Python 图像大小调整和空间更改之间的区别

我的当前图像大小为（240240155），体素间距为（1,1,1）。我的最终图像应该是（128128128），体素间距为（1.5,1.5,1.5）。有没有一种方法可以理解这种使用体素间距调整大小的现象？ 我试过以下方法，但对我来说还不够满意

import SimpleITK as sitk
import numpy as np
from skimage.transform import resize

def resize_image(image, old_spacing, new_spacing, order=3):
new_shape = (int(np.round(old_spacing[0]/new_spacing[0]*float(image.shape[0]))),
             int(np.round(old_spacing[1]/new_spacing[1]*float(image.shape[1]))),
             int(np.round(old_spacing[2]/new_spacing[2]*float(image.shape[2]))))
return resize(image, new_shape, order=order, mode='edge', cval=0, anti_aliasing=False)
file_path = 'some_file'

itk_image = sitk.ReadImage(file_path)
spacing = np.array(itk_image.GetSpacing())[[2, 1, 0]]
spacing_target = (1.5, 1.5, 1.5)
image = sitk.GetArrayFromImage(itk_image).astype(float)
if np.any([[i != j] for i, j in zip(spacing, spacing_target)]):
    new_image = resize_image(image, spacing, spacing_target).astype(np.float32)

---

新的体素间距将决定新的图像尺寸

spacing = itk_ct_scan.GetSpacing()
size = itk_image.GetSize()
new_spacing = [1.5,1.5,1.5]
new_size = (np.round(size*(spacing/np.array(new_spacing)))).astype(int).tolist()

可以通过重采样将图像调整为所需的体素间距

resampled_img = sitk.Resample(itk_image, new_size, sitk.Transform(),
sitk.sitkNearestNeighbor, itk_image.GetOrigin(), new_spacing,
                              itk_image.GetDirection(), 0.0, itk_image.GetPixelID())

但是，在您的情况下，因为您需要所需大小的新图像，所以可以使用

resampled_img = sitk.Resample(itk_image, [128, 128, 128], sitk.Transform(),
sitk.sitkNearestNeighbor, itk_image.GetOrigin(), new_spacing,
                              itk_image.GetDirection(), 0.0, itk_image.GetPixelID())

---

但这将使新的间距为[1.875,1.875,1.2175]？我需要某种大小为（128，128，128）的各向同性采样。重采样的图像=sitk。重采样（itk_图像[128，128，128]，sitk.Transform（），sitk.sitkNearestNeighbor，itk_图像.GetOrigin（），[1,1,1]，itk_图像.GetDirection（），0.0，itk_图像.GetPixelID（））将返回[128128]大小的重采样图像[1,1,1]间距，并使用最近邻进行插值。