码迷,mamicode.com
首页 > 其他好文 > 详细

脑图像的数据预处理

时间:2018-11-24 16:35:36      阅读:275      评论:0      收藏:0      [点我收藏+]

标签:分离   image   水平   数组   logs   pen   alt   www.   使用说明   

脑图像的数据预处理

    在“BrainWeb: Simulated Brain Database使用说明”中已经介绍了如何下载并打开脑数据库,这篇文章将0、1、2、3、8类分割出来,用以后续对图像的处理。

    作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/

1.准备

    从BrainWeb: Simulated Brain Database网站中下载我们需要的脑图像数据,如t1_icbm_normal_1mm_pn0_rf0.rawb文件,表示在T1模态、icmb协议下,切片厚度为1mm,噪声水平为0,灰度不均匀水平为0的正常脑图像。

2.程序

main.m

function main(filename,name,num)
% 函数main(filename, num)中的第一个参数filename是欲读取的rawb文件的文件名,第二个参数num就是第多少张。
%例如:main(‘t1_icbm_normal_1mm_pn0_rf0.rawb‘,‘train.txt‘,90), main(‘phantom_1.0mm_normal_csf.rawb‘,‘train.txt‘,90)
mark=Mark(‘phantom_1.0mm_normal_crisp.rawb‘,num);
read=readrawb(filename, num);
[row,col]=size(read);
for i=1:row   %行
    for j=1:col    %列
        if mark(i,j)==0
            read_new(i,j)=0;
        else
            read_new(i,j)=read(i,j);   %将第0、1、2、3、8类拿出来,其余类为0
        end
    end
end
Write_txt(name,read_new);    %将数据写入TXT文件
% 旋转90°并显示出来
read_new=imrotate(read_new, 90);                                        
imshow(uint8(read_new));
end

Mark.m

function mark=Mark(filename,num)
%将标签为1、2、3、8类分出来,其余为0,mark取值:0、1、2、3、8
%[mark_new,mark]=Mark(‘phantom_1.0mm_normal_crisp.rawb‘,90);
fp=fopen(filename);
temp=fread(fp, 181 * 217 * 181);
image=reshape(temp, 181 * 217, 181);   
images=image(:, num);
images=reshape(images, 181, 217);
mark_data=images;
fclose(fp);
%将第0、1、2、3、8类标签所在的坐标点拿出来,其余置0
for i=1:181
    for j=1:217
        if (mark_data(i,j)==1)||(mark_data(i,j)==2)||(mark_data(i,j)==3)||(mark_data(i,j)==8)
            mark(i,j)=mark_data(i,j);
        else
            mark(i,j)=0;
        end
    end
end

readrawb.m

function g = readrawb(filename, num)
% 函数readrawb(filename, num)中的第一个参数filename是欲读取的rawb文件的文件名,第二个参数num就是第多少张。
fid = fopen(filename);
% 连续读取181*217*181个数据,这时候temp是一个长度为181*217*181的向量。
% 先将rawb中的所有数据传递给temp数组,然后将tempreshape成图片集。
temp = fread(fid, 181 * 217 * 181);
% 所以把它变成了一个181*217行,181列的数组,按照它的代码,这就是181张图片的数据,每一列对应一张图。
% 生成图片集数组。图片集images数组中每一列表示一张图片。
images = reshape(temp, 181 * 217, 181);   
% 读取数组中的第num行,得到数组再reshape成图片原来的行数和列数:181*217。
image = images(:, num);
image = reshape(image, 181, 217);
g = image;
fclose(fid);
end

Write_txt.m

function Write_txt(name,read)
%将数据写入txt文件
fp=fopen(name,‘w‘);
[row,col]=size(read);
for i=1:row   %行
    for j=1:col    %列
        if j==col
            fprintf(fp,‘%f\n‘,read(i,j));  %换行   %f或者%d
        else
            fprintf(fp,‘%f\t‘,read(i,j));  %多个空格tab
        end
    end
end
fclose(fp);

processed_data.m

function processed_data(filename,name,num)
%将1、2、3、8类的数据做归一处理,其余为0
% processed_data(‘t1_icbm_normal_1mm_pn0_rf0.rawb‘,‘train.txt‘,90)
mark=Mark(‘phantom_1.0mm_normal_crisp.rawb‘,num);
read=readrawb(filename, num);
[row,col]=size(read);
for i=1:row   %行
    for j=1:col    %列
        if mark(i,j)==0
            read_new(i,j)=0;
        else
            read_new(i,j)=read(i,j)./255;   %将第0、1、2、3、8类拿出来,其余类为0
        end
    end
end
Write_txt(name,read_new);    %将数据写入TXT文件

init_image.m

function init_image(filename,num)
%function init_image(filename,name,num)
% 函数init_image(filename,num)中的第一个参数filename是欲读取的rawb文件的文件名,第二个参数num就是第多少张。输出为原始图像,未处理
%例如:init_image(‘t1_icbm_normal_1mm_pn0_rf0.rawb‘,‘train.txt‘,90), init_image(‘phantom_1.0mm_normal_csf.rawb‘,‘train.txt‘,90)
read=readrawb(filename, num);
%Write_txt(name,read);  %将数据写入文件
% 旋转90°并显示出来
read=imrotate(read, 90);                                        
imshow(uint8(read));
end

3.结果

>> init_image(‘t1_icbm_normal_1mm_pn0_rf0.rawb‘,90)

  技术分享图片

>> main(‘t1_icbm_normal_1mm_pn0_rf0.rawb‘,‘train.txt‘,90)

技术分享图片4.注意

    init_image()这个函数输出原图像,main()这个函数将0、1、2、3、8类分离出来,用于后续的研究,processed_data()这个函数对1、2、3、8类进行归一化,并将结果写入TXT文件。这篇文章仅作为保存我之前所做的内容,今后不会研究脑图像,但我之前的博客园文章中提到的聚类算法都可以用在脑图像分割中,有兴趣的话可以对聚类算法用在脑图像分割这个领域做进一步研究。

 

脑图像的数据预处理

标签:分离   image   水平   数组   logs   pen   alt   www.   使用说明   

原文地址:https://www.cnblogs.com/kailugaji/p/10012338.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!