MRI脑图像处理-归一化：python,自适应归一化

最新推荐文章于 2025-11-07 11:10:43 发布

原创

最新推荐文章于 2025-11-07 11:10:43 发布 · 6k 阅读

35 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

本文介绍了数据标准化(normalization)的概念及其在数据预处理中的应用，详细解释了如何将像素值从0-10000的范围归一化到[-1,1]区间，以便于不同单位或量级的指标进行比较和加权。并通过Python代码示例展示了具体的实现过程。

数据的标准化，归一化方法
数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。

像素值在0-10000之间，通过归一化到 [-1,1] 之间。


import os
import SimpleITK as sitk
def adaptive_normal(image_path, outpath):
    """
    normalize image, rescaled to [-1, 1], without background voxels in statistic analysis
    :param image_path: image path, nii.gz
    :param outpath: .nii.gz, 归一化后的文件保存路径
    :return: 归一化后的 nii.gz 文件绝对路径
    """

    min_p = 0.001 
    max_p = 0.999 # quantile prefer 98~99
    
    image = sitk.ReadImage(image_path)
    image_array = sitk.GetArrayFromImage(image)
    imgArray = np.float32(image_array)

    imgPixel = imgArray[imgArray >= 0]
    imgPixel.sort()
    index = int(round(len(imgPixel) - 1) * mi