醫學圖像彩色化代碼python

A. python圖像處理代碼，望大神詳細解釋。越詳細越好

#初始化一個矩形np.max(marks)+1行，3列，默認值為0
colorTab=np.zeros((np.max(marks)+1,3))

#遍歷數組，給每行的3列賦值，就是RGB顏色值，8位的
foriinrange(len(colorTab)):
aa=np.random.uniform(0,255)
bb=np.random.uniform(0,255)
cc=np.random.uniform(0,255)
colorTab[i]=np.array([aa,bb,cc],np.uint8)

#初始化另一個跟img圖像形狀大小一樣的圖像，一副黑色圖像
bgrImage=np.zeros(img.shape,np.uint8)

#遍歷marks形狀的行列
foriinrange(marks.shape[0]):
forjinrange(marks.shape[1]):

index=marks[i][j]
#判斷是不是區域與區域之間的分界,如果是邊界(-1)，則使用白色顯示
ifindex==-1:
bgrImage[i][j]=np.array([255,255,255])#像素點設置位白色
else:
bgrImage[i][j]=colorTab[index]#像素點設置位上邊隨機生成的顏色值

#顯示處理後的圖像圖像
cv2.imshow('AfterColorFill',bgrImage)
#總結，先生成一個跟marks相同數量的row*col的一張顏色表，然後創建一個跟marks相同大小的一副黑色圖像
#最後對黑色圖像畫出白色邊界和內部隨機彩色像素值

B. 怎麼用python的turtle庫畫出這個圖案，要代碼

import turtle as t

def quad(color):

t.begin_fill()

t.color(color)

t.forward(100)

t.left(36)

t.forward(100)

t.left(36*4)

t.forward(100)

t.left(36)

t.forward(100)

t.end_fill()

t.left(36*3)

for i in range(10):

if i%2:

quad('#99c8de')

else:

quad('#e5b9c4')

兩三年沒碰海龜了，覺得沒啥用，看你賞金又提了就回去學了學

C. 醫學圖像三維重建，體繪制中的光線投射演算法（raycast）的MATLAB或者python實現代碼

介紹了運用Matlab軟體進行CT斷層圖像的三維重建的原理及實現方法。運用計算機圖形學和圖像處理技術將計算機斷層掃描（CT）等成像設備得到的人體斷層二維圖像序列，在計算機中重建成三維圖像數據，並在屏幕上形象逼真地顯示人體器官的立體視圖。可以對重構出的器官圖像進行諸如旋轉、縮放等操作，重建方法簡單，顯示效果良好

D. python顏色代碼是什麼

顏色代碼：

紅色#FF0000，深紫色#871F78，褐紅色#8E236B，石英色#D9D9F3。

綠色#00FF00，深石板藍#6B238E，中海藍色#32CD99，艷藍色#5959AB。

藍色#0000FF，深鉛灰色#2F4F4F，中藍色#3232CD，鮭魚色#6F4242。

牡丹紅#FF00FF，深棕褐色#97694F，中森林綠#6B8E23，猩紅色#BC1717。

青色#00FFFF，深綠松石色#7093DB，中鮮黃色EAEAAE，海綠色#238E68。

應用方法如下所示：

在pycharm中，如果使用了「import」語句導入了包，但是之後的代碼中沒有使用到這些包，那麼這些包的顏色就是灰色的。示例如下：導入了re包以及requests包，但是只使用了requests包，沒有使用re包。

E. 如何應用Python處理醫學影像學中的DICOM信息

下面Python代碼來演示如何編程處理心血管冠脈造影DICOM圖像信息。

1. 導入主要框架：SimpleITK、pydicom、PIL、cv2和numpy
import SimpleITK as sitk
from PIL import Image
import pydicom
import numpy as np
import cv2

2. 應用SimpleITK框架來讀取DICOM文件的矩陣信息。如果DICOM圖像是三維螺旋CT圖像，則幀參數則代表CT掃描層數；而如果是造影動態電影圖像，則幀參數就是15幀/秒的電影圖像幀數。
def loadFile(filename):
ds = sitk.ReadImage(filename)
img_array = sitk.GetArrayFromImage(ds)
frame_num, width, height = img_array.shape
return img_array, frame_num, width, height

