几种读nii图像方法的轴序比较

本文主要是介绍几种读nii图像方法的轴序比较，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

读 .nii / .nii.gz 图像并转成 numpy 可用 medpy.io、nibabel、itk、SimpleITK 几种方法，然而几种方法读出来的轴序有出入，本篇比较此几种方法。

Datum

所用数据来自 verse，经 iTomxy/data/verse/preprocess.py 预处理，朝向和轴序是 RAI。三视图（可视化：show_nii）：

其中最短的是 LR = 35，次短 AP = 118，最长 SI = 214，所以如果维持 RAI 轴序，读出来的形状应是 [35, 118, 214]，给下面代码结果作参考。

Test

import os
import numpy as np
import itk
import SimpleITK as sitk
import nibabel as nib
import medpy.io as medio# 所选的一个 verse 数据
f = os.path.expanduser("~/data/verse/processed-verse19/test/sub-verse012_image.nii.gz")lab_medio, _ = medio.load(f)
print("medpy:", lab_medio.shape)lab_nib = nib.load(f)
print("nibabel:", lab_nib.shape)lab_itk = itk.imread(f)
print("itk:", lab_itk.shape)
lab_itk_np = itk.GetArrayViewFromImage(lab_itk)
print("itk -> numpy:", lab_itk_np.shape)lab_sitk = sitk.ReadImage(f)
print("sitk:", lab_sitk.GetSize())
lab_sitk_np = sitk.GetArrayFromImage(lab_sitk)
print("sitk -> numpy:", lab_sitk_np.shape)

输出：

medpy: (35, 118, 214)
nibabel: (35, 118, 214)
itk: (214, 118, 35)
itk -> numpy: (214, 118, 35)
sitk: (35, 118, 214)
sitk -> numpy: (214, 118, 35)

结论：

• medpy.io、nibabel 读不改轴序；
• itk 读会逆转轴序（本例即 RAI 变 IAR）；
• sitk 读不会，但在转 numpy 时逆了，参考 [1,2]。

References

1. Order of images returned by GetArrayFromImage - where is this this documented? #1088
2. Conversion between numpy and SimpleITK

这篇关于几种读nii图像方法的轴序比较的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---