1. 腐蚀/膨胀

1.1 python实现

import SimpleITK as sitk

demo_mask_path = "./seg.nii.gz"
demo_mask_image = sitk.ReadImage(demo_mask_path)
dilate_img=sitk.GrayscaleDilate(demo_mask_image , kernelRadius=[3,3,3])
sitk.WriteImage(dilate_img, "./dilatenii.gz")
1
2
3
4
5
6

效果类似下面这样：

---

参考：

• Welcome to the SimpleITK Image Filtering Tutorial
• 根据上一参考链接找到：GrayscaleErodeImageFilter，进而去SimpleITK的在线文档进行搜索
• 进而找到：itk::simple::GrayscaleErodeImageFilter Class Reference
  • 其中包括：GrayscaleErode()这个接口。
• 如果不小心忘了腐蚀和膨胀的意义，可以看看这个文章：opencv学习笔记（八）：图像形态学操作
  • 腐蚀是暗部变多，亮部变少，每次filter取最小值来覆盖（0-255，0是黑色）
  • 膨胀是暗部变少，亮部变少，每次filter取最大值来覆盖
• SimpleITK等解析医学图像
• ITK07 掩膜处理
• ITK做腐蚀操作，这个使用了itkGrayscaleErodeImageFilter这个类

1.2. C++实现

如果想搜索ITK的某些类，可以直接去SimpleITK的文档里去搜索，这里会显示那些ImageFilter的对应ITK中的说明文档。

例如：去文档中搜索erosion，可以得到以下结果，还是看一下哪个是自己需要的功能比较好

还有几个，这里就不放截图了

1.2.1 膨胀(Dilate)

膨胀对应的ImageFilter是：

• itk::BinaryDilateImageFilter< TInputImage, TOutputImage, TKernel > Class Template Reference
• 膨胀的C++示例位于：SphinxExamples/src/Filtering/BinaryMathematicalMorphology/DilateABinaryImage/Code.cxx
• 具体如下：

#include "itkImage.h"
#include "itkImageFileReader.h"
#include "itkImageFileWriter.h"
#include "itkFlatStructuringElement.h"
#include "itkBinaryDilateImageFilter.h"
 
int main(int argc, char * argv[])
{
  if (argc < 4)
  {
    std::cerr << "Usage: " << std::endl;
    std::cerr << argv[0] << " <inputImage> <outputImage> <radius>";
    std::cerr << std::endl;
    return EXIT_FAILURE;
  }
  const char *       inputImage = argv[1];
  const char *       outputImage = argv[2];
  const unsigned int radiusValue = std::stoi(argv[3]);
 
  using PixelType = unsigned char;
  constexpr unsigned int Dimension = 2;
  using ImageType = itk::Image<PixelType, Dimension>;
 
  const auto input = itk::ReadImage<ImageType>(inputImage);
 
  using StructuringElementType = itk::FlatStructuringElement<Dimension>;
  StructuringElementType::RadiusType radius;
  radius.Fill(radiusValue);
  StructuringElementType structuringElement = StructuringElementType::Ball(radius);
 // 主要是这句
  using BinaryDilateImageFilterType = itk::BinaryDilateImageFilter<ImageType, ImageType, StructuringElementType>;
 
  BinaryDilateImageFilterType::Pointer dilateFilter = BinaryDilateImageFilterType::New();
  dilateFilter->SetInput(input);
  dilateFilter->SetKernel(structuringElement);
  dilateFilter->SetForegroundValue(255); // Value to dilate
 
  try
  {
    itk::WriteImage(dilateFilter->GetOutput(), outputImage);
  }
  catch (itk::ExceptionObject & error)
  {
    std::cerr << "Error: " << error << std::endl;
    return EXIT_FAILURE;
  }
 
  return EXIT_SUCCESS;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

1.2.2 腐蚀(Erode)

腐蚀对应的ImageFilter是：

• [itk::BinaryErodeImageFilter< TInputImage, TOutputImage, TKernel > Class Template Reference](itk::BinaryErodeImageFilter< TInputImage, TOutputImage, TKernel > Class Template Reference)
• 腐蚀的C++示例位于：SphinxExamples/src/Filtering/MathematicalMorphology/ErodeBinaryImageUsingFlatStruct/Code.cxx，以及SphinxExamples/src/Filtering/BinaryMathematicalMorphology/ErodeABinaryImage/Code.cxx

2. SimpleITK进行padding操作

我的使用场景：

• 对mask图像做了crop，删除了mask中一些不需要的标记点
• crop之后mask图像大小发生了变化，因此需要变回到crop之前的size

import SimpleITK as sitk

demo_mask_path = "./seg.nii.gz"
demo_mask_image = sitk.ReadImage(demo_mask_path)

cropped_image = sitk.Crop(demo_mask_image ,lowerBoundaryCropSize=[0,0,0],upperBoundaryCropSize=[crop_size,0,0])

half_image_y_pad =sitk.ConstantPad(cropped_image ,padLowerBound=[0,0,0],padUpperBound=[crop_size,0,0],constant=0)
1
2
3
4
5
6
7
8

ConstantPad和Crop很像，只是一个是裁剪，一个是补充。

---

参考：

• itk::simple::ConstantPadImageFilter Class Reference

3. SimpleITK提取某个切片

根据参考1，可以知道，

• 纯使用SimpleITK的Image去进行切片，代码比较复杂
• 建议还是直接转为numpy数组进行

import SimpleITK as sitk

demo_mask_path = "./seg.nii.gz"
demo_mask_image = sitk.ReadImage(demo_mask_path)
demo_array = sitk.GetArrayFromImage(demo_mask_image)
# 进行一些数组切片操作
....
demo_image =sitk.GetImageFromArray(demo_array)
demo_image.CopyInformation(demo_mask_image )
1
2
3
4
5
6
7
8
9

---

参考：

1. SimpleITK 文档：Advanced Image Reading
2. SimpleITK reading a slice of an image
3. Python/ExtractSlice.py
4. itk::simple::ExtractImageFilter Class Reference

4. SimpleITK的GetSize和GetArrayFromImage后的xyz对应

参考：【SimpleITK教程】GetSize()方法和GetArrayFromImage()方法


即

padding_path="XXXX.nii.gz"
padding_image=sitk.ReadImage(padding_path)
print(padding_image.GetSize())
padding_array = sitk.GetArrayFromImage(padding_image)
print(padding_array.shape)
padding_array[78,131,80]
> (240, 240, 155)  (x,y,z)
  (155, 240, 240)  (z,y,x)
2
1
2
3
4
5
6
7
8
9

5. SimpleITK阈值去骨

我使用的数据比较简单，这里也就是个简单的预处理。

import SimpleITK as sitk
image_path = "./im.nii.gz"
image = sitk.ReadImage(image_path)
skull_mask =sitk.BinaryThreshold(image, lowerThreshold=125, upperThreshold=2000, insideValue=1, outsideValue=0)
# 在125~2000范围内的，赋值为1，范围外的，赋值为0。得到的mask就是125~2000这个强度值的内容，即骨骼。
1
2
3
4
5

类似下图：

• 上面是将脑部CT窗宽窗位调整至level：700，window：500得到的图像
• 下面是使用阈值去骨后的结果，看起来还行
  

---

参考：

• itk::simple::ThresholdImageFilter Class Reference
• Introduction to ITK Segmentation in SimpleITK Notebooks
• ITK 基础(二) — 图像分割 General Threshold