python 将dicom 图像融合

将 DICOM 图像融合可以使用 Python 中的 Pydicom 库进行实现。这里提供一个简单的示例：

import pydicom
import numpy as np
from PIL import Image

# 读取 DICOM 图像
ds1 = pydicom.dcmread('image1.dcm')
ds2 = pydicom.dcmread('image2.dcm')

# 获取图像的像素数据并转换为 Numpy 数组
img1 = ds1.pixel_array
img2 = ds2.pixel_array

# 图像融合，这里简单的使用平均值法
img_fused = (img1 + img2) / 2

# 将融合后的像素数据转换为 PIL.Image 对象并保存为 JPEG 图像文件
img_fused = Image.fromarray(np.uint8(img_fused))
img_fused.save('fused_image.jpg')

在这个示例中，我们首先使用 Pydicom 库读取了两张 DICOM 图像，然后将它们的像素数据转换为 Numpy 数组。接着，我们使用简单的平均值法将两张图像进行融合，最后将融合后的像素数据转换为 PIL.Image 对象并保存为 JPEG 图像文件。

需要注意的是，图像融合算法的实现需要根据具体的需求进行调整，这里只是提供了一个简单的示例。

相关问题

python 将多张 dicom 图像融合为一张 dicom 图像

可以使用Python的Pydicom和Numpy库来将多张DICOM图像融合为一张DICOM图像。以下是一个简单的示例代码：

import numpy as np
import pydicom

# 读取多张DICOM图像
ds_list = []
for file_path in file_path_list:
    ds = pydicom.dcmread(file_path)
    ds_list.append(ds)

# 将多张DICOM图像融合为一张
merged_ds = pydicom.dataset.Dataset()
merged_ds.update(ds_list[0]) # 使用第一张图像的元数据

pixel_array_list = [ds.pixel_array for ds in ds_list]
merged_pixel_array = np.dstack(pixel_array_list)

merged_ds.PixelData = merged_pixel_array.tobytes()
merged_ds.Rows, merged_ds.Columns, _ = merged_pixel_array.shape

# 保存融合后的DICOM图像
pydicom.filewriter.dcmwrite(output_file_path, merged_ds, write_like_original=False)

其中，`file_path_list`是多张DICOM图像的文件路径列表，`output_file_path`是融合后的DICOM图像的保存路径。在代码中，我们首先使用Pydicom读取多张DICOM图像，然后使用Numpy库将它们融合为一张图像。最后，我们使用Pydicom将融合后的图像保存为一个新的DICOM文件。

python多张dicom图像融合

在Python中实现多张DICOM图像融合可以使用PyDICOM和NumPy库。以下是一个简单的示例代码：

import numpy as np
import pydicom
import os

# 读取DICOM图像并转换为灰度图像
def read_dicom(filename):
    ds = pydicom.dcmread(filename)
    img = ds.pixel_array.astype(float)
    img -= np.min(img)
    img /= np.max(img)
    return img

# 对图像进行配准
def register_images(images):
    # 这里使用简单的平移配准
    # 实际应用中可能需要更复杂的配准方法
    ref = images[0]
    registered = [ref]
    for i in range(1, len(images)):
        img = images[i]
        dx = int((ref.shape[1] - img.shape[1]) / 2)
        dy = int((ref.shape[0] - img.shape[0]) / 2)
        trans = np.float32([[1, 0, dx], [0, 1, dy]])
        img = cv2.warpAffine(img, trans, ref.shape[::-1])
        registered.append(img)
    return registered

# 将图像融合
def fuse_images(images):
    # 这里使用简单的平均值法
    # 实际应用中可能需要更复杂的融合方法
    fused = np.mean(images, axis=0)
    return fused

# 保存融合后的图像为DICOM格式
def save_dicom(img, filename):
    ds = pydicom.dcmread(filename)
    ds.PixelData = img.tobytes()
    ds.save_as(filename)

if __name__ == '__main__':
    # 读取多张DICOM图像
    filenames = ['image1.dcm', 'image2.dcm', 'image3.dcm']
    images = [read_dicom(filename) for filename in filenames]

    # 对图像进行配准
    registered = register_images(images)

    # 将图像融合
    fused = fuse_images(registered)

    # 保存融合后的图像为DICOM格式
    save_dicom(fused, 'fused.dcm')

注意，上述代码中的配准和融合方法都比较简单，实际应用中可能需要更复杂的算法来处理DICOM图像。同时，为了确保图像的质量和元数据不受影响，需要根据具体应用场景选择合适的配准方法和融合方法，并且遵循DICOM标准进行处理。