pydicom和SimpleITK分别解析医学影像中dicom文件

 1 import pydicom
 2 from matplotlib import pyplot
 3 
 4 ds = pydicom.read_file(‘C:/Users/****/Desktop/CT000000.dcm‘)# DICOM文件的位置
 5 print(ds.dir()) # 打印所有 DICOM TAG 名
 6 print(ds.dir(‘Pixe‘)) # 打印包含 ‘pat‘ 的 DICOM TAG
 7 print(ds.PatientName, ds.PatientSex, ds.PatientID, ds.PatientBirthDate, ds.PatientAge) # 打印 DICOM TAG 相应的属性值
 8 print(ds.data_element(‘PatientName‘)) # 打印一个完整的数据元素，包括 DICOMTAG编码值（Group, Element）, VR, Value
 9 print(ds.data_element(‘PatientID‘).VR, ds.data_element(‘PatientID‘).value)
10 pixel_bytes = ds.PixelData # 原始二进制文件
11 
12 pix = ds.pixel_array       # 像素值矩阵
13 print(pix.shape) # 打印矩阵维度
14 pyplot.imshow(pix, cmap=pylab.cm.bone)
15 pyplot.show() # cmap 表示 colormap,可以是设置成不同值获得不同显示效果,打印dicom图片

 1 import pydicom
 2 import numpy
 3 from matplotlib import pyplot
 4 
 5 # 用lstFilesDCM作为存放DICOM files的列表
 6 PathDicom = "D:/dicom_image/V"  # 与python文件同一个目录下的文件夹
 7 lstFilesDCM = []
 8 
 9 # 将所有dicom文件读入
10 for diName, subdirList, fileList in os.walk(PathDicom):
11     for filename in fileList:
12         if ".dcm" in filename.lower():  # 判断文件是否为dicom文件
13             print(filename)
14             lstFilesDCM.append(os.path.join(diName, filename))  # 加入到列表中
15 
16 ## 将第一张图片作为参考图
17 RefDs = pydicom.read_file(lstFilesDCM[10])  # 读取第一张dicom图片
18 # print(RefDs)
19 # print(RefDs.pixel_array)
20 # print(RefDs.PatientPosition)
21 pyplot.imshow(RefDs.pixel_array, cmap=pyplot.cm.bone)
22 pyplot.show()
23 
24 # 建立三维数组,分别记录长、宽、层数(也就是dicom数据个数)
25 ConstPixelDims = (int(RefDs.Rows), int(RefDs.Columns), len(lstFilesDCM))
26 print(ConstPixelDims)
27 
28 # 得到spacing值 (mm为单位)
29 # PixelSpacing - 每个像素点实际的长度与宽度,单位(mm)
30 # SliceThickness - 每层切片的厚度,单位(mm)
31 ConstPixelSpacing = (float(RefDs.PixelSpacing[0]), float(RefDs.PixelSpacing[1]), float(RefDs.SliceThickness))
32 
33 # 三维数据
34 x = numpy.arange(0.0, (ConstPixelDims[0] + 1) * ConstPixelSpacing[0], ConstPixelSpacing[0])  # 0到（第一个维数加一*像素间的间隔），步长为constpixelSpacing
35 y = numpy.arange(0.0, (ConstPixelDims[1] + 1) * ConstPixelSpacing[1], ConstPixelSpacing[1])  #
36 z = numpy.arange(0.0, (ConstPixelDims[2] + 1) * ConstPixelSpacing[2], ConstPixelSpacing[2])  #
37 print(len(x),"xxxx")
38 
39 ArrayDicom = numpy.zeros(ConstPixelDims, dtype=RefDs.pixel_array.dtype)
40 
41 # 遍历所有的dicom文件，读取图像数据，存放在numpy数组中
42 for filenameDCM in lstFilesDCM:
43     ds = pydicom.read_file(filenameDCM)
44     ArrayDicom[:, :, lstFilesDCM.index(filenameDCM)] = ds.pixel_array
45 
46 
47 # 轴状面显示
48 # dpi是指每英寸的像素数,dpi越大,表示打印出来的图片越清晰。不是指图片的大小.
49 # 像素用在显示领域 分辨率用在打印领域 也就是你的图像是用来打印的时候才去考虑分辨率的问题
50 pyplot.figure(dpi=1000)
51 # 将坐标轴都变为同等长度
52 # pyplot.axes().set_aspect(‘equal‘, ‘datalim‘)
53 pyplot.axes().set_aspect(‘equal‘)
54 # 将图片变为gray颜色
55 pyplot.set_cmap(pyplot.gray())
56 
57 pyplot.imshow(ArrayDicom[:, :, 360])# 第三个维度表示现在展示的是第几层 
58 pyplot.show() 
59 56 # 冠状面显示 
60 pyplot.figure(dpi=100) 
61 pyplot.axes().set_aspect(‘equal‘, ‘datalim‘) 
62 pyplot.set_cmap(pyplot.gray()) 
63 pyplot.imshow(ArrayDicom[:, 90, :])
64 pyplot.show()

 1 import SimpleITK as sitk
 2 import numpy as np
 3 from matplotlib import pyplot
 4 
 5 file = sitk.ReadImage(‘C:/Users/****/Desktop/CT1227429.dcm‘)
 6 print(file.GetSize())
 7 print(file.GetOrigin()) # 坐标原点
 8 print(file.GetSpacing()) # 像素间距
 9 print(file.GetDirection()) # 方向
10 pixel_array = sitk.GetArrayFromImage(file) # 像素矩阵
11 print(pixel_array.shape) # 打印矩阵维度
12 image_array = np.squeeze(pixel_array)
13 print(image_array.shape) #
14 pyplot.imshow(image_array)
15 pyplot.show()

 1 reader = sitk.ImageSeriesReader()
 2 reader.MetaDataDictionaryArrayUpdateOn()#这一步是加载公开的元信息
 3 reader.LoadPrivateTagsOn()#这一步是加载私有的元信息
 4 series_IDs = sitk.ImageSeriesReader.GetGDCMSeriesIDs(directorypath)#根据文件夹获取序列ID,一个文件夹里面通常是一个病人的所有切片，会分为好几个序列
 5 dicom_names = reader.GetGDCMSeriesFileNames( directorypath,series_ID)#选取其中一个序列ID,获得该序列的若干文件名
 6 reader.SetFileNames(dicom_names)#设置文件名
 7 image3D = reader.Execute()#读取dicom序列
 8 # 通过切片的索引来读取属于该切片的键，然后通过切片索引与键获取相应的值
 9 reader.GetMetaDataKeys(slice_index)
10 reader.GetMetaData(slice_index,key)