【问题标题】：How to access RGB pixel arrays from DICOM files using pydicom?如何使用 pydicom 从 DICOM 文件访问 RGB 像素阵列？
【发布时间】：2017-03-07 13:57:45
【问题描述】：

我尝试访问具有未知压缩（可能没有）的 DICOM 文件的 RGB 像素阵列。提取灰度像素阵列完全正常。

但是，使用

import dicom
import numpy as np

data_set = dicom.read_file(path)
pixel_array = data_set.pixel_array
size_of_array = pixel_array.shape

if len(size_of_array ) == 3:     
    chanR = pixel_array[0][0:size_of_array[1], 0:size_of_array[2]]
    chanG = pixel_array[1][0:size_of_array[1], 0:size_of_array[2]]
    chanB = pixel_array[2][0:size_of_array[1], 0:size_of_array[2]]
    output_array = (0.299 ** chanR) + (0.587 ** chanG) + (0.114 ** chanB)

目标是将其转换为通用灰度数组。不幸的是，结果数组output_array 不包含正确的像素数据。内容不是错误缩放的，它们在空间上受到干扰。问题出在哪里？

【问题讨论】：

可能是 BGR 而不是 RGB？
不，对应的 DICOM 标签显示为“RGB”，其他模式为“OT”，将患者报告转换为图像格式。结果图像的分辨率和图像大小确实很合适。但每个通道似乎只包含部分空间信息。
什么是pixel_array.shape？
我问是因为我用来读取 RGB 图像的其他库（不是 dicom，而是 JPG、PNG 等）通常返回一个形状为 (m, n, 3) 的数组，而不是 (3 , 米, n)。如果是这样，那么你会写chanR = pixel_array[:,:,0]。
相应的 DICOM 标签写着“RGB”如果你说的是Photometric Interpretation，那并不意味着顺序。

标签： python numpy dicom pydicom

【解决方案1】：

它不是RGB像素阵列，更好的方法是转换为灰度图像。

CT Image的获取方式是获取CT dicom文件中pixel_array的属性。 CT dicom文件pixel_array中元素的类型都是uint16。但是python中的很多工具，比如OpenCV，一些AI的东西，都不能兼容这种类型。

从CT dicom文件中得到pixel_array(CT Image)后，总是需要将pixel_array转换成灰度图，这样你可以用python中的很多图像处理工具来处理这个灰度图 .

以下代码是将pixel_array转换为灰度图像的工作示例。

import matplotlib.pyplot as plt
import os
import pydicom
import numpy as np 
# Abvoe code is to import dependent libraries of this code

# Read some CT dicom file here by pydicom library
ct_filepath = r"<YOUR_CT_DICOM_FILEPATH>"
ct_dicom = pydicom.read_file(ct_filepath)
img = ct_dicom.pixel_array

# Now, img is pixel_array. it is input of our demo code

# Convert pixel_array (img) to -> gray image (img_2d_scaled)
## Step 1. Convert to float to avoid overflow or underflow losses.
img_2d = img.astype(float)

## Step 2. Rescaling grey scale between 0-255
img_2d_scaled = (np.maximum(img_2d,0) / img_2d.max()) * 255.0

## Step 3. Convert to uint
img_2d_scaled = np.uint8(img_2d_scaled)


# Show information of input and output in above code
## (1) Show information of original CT image 
print(img.dtype)
print(img.shape)
print(img)

## (2) Show information of gray image of it 
print(img_2d_scaled.dtype)
print(img_2d_scaled.shape)
print(img_2d_scaled)

## (3) Show the scaled gray image by matplotlib
plt.imshow(img_2d_scaled, cmap='gray', vmin=0, vmax=255)
plt.show()

以下是我打印出来的结果。

【讨论】：

【解决方案2】：

您现在可能已经解决了这个问题，但我认为 pydicom 没有正确解释 planar configuration。

你需要先这样做：

img = data_set.pixel_array
img = img.reshape([img.shape[1], img.shape[2], 3])

从这里开始，您的图像将具有形状 [rows cols 3]，通道分开

【讨论】：

非常感谢！我很快就会试一试。实际上我的解决方案是编写一个 ITK 方法。

【解决方案3】：

正如@Daniel 所说，因为您有PlanarConfiguration== 1，您必须通过np.reshape 重新排列列中的颜色，然后转换为灰度，例如使用OpenCV：

import pydicom as dicom
import numpy as np
import cv2 as cv

data_set = dicom.read_file(path)
pixel_array = data_set.pixel_array
## converting to shape (m,n,3)
pixel_array_rgb = pixel_array.reshape((pixel_array.shape[1], pixel_array.shape[2], 3))
## converting to grayscale
pixel_array_gs = cv.cvtColor(pixel_array_rgb, cv.COLOR_RGB2GRAY)

【讨论】：