使用gdcm库进行图像处理的示例程序

最新推荐文章于 2025-12-20 19:32:34 发布

ByteWhisper

最新推荐文章于 2025-12-20 19:32:34 发布

阅读量82

点赞数 1

CC 4.0 BY-SA版权

文章标签：图像处理人工智能编程

本文链接：https://blog.youkuaiyun.com/ByteWhisper/article/details/132749877

编程专栏收录该内容

354 篇文章 ¥29.90 ¥99.00

订阅专栏

本文提供了一个使用gdcm库处理DICOM图像的示例，演示了如何读取图像，修改 Photometric Interpretation 为 RGB，并将结果保存到新文件。通过这个程序，读者可以了解如何利用gdcm库进行图像处理，并可作为基础进行扩展以适应更多需求。

使用gdcm库进行图像处理的示例程序

#include <gdcmImageReader.h>
#include <gdcmImageWriter.h>
#include <gdcmImageChangePhotometricInterpretation.h>

int main(

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ByteWhisper

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

GDCM：使用gdcm::ImageWriter进行图像写入的测试程序

CyberFlare的博客

09-10

182

接下来，我们创建了一个gdcm::ImageWriter对象，并将先前创建的图像对象设置为输入图像。然后，我们指定了要写入的DICOM文件的路径，并调用Write()函数执行实际的图像写入操作。GDCM是一个用于处理DICOM（数字图像和通信医疗）文件的开源库，它提供了一组功能强大的工具和类，用于读取、写入和处理DICOM图像和数据。通过使用GDCM库中的gdcm::ImageWriter类，我们可以轻松地将图像数据写入到DICOM文件中，从而实现DICOM图像的创建和保存操作。可以从GDCM的官方网站（

使用GDCM库进行DICOM图像处理：TableReader示例程序

ByteProwl的博客

09-06

114

使用GDCM库进行DICOM图像处理：TableReader示例程序DICOM（Digital Imaging and Communications in Medicine）是医学图像和相关信息的标准格式。GDCM（Grassroots DICOM）是一个用于处理DICOM文件的开源C++库。它提供了许多功能，包括读取和写入DICOM文件、解析元数据、像素数据的处理以及图像的显示等。在本文中，我们将展示如何使用GDCM库中的TableReader类来读取DICOM数据表，并编写一个简单的测试程序。

参与评论您还未登录，请先登录后发表或查看评论

使用GDCM读取流图像的示例程序

LogicGuruX的博客

09-05

217

在本文中，我将向您展示如何使用GDCM库读取流图像。GDCM（Grassroots DICOM）是一个开源的DICOM库，用于处理医学图像和相关数据。我们将编写一个简单的测试程序来演示如何使用GDCM来读取流图像数据。对象，并设置要读取的图像文件名。为了读取图像数据，我们首先计算图像中像素的总数，并创建一个足够大的缓冲区来存储像素数据。对象，并设置要读取的文件名。最后，我们可以对读取到的图像数据进行进一步处理。在上面的示例中，我们只是输出了图像的尺寸。接下来，我们将编写一个C++程序来读取流图像。

GDCM：使用gdcm::IconImageFilter进行图像处理的示例程序

2301_79331421的博客

09-06

147

gdcm::IconImageFilter是其中一个非常有用的类，它允许我们对DICOM图像进行缩放、旋转、裁剪等操作，以生成缩略图或调整图像大小。我们将提供一个详细的示例程序，以帮助您了解如何使用该类来处理DICOM图像，并演示一些常见的图像处理操作。最后，我们使用gdcm::Writer类将输出图像写入新的DICOM文件（此处假设文件名为"output.dcm"）。我们将设置写入器的文件为输入文件，然后将输出图像设置为要写入的图像数据。如果输出图像为空，说明处理失败，程序将退出。

GDCM：使用gdcm::ImageHelper进行图像处理的示例程序

DevSavantX的博客

09-08

148

在本文中，我们将介绍如何使用GDCM（Grassroots DICOM）库中的gdcm::ImageHelper类来进行图像处理。接下来，我们使用gdcm::ImageHelper::Clone方法对读取的图像进行克隆，以便我们可以进行进一步的处理。在这个示例中，我们只是简单地克隆了图像数据，没有进行实际的处理。然后，我们创建一个gdcm::ImageWriter对象，并将处理后的图像设置为要写入的图像。请注意，这只是一个简单的示例程序，用于演示如何使用gdcm::ImageHelper类进行图像处理。

GDCM库：测试gdcm::ImageReader的示例程序

PixelProX的博客

08-25

210

接下来，我们创建一个gdcm::ImageReader对象，并使用reader对象的GetImage方法获取到一个gdcm::Image对象（即待读取的DICOM图像）。gdcm::ImageReader是该库中用于读取DICOM图像的类之一。在本篇文章中，我们将介绍如何使用GDCM库中的gdcm::ImageReader类来读取DICOM图像，并提供一个简单的示例程序。以上代码中，我们首先创建了一个gdcm::Reader对象，并将待读取的DICOM文件名传递给它的SetFileName方法。

使用GDCM库进行LCNumeric的测试程序编程

HackCyberX的博客

09-05

113

在医学图像处理和分析中，GDCM（Grassroots DICOM）是一个常用的开源库，用于处理DICOM（Digital Imaging and Communications in Medicine）格式的医学图像数据。其中，LCNumeric是GDCM库中的一个功能强大的类，用于处理DICOM文件中的数值属性。请注意，上述示例仅演示了如何使用LCNumeric类提取数值属性，并未涵盖所有可能的用例。根据实际需求，您可能需要进一步处理数值属性的数据或使用其他GDCM类和函数来完成更复杂的任务。

