如何使用pydicom从DICOM文件访问RGB像素阵列？

Question

我尝试使用未知压缩（可能没有）访问 DICOM 文件的RGB像素阵列。提取灰度像素阵列完全正常。

但是，使用

import dicom
import numpy as np

data_set = dicom.read_file(path)
pixel_array = data_set.pixel_array
size_of_array = pixel_array.shape

if len(size_of_array ) == 3:     
    chanR = pixel_array[0][0:size_of_array[1], 0:size_of_array[2]]
    chanG = pixel_array[1][0:size_of_array[1], 0:size_of_array[2]]
    chanB = pixel_array[2][0:size_of_array[1], 0:size_of_array[2]]
    output_array = (0.299 ** chanR) + (0.587 ** chanG) + (0.114 ** chanB)

目的是将其转换为常见的灰度数组。不幸的是，结果数组output_array不包含正确的像素数据。内容没有错误缩放，它们在空间上受到干扰。问题出在哪里？

Answer 1

它不是 RGB 像素阵列，更好的方法是转换为灰度图像。

获取CT Image的方法是获取CT dicom文件中pixel_array的属性。CT dicom文件中pixel_array的元素类型都是uint16，但是python很多工具，比如OpenCV，一些AI的东西，都不能兼容这个类型。

从CT dicom文件中得到pixel_array（CT Image）后，总是需要将pixel_array转换成灰度图，这样就可以通过python中的很多图像处理工具来处理这个灰度图。

以下代码是将 pixel_array 转换为灰度图像的工作示例。

import matplotlib.pyplot as plt
import os
import pydicom
import numpy as np 
# Abvoe code is to import dependent libraries of this code

# Read some CT dicom file here by pydicom library
ct_filepath = r"<YOUR_CT_DICOM_FILEPATH>"
ct_dicom = pydicom.read_file(ct_filepath)
img = ct_dicom.pixel_array

# Now, img is pixel_array. it is input of our demo code

# Convert pixel_array (img) to -> gray image (img_2d_scaled)
## Step 1. Convert to float to avoid overflow or underflow losses.
img_2d = img.astype(float)

## Step 2. Rescaling grey scale between 0-255
img_2d_scaled = (np.maximum(img_2d,0) / img_2d.max()) * 255.0

## Step 3. Convert to uint
img_2d_scaled = np.uint8(img_2d_scaled)


# Show information of input and output in above code
## (1) Show information of original CT image 
print(img.dtype)
print(img.shape)
print(img)

## (2) Show information of gray image of it 
print(img_2d_scaled.dtype)
print(img_2d_scaled.shape)
print(img_2d_scaled)

## (3) Show the scaled gray image by matplotlib
plt.imshow(img_2d_scaled, cmap='gray', vmin=0, vmax=255)
plt.show()

以下是我打印出来的结果。

Answer 2

您现在可能已经解决了这个问题，但我认为 pydicom 无法正确解释平面配置。

您需要首先执行此操作：

img = data_set.pixel_array
img = img.reshape([img.shape[1], img.shape[2], 3])

从这里开始，您的图像将具有形状[rows cols 3]，并且通道分开