Python 将数据库中的所有图像重新采样为相同的体素大小

我有3个dicom堆栈，大小分别为

512x512x133、512x512x155和512x512x277

。我想对所有堆栈进行重新采样，以确定大小

512x512x277、512x512x277和512x512x277

。怎么做

我知道我可以使用切片厚度和像素间距进行重采样。但这并不能确保每种情况下的切片数相同。

您可以使用，为每个轴指定缩放因子数组，如下所示：

# example for first image
zoomArray = desiredshape.astype(float) / original.shape
zoomed = scipy.ndimage.interpolate.zoom(original, zoomArray)

更新：

如果速度太慢，您可以尝试从“图像立方体”的垂直切片中创建单独的图像，用一些高速图像库处理它们（有些人喜欢ImageMagick，还有PIL、opencv等），然后再次将它们堆叠在一起。这样，您将拍摄512张大小为512x133的图像，并将其调整为512x277，然后再次堆叠为512x512x277，这是您最终所需的大小。此外，这种分离将允许并行化。一个要考虑的是：只有横坐标轴（你将切割2D图像的那一个）不会被调整大小，这才是有效的！ 您可以在中使用

将torchio导入为tio
小、中、大=dicom#U目录#三个dicom的文件夹
参考=tio.刻度图像（大）
重采样=tio.重采样（参考）
小样本\重采样=重采样（小）
中等\重采样=重采样（中等）

这三幅图像现在具有相同的形状，512 x 512 x 277

---

免责声明：我是TorchIO的主要开发者。

desiredshape将包含（512512277）？我已经更新了答案，但我想知道它是否会大大提高速度。请不要问重复的问题。如果你的问题没有得到答案，那就改进一下问题，或者给它多一点时间。事实上，发生的是，我在晚上发布了这个问题。但由于一些小故障（可能是），它在早上没有出现。所以，我又贴了一次（对不起！