python 实现12bit灰度图像映射到8bit显示的方法

Vesta ·

更新时间:2024-09-20

· 651 次阅读

图像显示和打印面临的一个问题是：图像的亮度和对比度能否充分突出关键部分。这里所指的“关键部分”在 CT 里的例子有软组织、骨头、脑组织、肺、腹部等等。

技术问题

1、显示器往往只有 8-bit，而数据有 12- 至 16-bits。
2、如果将数据的 min 和 max 间 (dynamic range) 的之间转换到 8-bit 0-255 去，过程是个有损转换，而且出来的图像往往突出的是些噪音。

算法分析

12-bit 到 8-bit 直接转换：


computeMinMax(pixel_val,  min,  max);  //  先算图像的最大和最小值 
for  (i  =  0;  i  <  nNumPixels;  i++) 
  disp_pixel_val[i]  =  (pixel_val[i]  -  min)*255.0/(double)(max-min);

这个算法必须有，对不少种类的图像是很有效的：如 8-bit 图像，MRI, ECT, CR 等等。

python实现


def matrix2uint8(matrix):
  ''' 
matrix must be a numpy array NXN
Returns uint8 version
  '''
  m_min= np.min(matrix)
  m_max= np.max(matrix)
  matrix = matrix-m_min
  return(np.array(np.rint( (matrix-m_min)/float(m_max-m_min) * 255.0),dtype=np.uint8))
  #np.rint, Round elements of the array to the nearest integer.


def preprocess(img, crop=True, resize=True, dsize=(224, 224)):
  if img.dtype == np.uint8:
    img = img / 255.0
  if crop:
    short_edge = min(img.shape[:2])
    yy = int((img.shape[0] - short_edge) / 2)
    xx = int((img.shape[1] - short_edge) / 2)
    crop_img = img[yy: yy + short_edge, xx: xx + short_edge]
  else:
    crop_img = img
  if resize:
    norm_img = imresize(crop_img, dsize, preserve_range=True)
  else:
    norm_img = crop_img
  return (norm_img).astype(np.float32)
def deprocess(img):
  return np.clip(img * 255, 0, 255).astype(np.uint8)

您可能感兴趣的文章:python3读取图片并灰度化图片的四种方法(OpenCV、PIL.Image、TensorFlow方法)总结python实现彩色图转换成灰度图Python cv2 图像自适应灰度直方图均衡化处理方法对python cv2批量灰度图片并保存的实例讲解python验证码识别教程之灰度处理、二值化、降噪与tesserocr识别Python读取MRI并显示为灰度图像实例代码Python 将RGB图像转换为Pytho灰度图像的实例Python图像灰度变换及图像数组操作

映射方法 bit Python

1024 个赞