医学图像彩色化代码python

A. python图像处理代码，望大神详细解释。越详细越好

#初始化一个矩形np.max(marks)+1行，3列，默认值为0
colorTab=np.zeros((np.max(marks)+1,3))

#遍历数组，给每行的3列赋值，就是RGB颜色值，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)

#初始化另一个跟img图像形状大小一样的图像，一副黑色图像
bgrImage=np.zeros(img.shape,np.uint8)

#遍历marks形状的行列
foriinrange(marks.shape[0]):
forjinrange(marks.shape[1]):

index=marks[i][j]
#判断是不是区域与区域之间的分界,如果是边界(-1)，则使用白色显示
ifindex==-1:
bgrImage[i][j]=np.array([255,255,255])#像素点设置位白色
else:
bgrImage[i][j]=colorTab[index]#像素点设置位上边随机生成的颜色值

#显示处理后的图像图像
cv2.imshow('AfterColorFill',bgrImage)
#总结，先生成一个跟marks相同数量的row*col的一张颜色表，然后创建一个跟marks相同大小的一副黑色图像
#最后对黑色图像画出白色边界和内部随机彩色像素值

B. 怎么用python的turtle库画出这个图案，要代码

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')

两三年没碰海龟了，觉得没啥用，看你赏金又提了就回去学了学

C. 医学图像三维重建，体绘制中的光线投射算法（raycast）的MATLAB或者python实现代码

介绍了运用Matlab软件进行CT断层图像的三维重建的原理及实现方法。运用计算机图形学和图像处理技术将计算机断层扫描（CT）等成像设备得到的人体断层二维图像序列，在计算机中重建成三维图像数据，并在屏幕上形象逼真地显示人体器官的立体视图。可以对重构出的器官图像进行诸如旋转、缩放等操作，重建方法简单，显示效果良好

D. python颜色代码是什么

颜色代码：

红色#FF0000，深紫色#871F78，褐红色#8E236B，石英色#D9D9F3。

绿色#00FF00，深石板蓝#6B238E，中海蓝色#32CD99，艳蓝色#5959AB。

蓝色#0000FF，深铅灰色#2F4F4F，中蓝色#3232CD，鲑鱼色#6F4242。

牡丹红#FF00FF，深棕褐色#97694F，中森林绿#6B8E23，猩红色#BC1717。

青色#00FFFF，深绿松石色#7093DB，中鲜黄色EAEAAE，海绿色#238E68。

应用方法如下所示：

在pycharm中，如果使用了“import”语句导入了包，但是之后的代码中没有使用到这些包，那么这些包的颜色就是灰色的。示例如下：导入了re包以及requests包，但是只使用了requests包，没有使用re包。

E. 如何应用Python处理医学影像学中的DICOM信息

下面Python代码来演示如何编程处理心血管冠脉造影DICOM图像信息。

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

2. 应用SimpleITK框架来读取DICOM文件的矩阵信息。如果DICOM图像是三维螺旋CT图像，则帧参数则代表CT扫描层数；而如果是造影动态电影图像，则帧参数就是15帧/秒的电影图像帧数。
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. 应用pydicom来提取患者信息。
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. 应用PIL来检查图像是否被提取。
def showImage(img_array, frame_num = 0):
img_bitmap = Image.fromarray(img_array[frame_num])
return img_bitmap

5. 采用CLAHE (Contrast Limited Adaptive Histogram Equalization)技术来优化图像。
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 怎么变成伪彩色

OpenCV 生成 伪彩色图像

opencv中没有易用的伪彩色图像生成函数，这里提供一个改造过的函数，利用自定义colorbar 将灰度图像转换成为伪彩色图像，优点在于提供了对于颜色的直观可操控性，转换方便。

函数代码如下：

[cpp] view plain 在CODE上查看代码片派生到我的代码片
//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;
}
}

参考可用的colorbar如下，也可以自己生成来替换。

G. 这样的python代码颜色是怎么做到的

Python的本编辑器？
pycharm，好像能达到这种效果

H. 急求matlab绘制的医学相关图像代码~~！！！急，急，急！！！

图像处理函数详解——bwareaopen 功能：用于从对象中移除小对象。

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

BW2 = bwareaopen(BW,P,CONN)从二值图像中移除所有小于P的连通对象。CONN对应邻域方法，默认为8。

例子：originalBW = imread('text.png');imview(originalBW) bwAreaOpenBW = bwareaopen(originalBW,50);imview(bwAreaOpenBW)图像处理函数详解——bwlabel 功能：对连通对象进行标注，bwlabel主要对二维二值图像中各个分离部分进行标注（多维用bwlabeln，用法类似）。

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

L = bwlabel(BW,n)表示返回和BW相同大小的数组L。L中包含了连通对象的标注。参数n为4或8，分别对应4邻域和8邻域，默认值为8。
[L,num] = bwlabel(BW,n)返回连通数num。

I. 用python K值聚类识别图片主要颜色的程序，算法python代码已经有了

难得被人求助一次, 这个必须回答一下. 不过你的需求确实没有写得太清楚. 根据k值算法出来的是主要颜色有三个, 所以我把三个颜色都打在记事本里了. 如果和你的需求有误, 请自行解决吧.

另外这里需要用到numpy的库, 希望你装了, 如果没装, 这个直接安装也比较麻烦, 可以看一下portablepython的绿色版。

代码如下：

#-*-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 深度学习 实现医学图像配准

Python学得倒不用很深，循环跟函数还有类学完就可以搞深度学习了。 新手用深度学习库先跑跑，真要进阶还要修改的话，你会发现瓶颈其实在数学