3. 應用pydicom來提取患者信息。
def loadFileInformation(filename):
information = {}
ds = pydicom.read_file(filename)
information['PatientID'] = ds.PatientID
information['PatientName'] = ds.PatientName
information['PatientBirthDate'] = ds.PatientBirthDate
information['PatientSex'] = ds.PatientSex
information['StudyID'] = ds.StudyID
information['StudyDate'] = ds.StudyDate
information['StudyTime'] = ds.StudyTime
information['InstitutionName'] = ds.InstitutionName
information['Manufacturer'] = ds.Manufacturer
information['NumberOfFrames'] = ds.NumberOfFrames
return information

4. 應用PIL來檢查圖像是否被提取。
def showImage(img_array, frame_num = 0):
img_bitmap = Image.fromarray(img_array[frame_num])
return img_bitmap

5. 採用CLAHE (Contrast Limited Adaptive Histogram Equalization)技術來優化圖像。
def limitedEqualize(img_array, limit = 4.0):
img_array_list = []
for img in img_array:
clahe = cv2.createCLAHE(clipLimit = limit, tileGridSize = (8,8))
img_array_list.append(clahe.apply(img))
img_array_limited_equalized = np.array(img_array_list)
return img_array_limited_equalized

F. python opencv image 怎麼變成偽彩色

OpenCV 生成 偽彩色圖像

opencv中沒有易用的偽彩色圖像生成函數，這里提供一個改造過的函數，利用自定義colorbar 將灰度圖像轉換成為偽彩色圖像，優點在於提供了對於顏色的直觀可操控性，轉換方便。

函數代碼如下：

[cpp] view plain 在CODE上查看代碼片派生到我的代碼片
//function : Pseudo color - enhanced
//author : Xin Yang, Shenzhen Univ., School of medicine
//email : [email protected]
//date : 2015.01.23

void C_Assistant::Gray2PseudoColor(IplImage* src ,IplImage *&dst)
{
if(dst != NULL)
{
cvReleaseImage(&dst);
dst = NULL;
}
dst = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 3);

IplImage *R, *G,*B;
//Load referred color bar
std::string HeatMapPath = "..\\ColorBar.png";
IplImage* heatmap = cvLoadImage(HeatMapPath.c_str());
//we split the heatmap along the 3 channels
R = cvCreateImage(cvGetSize(heatmap), heatmap->depth,1);
G = cvCloneImage(R);
B = cvCloneImage(R);
cvSplit(heatmap,B,G,R,NULL);

for(int x=0; x<src->width; x++)
{
for(int y=0;y<src->height; y++)
{
//memory access to the destination color image (faster than splitting the 3 channels...)
unsigned char *data = &((unsigned char*)(dst->imageData + dst->widthStep*y ))[x*3];

//read the intensity value in the grayscale image
unsigned char gray = src->imageData[src->widthStep*y + x*src->nChannels];

//remember, OpenCV store images as BGR internally !
//So access [2] for Red, [1] for Green et [3] for Blue
float ColorIndex = gray/255.0*heatmap->height;
if(ColorIndex >= heatmap->height) ColorIndex = heatmap->height - 1;
data[2] = cvGet2D(R, ColorIndex, 1).val[0]; //Red channel
data[1] = cvGet2D(G, ColorIndex, 1).val[0]; //Green channel
data[0] = cvGet2D(B, ColorIndex, 1).val[0]; //Blue channel
}
}

//Clear
if(heatmap != NULL)
{
cvReleaseImage(&heatmap);
heatmap = NULL;
}
}

參考可用的colorbar如下，也可以自己生成來替換。

G. 這樣的python代碼顏色是怎麼做到的

Python的本編輯器？
pycharm，好像能達到這種效果

H. 急求matlab繪制的醫學相關圖像代碼~~！！！急，急，急！！！

圖像處理函數詳解——bwareaopen 功能：用於從對象中移除小對象。

用法：BW2 = bwareaopen(BW,P)
BW2 = bwareaopen(BW,P,CONN)

BW2 = bwareaopen(BW,P,CONN)從二值圖像中移除所有小於P的連通對象。CONN對應鄰域方法，默認為8。

例子：originalBW = imread('text.png');imview(originalBW) bwAreaOpenBW = bwareaopen(originalBW,50);imview(bwAreaOpenBW)圖像處理函數詳解——bwlabel 功能：對連通對象進行標注，bwlabel主要對二維二值圖像中各個分離部分進行標注（多維用bwlabeln，用法類似）。

用法：L = bwlabel(BW,n)
[L,num] = bwlabel(BW,n)

L = bwlabel(BW,n)表示返回和BW相同大小的數組L。L中包含了連通對象的標注。參數n為4或8，分別對應4鄰域和8鄰域，默認值為8。
[L,num] = bwlabel(BW,n)返回連通數num。

I. 用python K值聚類識別圖片主要顏色的程序，演算法python代碼已經有了

難得被人求助一次, 這個必須回答一下. 不過你的需求確實沒有寫得太清楚. 根據k值演算法出來的是主要顏色有三個, 所以我把三個顏色都打在記事本里了. 如果和你的需求有誤, 請自行解決吧.

