青浦集团网站建设,经营网站的备案,移动网站开发 王府井,网页设计与制作个人网站图像显示和打印面临的一个问题是#xff1a;图像的亮度和对比度能否充分突出关键部分。这里所指的“关键部分”在 CT 里的例子有软组织、骨头、脑组织、肺、腹部等等。 技术问题 1、显示器往往只有 8-bit#xff0c; 而数据有 12- 至 16-bits。 2、如果将数据的 min 和 max…图像显示和打印面临的一个问题是图像的亮度和对比度能否充分突出关键部分。这里所指的“关键部分”在 CT 里的例子有软组织、骨头、脑组织、肺、腹部等等。 技术问题 1、显示器往往只有 8-bit 而数据有 12- 至 16-bits。 2、如果将数据的 min 和 max 间 (dynamic range) 的之间转换到 8-bit 0-255 去过程是个有损转换 而且出来的图像往往突出的是些噪音。 算法分析 12-bit 到 8-bit 直接转换
computeMinMax(pixel_val, min, max); // 先算图像的最大和最小值
for (i 0; i nNumPixels; i) disp_pixel_val[i] (pixel_val[i] - min)*255.0/(double)(max-min); 这个算法必须有对不少种类的图像是很有效的如 8-bit 图像MRI, ECT, CR 等等。 python实现 def matrix2uint8(matrix):
matrix must be a numpy array NXN
Returns uint8 versionm_min np.min(matrix)m_max np.max(matrix)matrix matrix-m_minreturn(np.array(np.rint( (matrix-m_min)/float(m_max-m_min) * 255.0),dtypenp.uint8))#np.rint, Round elements of the array to the nearest integer.
def preprocess(img, cropTrue, resizeTrue, dsize(224, 224)):if img.dtype np.uint8:img img / 255.0if crop:short_edge min(img.shape[:2])yy int((img.shape[0] - short_edge) / 2)xx int((img.shape[1] - short_edge) / 2)crop_img img[yy: yy short_edge, xx: xx short_edge]else:crop_img imgif resize:norm_img imresize(crop_img, dsize, preserve_rangeTrue)else:norm_img crop_imgreturn (norm_img).astype(np.float32)
def deprocess(img):return np.clip(img * 255, 0, 255).astype(np.uint8) 参考文献 16bit灰度图像映射到8bit显示
