应用monai进行医学图像的弹性变形的demo

mnoai 我用的1.2.0的版本，对比代码和效果，明显比opencv变形搞得更好 。而且使用上超级简单

 

 

import numpy as np
import pydicom
from monai.transforms import Rand2DElastic
import torch
import matplotlib.pyplot as plt

# 读取DICOM文件
ds = pydicom.dcmread(r"D:\workspace_py\deeplean\Anonymized_20250720\series-00002\image-00043.dcm")
img = ds.pixel_array.astype(np.float32)  # 转换为浮点数

# 添加通道维度 (H, W) -> (C, H, W)，注意不要添加批次维度
img_tensor = torch.tensor(img)[None, ...]  # 形状变为 (1, H, W)

# 创建弹性变形变换
elastic_transform = Rand2DElastic(
    prob=1.0,  # 应用概率100%
    spacing=(20, 20),  # 控制网格点间距（像素）
    magnitude_range=(1, 3),  # 变形幅度范围
    rotate_range=None,  # 不添加旋转
    shear_range=None,   # 不添加剪切
    scale_range=None,   # 不添加缩放
    spatial_size=img.shape,  # 输出尺寸保持原图大小 (H, W)
    mode="bilinear",     # 双线性插值
    padding_mode="zeros" # 边界填充0
)

# 应用弹性变形
np.random.seed(42)  # 固定随机种子
torch.manual_seed(42)
deformed_img = elastic_transform(img_tensor)[0].numpy()  # 只需要移除通道维度

# 可视化结果
plt.figure(figsize=(12, 6))
plt.subplot(121), plt.imshow(img, cmap="gray"), plt.title("Original")
plt.subplot(122), plt.imshow(deformed_img, cmap="gray"), plt.title("Deformed")
plt.savefig("elastic_deformation_result.png", bbox_inches="tight")
plt.show()

这段代码的作用很简单：就是把一张医学图像（DICOM 格式）做一些扭曲变形，然后展示原图和变形后的图。

用大白话一步步解释：

1. 准备工具：先加载需要的 "工具箱"（各种库），有处理数字的、读医学图像的、做变形的、画图的。
2. 读医学图像：找到你电脑里的那个 DICOM 文件（就是你给的那个长路径文件），把它读进来变成电脑能处理的数字格式。
3. 调整图片格式：医学图像是二维的（像张照片），但处理工具要求必须多加一个 "通道" 维度（就像给照片套个信封），所以这里加了一个维度，让图片格式符合工具的要求。
4. 设置变形参数：
   1. 肯定要变形（prob=0）
   2. 变形的网格大小是 20x20（spacing）
   3. 变形幅度不大（1 到 3 之间）
   4. 只做扭曲，不旋转、不拉伸（后面几个设为 None）
   5. 变形后保持原图大小
5. 执行变形：固定随机种子（这样每次变形效果一样，方便对比），然后对图片应用刚才设置的变形。
6. 展示结果：画两张图，左边是原图，右边是变形后的图，还保存了一张图片到电脑里。

简单说就是：读入医学图像→按工具要求调整格式→设置变形程度→执行变形→看效果。

运行后会弹出一个窗口显示两张图，你能清楚看到原图和扭曲变形后的区别，同时文件夹里会多一个叫 "elastic_deformation_result.png" 的图片文件。