标签：sitk target img Python resample SimpleItk 图像 resampler itk
记：在重采样（resample）上面探过的一些坑，以及最终发现的简单方法
需求：已有配准好的CT以及PET图像，而金标准label是在CT上勾画的，因此有一些简单的需求，一种是把PET图像重采样到与CT图像一样的大小（比如从192×192×371到512×512×484），或者把金标准Mask降到同PET一样的大小（即反过来）。
怎么找的方法：使用过SITK-SNAP（3.8版本），它的一个读图功能是支持不同大小、spacing、origin、direction的图像一起展示的，软件会相当于给你resample好了展示出来；因此已知ITK存在解决的方法了，剩下就是找对应代码。
直接上最终的Python代码：
import SimpleITK as sitk
def resize_image_itk(ori_img, target_img, resamplemethod=sitk.sitkNearestNeighbor):
"""
用itk方法将原始图像resample到与目标图像一致
:param ori_img: 原始需要对齐的itk图像
:param target_img: 要对齐的目标itk图像
:param resamplemethod: itk插值方法: sitk.sitkLinear-线性 sitk.sitkNearestNeighbor-最近邻
:return:img_res_itk: 重采样好的itk图像
"""
target_Size = target_img.GetSize() # 目标图像大小 [x,y,z]
target_Spacing = target_img.GetSpacing() # 目标的体素块尺寸 [x,y,z]
target_origin = target_img.GetOrigin() # 目标的起点 [x,y,z]
target_direction = target_img.GetDirection() # 目标的方向 [冠,矢,横]=[z,y,x]
# itk的方法进行resample
resampler = sitk.ResampleImageFilter()
resampler.SetReferenceImage(ori_img) # 需要重新采样的目标图像
# 设置目标图像的信息
resampler.SetSize(target_Size) # 目标图像大小
resampler.SetOutputOrigin(target_origin)
resampler.SetOutputDirection(target_direction)
resampler.SetOutputSpacing(target_Spacing)
# 根据需要重采样图像的情况设置不同的dype
if resamplemethod == sitk.sitkNearestNeighbor:
resampler.SetOutputPixelType(sitk.sitkUInt16) # 近邻插值用于mask的，保存uint16
else:
resampler.SetOutputPixelType(sitk.sitkFloat32) # 线性插值用于PET/CT/MRI之类的，保存float32
resampler.SetTransform(sitk.Transform(3, sitk.sitkIdentity))
resampler.SetInterpolator(resamplemethod)
itk_img_resampled = resampler.Execute(ori_img) # 得到重新采样后的图像
return itk_img_resampled
踩的坑：
之前在网上找代码的时候，看到这样一份代码，这个是计算一个new_size，即通过两个图像的spacing来计算重采样之后的图像的大小，代码如下：
# 初始版本,from网上,适用于只有spacing不同的两个图
def resize_image(itkimage, newSize, resamplemethod=sitk.sitkNearestNeighbor):
print('--resize ing--')
resampler = sitk.ResampleImageFilter()
originSize = itkimage.GetSize() # 原来的体素块尺寸
originSpacing = itkimage.GetSpacing()
newSize = np.array(newSize, float)
factor = originSize / newSize
newSpacing = originSpacing * factor
newSize = newSize.astype(np.int) # spacing肯定不能是整数
resampler.SetReferenceImage(itkimage) # 需要重新采样的目标图像
resampler.SetSize(newSize.tolist())
resampler.SetOutputSpacing(newSpacing.tolist())
resampler.SetTransform(sitk.Transform(3, sitk.sitkIdentity))
resampler.SetInterpolator(resamplemethod)
itk_img_res = resampler.Execute(itkimage) # 得到重新采样后的图像
print('--resize finish--')
return itk_img_res
实际使用中发现，如果通过计算得到的newsize来 resampler.SetSize(new_size) 的话，new_size不一定和目标图像的size一致，原因是两个图像在origin、direction方面很有可能不一致（尤其对于医学影像），因此使用这份代码会导致还需要对resample后的图像进行各种后处理操作。。pad或者cut啥的（头秃地想了好多代码，结果最后都用不上，泪目）
最后是通过这份代码的sitk.ResampleImageFilter()，进去看各个功能函数，突然想试试如果set的是目标图像的大小的话，是不是应该跟软件一样直接给到正确的结果呢，结果发现真的是可以的。。。。
不过过程中学到蛮多itk图像的属性、空间坐标转换之类的一些知识，还行吧。。
小记一下这个插曲
2021/04/17
标签：sitk,target,img,Python,resample,SimpleItk,图像,resampler,itk 来源： https://blog.csdn.net/weixin_40640335/article/details/115798249
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。