图像显示和打印面临的一个问题是：图像的亮度和对比度能否充分突出关键部分。这里所指的“关键部分”在 CT 里的例子有软组织、骨头、脑组织、肺、腹部等等。
技术问题
1、显示器往往只有 8-bit， 而数据有 12- 至 16-bits。
2、如果将数据的 min 和 max 间 (dynamic range) 的之间转换到 8-bit 0-255 去，过程是个有损转换， 而且出来的图像往往突出的是些噪音。
算法分析
12-bit 到 8-bit 直接转换：
|
1
2
3
|
computeMinMax(pixel_val, min, max); // 先算图像的最大和最小值 for (i = 0; i < nNumPixels; i++) disp_pixel_val[i] = (pixel_val[i] - min)*255.0/(double)(max-min); |
这个算法必须有，对不少种类的图像是很有效的：如 8-bit 图像，MRI, ECT, CR 等等。
python实现
|
1
2
3
4
5
6
7
8
9
10
|
def matrix2uint8(matrix): ''' matrix must be a numpy array NXNReturns uint8 version ''' m_min= np.min(matrix) m_max= np.max(matrix) matrix = matrix-m_min return(np.array(np.rint( (matrix-m_min)/float(m_max-m_min) * 255.0),dtype=np.uint8)) #np.rint, Round elements of the array to the nearest integer. |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
def preprocess(img, crop=True, resize=True, dsize=(224, 224)): if img.dtype == np.uint8: img = img / 255.0 if crop: short_edge = min(img.shape[:2]) yy = int((img.shape[0] - short_edge) / 2) xx = int((img.shape[1] - short_edge) / 2) crop_img = img[yy: yy + short_edge, xx: xx + short_edge] else: crop_img = img if resize: norm_img = imresize(crop_img, dsize, preserve_range=True) else: norm_img = crop_img return (norm_img).astype(np.float32)def deprocess(img): return np.clip(img * 255, 0, 255).astype(np.uint8) |
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/jiandanjinxin/article/details/78365183
