DICOM的图像数据归一化

视频教程:https://www.bilibili.com/video/av84165974

图像归一化涉及的DICOM_Tag

图像归一化的计算流程

图像归一化函数

void DicomProcessor::FillNormalizeImage(unsigned char* data)
{
    //m_image->SamplesPerPixel = 1;
    //m_image->BitsAllocated = 16;
    //m_image->BitsStored = 12;
    //m_image->HighBit = 11;

    FillInfo(DCM_SamplesPerPixel, std::to_string(m_image->SamplesPerPixel));
    FillInfo(DCM_PhotometricInterpretation, m_image->PhotometricInterpretation);
    FillInfo(DCM_Rows, std::to_string(m_image->Rows));
    FillInfo(DCM_Columns, std::to_string(m_image->Columns));
    FillInfo(DCM_BitsAllocated, std::to_string(m_image->BitsAllocated));
    FillInfo(DCM_BitsStored, std::to_string(m_image->BitsStored));
    FillInfo(DCM_HighBit, std::to_string(m_image->HighBit));
    FillInfo(DCM_PixelRepresentation, std::to_string(m_image->PixelRepresentation));

    //number of image pixels
    int64_t dataNumber = m_image->Rows * m_image->Columns; 
    std::shared_ptr<float> pData(new float[dataNumber]);
    float minData = 0.0;
    float maxData = 0.0;

    //Get max * min data(float32)
    for (int64_t i = 0, j = 0; i < dataNumber; i++, j += 4)
    {
        memcpy(pData.get() + i, data + j, 4);
        minData = (*(pData.get() + i) < minData) ? *(pData.get() + i) : minData;
        maxData = (*(pData.get() + i) > maxData) ? *(pData.get() + i) : maxData;
    }

    //Get the range of normalization
    uint32_t range = (2 << (m_image->BitsStored - 1)) - 1;  //BitsStored = 12 -> range = 4095
    //Get Rescale Slope and Rescale Intercept
    m_image->RescaleIntercept = minData;                    
    m_image->RescaleSlope = (maxData - minData) / range;
    
    //Get Window Center and Window Width
    m_image->WindowCenter = maxData / 2;
    m_image->WindowWidth = maxData;
                                                            
    //Normalization(Float32 to Uint16), BitsAllocated = 16 -> Create unsigned int16 array
    std::shared_ptr<uint16_t> pNormalizedData(new uint16_t[dataNumber]()); 
    for (int64_t i = 0; i < dataNumber; i++)
    {
        //normalizedData = (srcData - rescale intercept) / rescale slope
        pNormalizedData.get()[i] = (uint16_t)((pData.get()[i] - m_image->RescaleIntercept) / m_image->RescaleSlope);
    }


    //Save normalized data
    OFCondition status = m_fileformat.getDataset()->putAndInsertUint16Array(DCM_PixelData, pNormalizedData.get(), dataNumber);
    if (!status.good())
    {
        std::cout << "Fill pixel data error:" << status.text() << std::endl;
    }


    //Save Fields invloved
    FillInfo(DCM_RescaleIntercept, std::to_string(m_image->RescaleIntercept));
    FillInfo(DCM_RescaleSlope, std::to_string(m_image->RescaleSlope));
    FillInfo(DCM_WindowCenter, std::to_string(m_image->WindowCenter));
    FillInfo(DCM_WindowWidth, std::to_string(m_image->WindowWidth));
}


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352

推荐阅读更多精彩内容