Python 为什么我在将漂亮的数据片段转换为png图像时会得到完全黑色的标签？

我对深度学习和图像分割任务非常陌生

我想通过对每个病例的中心50个切片，对3D漂亮数据（CT扫描）的2D unet进行训练。我将图像和标签保存为png，但标签是完全黑色的。我的目标是预测肿瘤区域（Y），给出CT扫描切片（X）

我做错了什么

我的代码：

labels = []

for i in range (0,100):
  seg = Path("/content/drive/My Drive/")/"case_{:05d}".format(i) / "segmentation.nii.gz"
  seg = nib.load(seg)
  seg = seg.get_data()
  n_i, n_j, n_k = seg.shape
  seg = seg[int(((n_i-1)/2)-25):int(((n_i-1)/2)+25),:,:]

  for i in range(seg.shape[0]):
    labels.append((seg[i,:,:]))
    i+=1

labels = np.array(labels)

for i in range(labels.shape[0]):
    label = (labels[i,:,:])
    imsave('/content/drive/My Drive/labels/labels_slice_{:05d}.png'.format(i), label)
    i += 1

我对图像做了同样的处理，得到以下.png文件：

但对于标签，我只得到一个完全黑色的图像

图像和标签的数据类型分别为float64和uint16

---

我在3D切片器和nipy中检查了您的nifti文件，该文件非常好。在这个分割文件中的608个切片中，只有181-397个切片具有正值，因此您应该得到其余的完全黑色图像

这个简短的片段使我能够在第300个片段中保存正面示例：

导入nibabel
将matplotlib.pyplot作为plt导入
seg=nibabel.load（“D:/Downloads/segmentation.nii.gz”）
data=seg.get_fdata（）
图层=数据[300，：，：]
plt.imsave（“D:/Downloads/seg.png”，layer，cmap='gray'）

让我知道你是否可以用上面的代码复制这个

另外，我知道这不是问题的一部分，但是你应该强烈地考虑使用NIFTI（或NRRD）格式，而不是将它们转换成PNG文件。 1） 当保存到PNG时，CT扫描会丢失很多信息。基本上，您正在重新缩放CT值，这些值通常在-2000到+2000到0-255像素范围内

---

2） 与分段遮罩类似，在nifti文件中，分段区域保存为“1”，背景保存为“0”。当您将其保存到PNG时，您会将其重新缩放到0-255，并且您必须再次将其转换回网络培训。

我在3D切片器和nipy中检查了您的nifti文件，该文件非常好。在这个分割文件中的608个切片中，只有181-397个切片具有正值，因此您应该得到其余的完全黑色图像

这个简短的片段使我能够在第300个片段中保存正面示例：

导入nibabel
将matplotlib.pyplot作为plt导入
seg=nibabel.load（“D:/Downloads/segmentation.nii.gz”）
data=seg.get_fdata（）
图层=数据[300，：，：]
plt.imsave（“D:/Downloads/seg.png”，layer，cmap='gray'）

让我知道你是否可以用上面的代码复制这个

另外，我知道这不是问题的一部分，但是你应该强烈地考虑使用NIFTI（或NRRD）格式，而不是将它们转换成PNG文件。 1） 当保存到PNG时，CT扫描会丢失很多信息。基本上，您正在重新缩放CT值，这些值通常在-2000到+2000到0-255像素范围内

---

2） 与分段遮罩类似，在nifti文件中，分段区域保存为“1”，背景保存为“0”。当您将其保存到PNG时，您会将其重新缩放到0-255，并且您必须再次将其转换回网络培训。

加载nifti文件后打印出

seg.max（）

会得到什么？另外，

.get_data（）

似乎已被弃用，nipy现在使用

.get_fdata（）

。你能上传一个nifti示例文件来重现错误吗？@jwitos谢谢你的评论。打印

seg.max（）。还有一个例子，加载nifti文件后打印出
seg.max（）
会得到什么？另外，
.get_data（）
似乎已被弃用，nipy现在使用
.get_fdata（）
。你能上传一个nifti示例文件来重现错误吗？@jwitos谢谢你的评论。打印
seg.max（）。你有一个例子，谢谢。我能够复制结果。我理解你的意思，并用以下代码处理了掩码：
masks=[]范围（0,25）内的I:b=[]msk=Path（“/content/drive/My drive”）/“case{:05d}.format（I）/“segmentation.nii.gz”b=nib.load（msk）b=b.get_fdata（）print（“mask case{:05d}.format（I））b=resize（b，（b.shape[0]，128128））b=b[，：，：]对于范围内的j（b.shape[0]）：masks.append（（b[j，：，：]）masks=np.asarray（masks）
您认为这是一个好方法还是建议其他方法？您好，这取决于您最终要实现的目标。您在上一条评论中发布的代码有点混乱，因为它看起来像是
b
和
掩码
矩阵是相同的。此外，我还要再次检查调整矩阵大小后，矩阵的外观如何。根据您使用的库（skimage？numpy？），它可以更改原始矩阵的值。如果您想通过电子邮件继续此对话，请通过gmail.com上的jwitos与我联系。谢谢。我能够复制结果。我理解你的意思，并用以下代码处理了掩码：
masks=[]范围（0,25）内的I:b=[]msk=Path（“/content/drive/My drive”）/“case{:05d}.format（I）/“segmentation.nii.gz”b=nib.load（msk）b=b.get_fdata（）print（“mask case{:05d}.format（I））b=resize（b，（b.shape[0]，128128））b=b[，：，：]对于范围内的j（b.shape[0]）：masks.append（（b[j，：，：]）masks=np.asarray（masks）
您认为这是一个好方法还是建议其他方法？您好，这取决于您最终要实现的目标。您在上一条评论中发布的代码有点混乱，因为它看起来像是
b
和
掩码
矩阵是相同的。此外，我还要再次检查调整矩阵大小后，矩阵的外观如何。根据您使用的库（skimage？numpy？），它可以更改原始矩阵的值。如果您想通过电子邮件继续此对话，可以通过gmail.com上的jwitos与我联系。