Python 这是正确的乳房整形吗？

我刚开始学习Python和Numpy

我发现了这段代码：

def preprocessing(FLAIR_array, T1_array):

    brain_mask = np.ndarray(np.shape(FLAIR_array), dtype=np.float32)
    brain_mask[FLAIR_array >=thresh] = 1
    brain_mask[FLAIR_array < thresh] = 0
    for iii in range(np.shape(FLAIR_array)[0]):
        brain_mask[iii,:,:] = scipy.ndimage.morphology.binary_fill_holes(brain_mask[iii,:,:])  #fill the holes inside brain

    FLAIR_array -=np.mean(FLAIR_array[brain_mask == 1])      #Gaussion Normalization
    FLAIR_array /=np.std(FLAIR_array[brain_mask == 1])

    rows_o = np.shape(FLAIR_array)[1]
    cols_o = np.shape(FLAIR_array)[2]
    FLAIR_array = FLAIR_array[:, int((rows_o-rows_standard)/2):int((rows_o-rows_standard)/2)+rows_standard, int((cols_o-cols_standard)/2):int((cols_o-cols_standard)/2)+cols_standard]

FLAIR\u数组具有以下形状：[48240240]

48是图像的数量。

240，240是它的高度和宽度。

或者，他们正在对其进行切片。
是的，他们只在
FLAIR\u数组上执行（而不是重塑）操作，其结果尺寸为：


第0维中的所有元素都保留在原始数组中（如
：
所示）
元素
int（（rows\o-rows\u-standard）/2）
到
int（（rows\o-rows\u-standard）/2）+rows\u-standard-1
从原始数组的第一维开始使用
元素
int（（cols\u o-cols\u标准）/2）
到
int（（cols\u-cols\u标准）/2）+cols\u标准-1
从原始数组的第二维开始使用
很难说，因为函数中没有定义标准行。
但是如果您将其重写为（删除一些int（..）以增加可读性）

似乎他们正在为每个图像提取一个小裁剪，以行为中心，列为中心，行数和列数等于行数和列数，谢谢你的回答。所以，它将具有相同的形状，但元素较少，不是吗？是的，完全如此。切片减少了元素的数量，而重塑保留了元素的数量，但在不同的维度上排列顺序不同。看起来像是从每个图像中切片一个居中窗口，例如
FLAIR\u数组[：，100:140，90:150]
以生成（48，40，60）数组。
FLAIR_array[:, int((rows_o-rows_standard)/2):int((rows_o-rows_standard)/2)+rows_standard, int((cols_o-cols_standard)/2):int((cols_o-cols_standard)/2)+cols_standard]

rows_center = int(rows_o/2)
cols_center = int(cols_o/2)
delta_rows = int(rows_standard)
delta_cols = int(cols_standard)
FLAIR_array = FLAIR_array[:, rows_center - rows_delta/2:rows_center + rows_delta/2, cols_center - cols_delta/2:cols_center + cols_delta/2]