医学图像预处理（三）——windowing(ct对比增强）

若是dicom格式的图片，得先转化为hu值（即ct图像值，若图片本来就是ct，则不需要转换）（见下面更新内容） ，因为hu值是与设备无关的，不同范围之内的值可以代表不同器官。常见的对应如下（w代表ct值width，L代表ct值level,即 [level - width/2 , level + width/2]为其窗口化目标范围）：

2019-7-24更新
其实无论对于dcm还是nii格式的图片，只要是ct图，就都可以选择将储存的原始数据转化为Hu值，因为Hu值即代表了物体真正的密度。
对于nii格式的图片，经过测试，nibabel, simpleitk常用的api接口，都会自动的进行上述转化过程，即取出来的值已经是Hu了。
(除非专门用nib.load('xx').dataobj.get_unscaled()或者itk.ReadImage('xx').GetPixel(x,y,z)才能取得原始数据）
对于dcm格式的图片，经过测试，simpleitk, pydicom常用的api接口都不会将原始数据自动转化为Hu！！(itk snap软件读入dcm或nii都不会对数据进行scale操作)
下面是做的测试

import nibabel as nib
import SimpleITK as itk
import pydicom


nii_file = r'G:\data\LITS17\LITS17_vol\volume-0.nii'

dcm_file = r'G:\data\3Dircadb\3Dircadb1.1\PATIENT_DICOM\image_0'

img = nib.load(nii_file)
"""
经过测试get_fdata会自动根据头文件数据中的
inter, slope 将raw data转换到hu data
img.dataobj.get_unscaled获取的就是未转化的
raw data。还需要注意的是，img.header中的
scl_slope, scl_inter为nan，因为对于转换后的
hu data而言，这两个值已经不重要了
想要知道的话，可以专门用
img.dataobj.slope, img.dataobj.inter 获取
"""
hu_data = img.get_fdata()  # Hu data
pixel_data = img.dataobj.get_unscaled() # raw data

seg = itk.ReadImage(nii_file)
segimg = itk.GetArrayFromImage(seg)  # == img.get_fdata(), Hu data
print(seg.GetPixel(0, 0, 0))  # unscale, raw data
"""经过测试，itk里的头文件不会像nib将inter和slope抹去"""
# for key in seg.GetMetaDataKeys():
#     print("{0}:{1}".format(key, seg.GetMetaData(key)))

print('---------------')

dcm_itk = itk.ReadImage(dcm_file)
# for key in dcm_itk.GetMetaDataKeys():
#     print("{0}:{1}".format(key, dcm_itk.GetMetaData(key)))

print(dcm_itk.GetPixel(0, 0, 0))  # -1024 unscaled, raw data
data_itk = itk.GetArrayFromImage(dcm_itk)
print(<