介紹如何在 Python 中以 ITK 模組讀取、寫入影像檔案，以及自行建立 ITK 影像的方法。
ITK 快速讀取、寫入影像檔案
對於普通的影像檔案，可以使用 ITK 模組提供的 imread 函數來快速載入，其呼叫之後會立即執行載入檔案的動作，直接傳回影像內容：
import itk # 快速載入影像 image = itk.imread("image.tif")
若要快速寫入影像檔案，則可使用 imwrite 函數，其呼叫之後也是立即執行影像寫入動作：
# 快速寫入影像 itk.imwrite(image, "output.mha")
取得影像類型
imread 在載入影像時會自動判斷像素類型與影像維度，所以設計者不需要另外指定，但在建立後續的 filter 時可能會需要指定影像的類型，這時候可使用 type 取得影像類型：
# 取得影像類型 ImageType = type(image) # 建立影像統計 Filter statsFilter = itk.StatisticsImageFilter[ImageType].New() statsFilter.SetInput(image) statsFilter.Update() # 顯示像素值範圍 print("Min = {}, Max = {}".format(statsFilter.GetMinimum(), statsFilter.GetMaximum()))
Min = 2, Max = 255
指定 imread 載入影像類型
imread 預設會自動判斷影像的維度與像素類型，但也可以手動指定像素類型：
import itk # 指定影像類型 PixelType = itk.F ImageType = itk.Image[PixelType, 2] # 快速載入影像 image = itk.imread("image.tif", PixelType) # 建立影像統計 Filter statsFilter = itk.StatisticsImageFilter[ImageType].New() statsFilter.SetInput(image) statsFilter.Update() # 顯示像素值範圍 print("Min = {}, Max = {}".format(statsFilter.GetMinimum(), statsFilter.GetMaximum()))
Min = 2.0, Max = 255.0
imread 讀取影像序列
imread 也可以用來讀取多張影像組成的影像序列，最常見的狀況就是讀取多張 2D 切面影像檔案，組成一張 3D 影像：
# 影像序列 imageSeries = ["image_1.tif", "image_2.tif", "image_3.tif"] # 快速載入影像序列 image = itk.imread(imageSeries) # 顯示影像解析度 print(image.GetLargestPossibleRegion().GetSize())
itkSize3 ([256, 256, 3])
ITK 讀取、寫入影像檔案
前述以 imread 讀取影像的方式雖然方便，但是它是一次讀取整張影像，不支援 ITK 串流（streaming）的處理方式，若要使用到串流等進階功能，就要改用 ImageFileReader 這種標準 ITK 的影像讀取方式：
import itk # 像素類型 PixelType = itk.UC # 影像維度 Dimension = 3 # 影像類型 ImageType = itk.Image[PixelType, Dimension] # 建立 ImageFileReader reader = itk.ImageFileReader[ImageType].New() # 設定檔案名稱 reader.SetFileName("image.tif") # 實際讀取檔案 reader.Update() # 取得影像內容 image = reader.GetOutput()
若要以標準的 ITK 方式寫入影像，可以使用 ImageFileWriter：
# 建立 ImageFileWriter writer = itk.ImageFileWriter[ImageType].New() # 設定影像來源 writer.SetInput(reader.GetOutput()) # 設定輸出檔案名稱 writer.SetFileName("output.mha") # 設定串流處理 #writer.SetNumberOfStreamDivisions(4) # 啟用壓縮 writer.SetUseCompression(True) # 實際寫入檔案 writer.Update()
通常在使用 ITK 串流處理資料時，都會在最後的 ImageFileWriter 中以 SetNumberOfStreamDivisions 設定串流分割數，控制整個處理流程的串流方式。
讀取 2D 影像序列轉為 3D 影像
若要以 ITK 標準的方式讀取多張 2D 切面影像檔案，然後組成一張 3D 影像，可以使用 ImageSeriesReader 來處理：
# 像素類型 PixelType = itk.UC # 影像維度 Dimension = 3 # 影像類型 ImageType = itk.Image[PixelType, Dimension] # 影像序列檔案名稱 imageSeries = ["image_1.tif", "image_2.tif", "image_3.tif"] # 建立 ImageSeriesReader seriesReader = itk.ImageSeriesReader[ImageType].New() # 設定影像序列檔案名稱 seriesReader.SetFileNames(imageSeries) # 載入影像序列 seriesReader.Update() # 取得影像內容 image = seriesReader.GetOutput() # 顯示影像解析度 print(image.GetLargestPossibleRegion().GetSize())
itkSize3 ([256, 256, 3])
3D 影像轉為 2D 影像序列
若要以 ITK 標準的方式將一張 3D 影像採用多張 2D 切面影像的方式儲存，可以使用 ImageSeriesWriter 來處理：
# 像素類型 PixelType = itk.UC # 輸入影像類型 InputImageType = itk.Image[PixelType, 3] # 輸出影像類型 OutputImageType = itk.Image[PixelType, 2] # 讀取 3D 影像 image = itk.imread("3d_volume.tif", PixelType) # 輸出影像序列 seriesWriter = itk.ImageSeriesWriter[InputImageType, OutputImageType].New() seriesWriter.SetInput(image) seriesWriter.SetSeriesFormat("2d_image_%02d.tif") seriesWriter.Update()
這裡的 SetSeriesFormat 是設定輸出檔案名稱板模，板模的寫法請參考 C 語言的 printf 函數說明。
