我将使用pydicom包读取一系列DICOM图像，并将他们转成NumPy数组．这将涉及从DICOM文件和像素数据本身读取元数据。
第一步：安装pydicom包.
pip install pydicom
我加载一系列的DICOM数据并将其转为3D NumPy数组,使用 matplotlib可视化两个切片．
第二部：导入一些包．
import dicom
import os
import numpy
from matplotlib import pyplot, cm
第三步：我们用os.path.walk遍历整个目录，收集全部.dcm文件,并收集到一个名为＇lstFilesDCM＇的名单：
第四步：pydicom这个包的一个值得注意的方面是读取DICOM文件。它创建了一个dicom.dataset.filedataset 的对象,不同的元数据被分配给具有相同名称的对象属性。说实在的这句话我现在我没搞明白，不过不影响我们的进程．
在第一行我们加载第一DICOM文件，我们将它命名为RefDs作为参考使用，提取元数据并将其文件名放在lstFilesDCM列表中．然后我们计算的三维NumPy数组的总尺寸，这就相当于（切片中像素行数）＊（切片中像素列数）＊（切片数量）沿着x，y，z轴．最后，我们使用 PixelSpacing和SliceThickness属性计算三个轴之间的像素间距。我们把数组的尺寸放在ConstPixelDims和 ConstPixelSpacing的间距中。行、列、像素间距和切片厚度都是元数据条目。
第五步：我们简单地用numpy.arange，ConstPixelDims，和ConstPixelSpacing计算该阵列轴
第六步：
你可以看到，我们在这里做的是首先创建一个命名arraydicom的NumPy数组，使用之前ConstPixelDims计算的指定尺寸．该数组的dtype与我们最初用来提取元数据的参考数据集RefDs的pixel_array的dtype相同．这里感兴趣的是pixel_array对象是一个纯NumPy数组，其中包含特定DICOM slice / image的像素数据。因此，我们接下来要做的就是循环收集的DICOM文件名，并使用dicom.read_file函数将每个文件读入一个dicom.dataset.FileDataset对象。然后，我们使用该对象的pixel_array属性，并将其折叠到ArrayDicom中，沿z轴进行堆叠。
第七步：而就是这样！使用matplotlib中的pyplot模块，可视化：
网友评论