欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

itk中的数据变大变小

程序员文章站 2022-05-31 09:13:02
...
变变变,图像处理的实质就是对图像的数学变换。本文简单介绍图像的变大变小,大致可以理解为就是图像的插值运算。
itk中的数据变大变小
1.变大
在《itk中的花式数据切割(一)》中提到过,对原始数据切割后,size会变小,在对ROI区域做各种变换后,得到的结果其实还是要和原始数据最对比的,这时就需要resize,即还原图像大小。
typedef itk::ResampleImageFilter<ImageType, ImageType> ImageFilterType;
ImageFilterType::Pointer resample = ImageFilterType::New();
resample->SetInput(input_data);

typedef itk::AffineTransform<double,3> TransformType;
TransformType::Pointer transform = TransformType::New();
resample->SetTransform(transform);

typedef itk::NearestNeighborInterpolateImageFunction<ImageType,double> InterpolatorType;
InterpolatorType::Pointer interpolator = InterpolatorType::New();
resample->SetInterpolator(interpolator);

resample->SetDefaultPixelValue(m_DefautPixel);
resample->SetSize(src_data->GetLargestPossibleRegion().GetSize());
resample->SetOutputSpacing(src_data->GetSpacing());
resample->SetOutputOrigin(src_data->GetOrigin());
resample->SetOutputStartIndex(src_data->GetLargestPossibleRegion().GetIndex());

ImageType::DirectionType direction;
direction.SetIdentity();
resample->SetOutputDirection(direction);
try
{    
	resample->UpdateLargestPossibleRegion();
}
catch( itk::ExceptionObject & exp )
{
	cerr << "Exception caught !" << std::endl;
	cerr << exp << std::endl;
}
output_data = resample->GetOutput();

思路:这里说到的大小实际上包括三部分:大小,原点,像素间距,将这三要素从原始数据src_data中取出来,通过itkResampleImageFilter方法赋给input_data就可以了。
2.变小
在不考虑精度的前提下,可以对原始数据进行采样。
typedef itk::Image<float,3> FImageType;
typedef itk::CastImageFilter<ImageType,FImageType> CastType;
CastType::Pointer castFilter = CastType::New();
castFilter->SetInput(input_data);
castFilter->Update();

ImageType::SizeType outputSize;
ImageType::SpacingType inputSpace = input->GetSpacing();
ImageType::SpacingType outputSpacing;
outputSpacing[0] = input_data->GetSpacing()[0] * (static_cast<double>( factor_a));
outputSpacing[1] = input_data->GetSpacing()[1] * (static_cast<double>( factor_a));
outputSpacing[2] = input_data->GetSpacing()[2] * (static_cast<double>( factor_a));

ImageType::IndexType startIndex = input_data->GetLargestPossibleRegion().GetIndex();
ImageType::IndexType newStart;

for (inti = 0 ; i < 3 ; ++i)
{
	newStart[i] = static_cast<unsigned short>(static_cast<double>(startIndex[i])*inputSpace[i]/outputSpacing[i]);
}
for (inti = 0 ; i < 3 ; ++i)
{
	outputSize[i] = static_cast<short>(static_cast<double>(input->GetLargestPossibleRegion().GetSize()[i])*
		input->GetSpacing()[i]/outputSpacing[i] + 0.5);
}
typedef itk::AffineTransform< double, 3 > TransformType;
typedef itk::ResampleImageFilter<FImageType, ImageType> ResampleImageFilterType;
ResampleImageFilterType::Pointer resample = ResampleImageFilterType::New();
resample->SetInput(castFilter->GetOutput());
resample->SetSize(outputSize);
resample->SetOutputSpacing(outputSpacing);
resample->SetOutputDirection(input_data->GetDirection());
resample->SetOutputOrigin(input_data->GetOrigin());
resample->SetDefaultPixelValue(0);
resample->SetOutputStartIndex(newStart);

TransformType::Pointer idTransf = TransformType::New();
resample->SetTransform(idTransf);

typedef itk::LinearInterpolateImageFunction<FImageType, double > InterpolatorType;
InterpolatorType::Pointer interpolator = InterpolatorType::New();
resample->SetInterpolator( interpolator );

try
{    
	resample->UpdateLargestPossibleRegion();
}
catch( itk::ExceptionObject & exp )
{
	cerr << "Exception caught !" << std::endl;
	cerr << exp << std::endl;
	throw;
}
output_data  = resample->GetOutput();

思路:保留大的,丢掉小的。变小就是对原始数据的点进行采样,但会损失精度。
参考文献:
2.《三维图像编程实验》