轉出的影像序列檔案名稱會是 2d_image_01.tif、2d_image_02.tif、2d_image_03.tif…等。
建立 ITK 空白影像
以下是透過 ITK 的 Image 物件設定影像維度、類型、大小等屬性，自行配置記憶體空間，建立空白 ITK 影像的範例。
import itk # 影像維度 Dimension = 3 # 像素類型 PixelType = itk.ctype('unsigned char') # 影像類型 ImageType = itk.Image[PixelType, Dimension] # 建立影像物件 image = ImageType.New() # 設定影像起始索引 start = itk.Index[Dimension]() start[0] = 0 # X 軸起始索引值 start[1] = 0 # Y 軸起始索引值 start[2] = 0 # Z 軸起始索引值 # 設定影像大小 size = itk.Size[Dimension]() size[0] = 200 # X 軸影像長度 size[1] = 200 # Y 軸影像長度 size[2] = 200 # Z 軸影像長度 # 建立 Image Region 物件 region = itk.ImageRegion[Dimension]() region.SetSize(size) region.SetIndex(start) # 透過 Image Region 物件設定影像大小 image.SetRegions(region) # 配置記憶體空間 image.Allocate() # 輸出影像資訊 print(image)
Image (0x293bab0)
RTTI typeinfo: itk::Image<unsigned char, 3u>
Reference Count: 1
Modified Time: 9
Debug: Off
Object Name:
Observers:
none
Source: (none)
Source output name: (none)
Release Data: Off
Data Released: False
Global Release Data: Off
PipelineMTime: 0
UpdateMTime: 0
RealTimeStamp: 0 seconds
LargestPossibleRegion:
Dimension: 3
Index: [0, 0, 0]
Size: [200, 200, 200]
BufferedRegion:
Dimension: 3
Index: [0, 0, 0]
Size: [200, 200, 200]
RequestedRegion:
Dimension: 3
Index: [0, 0, 0]
Size: [200, 200, 200]
Spacing: [1, 1, 1]
Origin: [0, 0, 0]
Direction:
1 0 0
0 1 0
0 0 1
IndexToPointMatrix:
1 0 0
0 1 0
0 0 1
PointToIndexMatrix:
1 0 0
0 1 0
0 0 1
Inverse Direction:
1 0 0
0 1 0
0 0 1
PixelContainer:
ImportImageContainer (0x1d40a20)
RTTI typeinfo: itk::ImportImageContainer<unsigned long, unsigned char>
Reference Count: 1
Modified Time: 10
Debug: Off
Object Name:
Observers:
none
Pointer: 0x7f9da7d97010
Container manages memory: true
Size: 8000000
Capacity: 8000000
從 NumPy 建立 ITK 影像
ITK 也可以透過 GetImageFromArray 直接從 NumPy 的陣列資料建立影像：
import itk import numpy # 建立 NumPy 陣列 npArr = numpy.zeros([30, 20, 10], dtype=numpy.uint8) # 從 NumPy 陣列建立 ITK 影像 image = itk.GetImageFromArray(npArr, isVector=False) # 輸出影像資訊 print(image)
Image (0x55848c0)
RTTI typeinfo: itk::Image<unsigned char, 3u>
Reference Count: 1
Modified Time: 713
Debug: Off
Object Name:
Observers:
none
Source: (none)
Source output name: (none)
Release Data: Off
Data Released: False
Global Release Data: Off
PipelineMTime: 0
UpdateMTime: 0
RealTimeStamp: 0 seconds
LargestPossibleRegion:
Dimension: 3
Index: [0, 0, 0]
Size: [10, 20, 30]
BufferedRegion:
Dimension: 3
Index: [0, 0, 0]
Size: [10, 20, 30]
RequestedRegion:
Dimension: 3
Index: [0, 0, 0]
Size: [10, 20, 30]
Spacing: [1, 1, 1]
Origin: [0, 0, 0]
Direction:
1 0 0
0 1 0
0 0 1
IndexToPointMatrix:
1 0 0
0 1 0
0 0 1
PointToIndexMatrix:
1 0 0
0 1 0
0 0 1
Inverse Direction:
1 0 0
0 1 0
0 0 1
PixelContainer:
ImportImageContainer (0x74bf810)
RTTI typeinfo: itk::ImportImageContainer<unsigned long, unsigned char>
Reference Count: 1
Modified Time: 714
Debug: Off
Object Name:
Observers:
none
Pointer: 0x7a76180
Container manages memory: true
Size: 6000
Capacity: 6000
GetImageFromArray 的 isVector 參數若設定為 True，則會將 3D 的影像視為 2D 的向量影像。