医学图像重采样spacing和direction

一 最近在进行nii图像分割的时候发现不同的图像z轴spacing之间差距很大，而且有的direction不是标准的有倾斜，于是查找了一下代码进行调整

当只改变z轴的sapcing时只需要设置setSpacing（）就可以了。

def resample_image(itk_image, out_spacing,out_direction, is_label=False):
    original_size = itk_image.GetSize()
    original_spacing = itk_image.GetSpacing()
    out_size = [
        int(np.round(original_size[0] * (original_spacing[0] / out_spacing[0]))),
        int(np.round(original_size[1] * (original_spacing[1] / out_spacing[1]))),
        int(np.round(original_size[2] * (original_spacing[2] / out_spacing[2])))
    ]
    resample = sitk.ResampleImageFilter()
    resample.SetOutputSpacing(out_spacing)
    resample.SetSize(out_size)
    resample.SetOutputDirection(out_direction)
    resample.SetOutputOrigin(itk_image.GetOrigin())


    if is_label:
        resample.SetDefaultPixelValue(0)  # 没有图像的地方填充值
        resample.SetInterpolator(sitk.sitkNearestNeighbor)
    else:
        resample.SetDefaultPixelValue(-10)  # -10是我调整的窗宽窗外
        resample.SetInterpolator(sitk.sitkBSpline)

    return resample.Execute(itk_image)

二 对图像某一点的像素进行矫正，比如a图像的direction不是标准的【1,0，0,0，1，0，0,0，1】，求他的某一点（x,y,z）在标准direction的设备坐标

正常的设备坐标转像素坐标

（设备坐标-origin）/spacing = 像素坐标

从非标准的转到标准的涉及到一个过渡矩阵的概念
自然基A的转到非自然基B的过度矩阵为非自然基 于是就有了 以后公式
z为非标准direction下某一点像素的坐标 d为direction的列表

d = np.array(d).reshape((3,3))
x = np.matmul(np.matmul(np.array(z),d), spacing) +origin