sect_N.2.html，了解医学图像像素数据在显示之前是如何渲染的 并非所有提到的概念都适用，但我假设您缺少 Window level 和 window Center Values 的重要性。 在此处阅读有关窗口方程的信息 Window width and center calculation of DICOM image

因此，如果您尝试在正确渲染之前降低图像的 bitDepth（丢失最不重要的数据），那么您肯定会得到一个坏图像。 考虑在转换之前对原始数据应用窗口，您可以在编写代码之前使用imageJ 工具查看实际的图像操作（WL，降级深度）

Answer 3

可以按照这个： https://raw.githubusercontent.com/VolumeRC/AtlasConversionScripts/master/src/convertDICOM.py

他们以简单的方式提到了使用窗口级别/宽度、重新调整斜率/截距的 DICOM 渲染

def get_LUT_value(data, window, level,rescaleSlope,rescaleIntercept):
    return np.piecewise(data,
                        [((data * rescaleSlope) + rescaleIntercept) <= (level - 0.5 - (window - 1) / 2),
                         ((data * rescaleSlope) + rescaleIntercept) > (level - 0.5 + (window - 1) / 2)],
                        [0, 255, lambda VAL: ((((VAL * rescaleSlope) + rescaleIntercept) - (level - 0.5)) / (
                        window - 1) + 0.5) * (255 - 0)])