另外這里需要用到numpy的庫, 希望你裝了, 如果沒裝, 這個直接安裝也比較麻煩, 可以看一下portablepython的綠色版。

代碼如下：

#-*-coding:utf-8-*-
importImage
importrandom
importnumpy
classCluster(object):
def__init__(self):
self.pixels=[]
self.centroid=None
defaddPoint(self,pixel):
self.pixels.append(pixel)
defsetNewCentroid(self):
R=[colour[0]forcolourinself.pixels]
G=[colour[1]forcolourinself.pixels]
B=[colour[2]forcolourinself.pixels]
R=sum(R)/len(R)
G=sum(G)/len(G)
B=sum(B)/len(B)
self.centroid=(R,G,B)
self.pixels=[]
returnself.centroid
classKmeans(object):
def__init__(self,k=3,max_iterations=5,min_distance=5.0,size=200):
self.k=k
self.max_iterations=max_iterations
self.min_distance=min_distance
self.size=(size,size)
defrun(self,image):
self.image=image
self.image.thumbnail(self.size)
self.pixels=numpy.array(image.getdata(),dtype=numpy.uint8)
self.clusters=[Noneforiinrange(self.k)]
self.oldClusters=None
randomPixels=random.sample(self.pixels,self.k)
foridxinrange(self.k):
self.clusters[idx]=Cluster()
self.clusters[idx].centroid=randomPixels[idx]
iterations=0
whileself.shouldExit(iterations)isFalse:
self.oldClusters=[cluster.centroidforclusterinself.clusters]
printiterations
forpixelinself.pixels:
self.assignClusters(pixel)
forclusterinself.clusters:
cluster.setNewCentroid()
iterations+=1
return[cluster.centroidforclusterinself.clusters]
defassignClusters(self,pixel):
shortest=float('Inf')
forclusterinself.clusters:
distance=self.calcDistance(cluster.centroid,pixel)
ifdistance<shortest:
shortest=distance
nearest=cluster
nearest.addPoint(pixel)
defcalcDistance(self,a,b):
result=numpy.sqrt(sum((a-b)**2))
returnresult
defshouldExit(self,iterations):
ifself.oldClustersisNone:
returnFalse
foridxinrange(self.k):
dist=self.calcDistance(
numpy.array(self.clusters[idx].centroid),
numpy.array(self.oldClusters[idx])
)
ifdist<self.min_distance:
returnTrue
ifiterations<=self.max_iterations:
returnFalse
returnTrue
#############################################
#
defshowImage(self):
self.image.show()
defshowCentroidColours(self):
forclusterinself.clusters:
image=Image.new("RGB",(200,200),cluster.centroid)
image.show()
defshowClustering(self):
localPixels=[None]*len(self.image.getdata())
foridx,pixelinenumerate(self.pixels):
shortest=float('Inf')
forclusterinself.clusters:
distance=self.calcDistance(
cluster.centroid,
pixel
)
ifdistance<shortest:
shortest=distance
nearest=cluster
localPixels[idx]=nearest.centroid
w,h=self.image.size
localPixels=numpy.asarray(localPixels)
.astype('uint8')
.reshape((h,w,3))
colourMap=Image.fromarray(localPixels)
colourMap.show()

if__name__=="__main__":
fromPILimportImage
importos

k_image=Kmeans()
path=r'.\pics\'
fp=open('file_color.txt','w')
forfilenameinos.listdir(path):
printpath+filename
try:
color=k_image.run(Image.open(path+filename))
fp.write('Thecolorof'+filename+'is'+str(color)+'
')
except:
print"Thisfileformatisnotsupport"
fp.close()

J. 如何利用 python 深度學習 實現醫學圖像配准

Python學得倒不用很深，循環跟函數還有類學完就可以搞深度學習了。 新手用深度學習庫先跑跑，真要進階還要修改的話，你會發現瓶頸其實在數學