GDCM ：实现读取压缩DICOM图像（附完整源码）

希望我的博客，能帮上你解决学习中工作中所遇到的问题

12-15

326

GDCM ：实现读取压缩DICOM图像（附完整源码）

DICOM图像处理：深入解析DICOM彩色图像中的Planar配置及其对像素数据解析处理的实现

编程技术探索者，分享C/C++、C#、Java、数据库等开发经验，聚焦实战技巧与AI兴趣，助力编程爱好者成长。

11-22

9516

在DICOM标准中，彩色图像的存储与显示涉及多个关键属性，其中**Planar Configuration（平面配置）**属性（标签 (0028,0006)）尤为重要。当遇到彩色DICOM图像在浏览时被错误地分割为9张小图，而实际应显示为一张完整的图像的问题，很可能与Planar Configuration属性的解析和处理有关。本文将深入详解Planar配置在彩色DICOM图像中的应用及处理。

精选资源

统一尝试使用gdcm库

02-10

总的来说，统一尝试使用GDCM库是一项涉及C++和C#互操作、医学图像处理以及项目集成的复杂任务。成功实施后，将能够为医疗软件提供强大的 DICOM 支持，提高数据处理效率和一致性。在进行这项工作时，开发者需要深入...

DICOM服务与图像处理示例程序

压缩包中的子文件“示例程序”可能是一个完整的DICOM通信演示项目，包含服务端、客户端、图像处理模块、打印接口等代码文件。程序可能基于某个DICOM开发库（如DCMTK、GDCM、fo-dicom、ClearCanvas等）实现。这些库...

基于MATLAB的颜色直方图图像检索实现

feifeigo123的博客

12-20

334

基于MATLAB的颜色直方图图像检索实现

对比：Qwen-VL与传统的CNN在图像处理应用

Peter_Changyb的博客

12-20

763

CNN是专精于视觉特征提取的专家，而千问VL是具备视觉理解能力的通用多模态智能体。

幽冥大陆(五十四)ASR C语言识别到自动化软件——东方仙盟筑基期

12-20

752

ASR（Automatic Speech Recognition，自动语音识别）技术在软件自动化命令领域正掀起一场变革。它使得软件系统能够理解人类语言，并依据指令自动执行任务。通过 ASR，用户无需手动输入复杂的命令或进行繁琐的界面操作，只需说出指令，软件就能精准响应。在自动化脚本编写中，ASR 可以实时将语音转化为代码命令。例如，在编写 Python 自动化脚本时，用户说出 “创建一个名为‘data’的列表”，ASR 系统就能将其转化为对应的 Python 代码data = []。

AI 工具实战测评：从技术性能到场景落地的全方位解析

hello world/linux

12-16

800

多模态赋能情绪理解：Qwen3-VL+LLaMA-Factory 的人脸情绪识别实战

Lab4AI的博客

12-17

834

本项目依托Lab4AI平台，基于LLaMA-Factory成功对Qwen3-VL进行了完整的微调流程。我们将传统的人脸情绪识别任务与多模态大语言模型（MLLM）相结合，探索了MLLM在视觉情绪理解中的应用。通过微调Qwen3-VL，我们成功将传统的分类任务转化为多模态推理任务，显著提升了模型在复杂场景下的鲁棒性和准确率。这一方案不仅在人脸情绪识别上取得了显著提升，还为其他视觉任务的多模态大模型应用提供了新的思路，具有广泛的应用前景。

全品类电商AI助手诞生，AI试衣+万饰穿戴+图生视频，覆盖全链路

Dreamshop_AI的博客

12-19

918

DreamshopAI升级推出三大核心功能，全面革新电商视觉生产流程：AI试衣功能通过智能识别服装款式和材质，7-15天模特拍摄缩短至几分钟；万饰穿戴功能突破品类限制，精准还原珠宝、箱包等商品的材质细节；图生视频功能将静态图片转化为高质量短视频，大幅降低视频制作门槛。系统基于千万级电商数据训练，能自动适配不同市场需求，并推出AI试衣屏Dreamfit实现线上线下体验闭环。此次升级使AI成为电商运营的核心生产力工具，将传统视觉制作效率提升3倍以上，推动电商行业进入智能化新阶段。

深入NVIDIA Nemotron-3：高效准确的技术、工具与数据深度解析

专注于人工智能领域的小何尚

12-18

891

摘要：NVIDIA Nemotron-3技术解析 NVIDIA Nemotron-3系列模型为构建专业AI智能体提供了突破性解决方案。该系列采用创新的混合Mamba-Transformer MoE架构，结合状态空间模型(Mamba)的长序列处理能力、Transformer的精确推理和MoE的高效计算，支持高达100万token的上下文处理。模型通过NeMo Gym多环境强化学习框架训练，使智能体掌握复杂任务执行能力。技术亮点包括：1)混合架构实现超长上下文推理；2)开源RL训练环境支持智能体开发；3)原生支

[LLM]AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning

天下事有难易乎？为之，则难者亦易矣；不为，则易者亦难矣。人之为学有难易乎？学之，则难者亦易矣；不学，则易者亦难矣。

12-20

456

本文提出AIM框架，一种无需训练的多模态大语言模型(MLLMs)推理加速方法。通过双阶段设计：在LLM前基于相似度合并视觉Token，在LLM内基于注意力重要性剪枝Token，显著降低计算量。实验表明，该方法在视频理解任务中可减少6.8倍FLOPs，在图像任务中保持3.7倍加速的同时维持性能。关键发现包括：75%视觉Token冗余、LLM早期层侧重跨模态融合而后期侧重文本推理、跨帧合并会损害视频理解等。该方法支持动态调整压缩比例，为资源受限环境下的高效多模态推理提供了实用解决方案。