Python SimpleItk库的重采样（resample）方法和代码小记

本文主要是介绍Python SimpleItk库的重采样（resample）方法和代码小记，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

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

这篇关于Python SimpleItk库的重采样（resample）方法和代码小记的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！