【无标题】

查看nii文件

可以下载ITK-SNAP（医学图像2D/3D可视化）进行查看，下载链接
安装：直接双击.exe文件即可
1、导入医学图像
直接把图像拖入ITK-SNAP
2、导入相应的mask

nii文件转png图像

import os
import nibabel as nib
from PIL import Image

nii_folder = '/datasets/LiTs17'  # 替换为包含NIfTI文件的文件夹路径
output_folder = '/datasets/LiTs17_PNG/'  # 替换为输出PNG文件的文件夹路径
os.makedirs(output_folder, exist_ok=True)

# 遍历输入文件夹中的每个 .nii 文件
for nii_file_name in os.listdir(nii_folder):
    if nii_file_name.endswith('.nii') or nii_file_name.endswith('.nii.gz'):
        nii_file_path = os.path.join(nii_folder, nii_file_name)

        # 加载NIfTI文件
        nii_data = nib.load(nii_file_path)
        nii_array = nii_data.get_fdata()

        # 将像素值范围归一化到0-255之间
        nii_array_normalized = ((nii_array - nii_array.min()) / (nii_array.max() - nii_array.min())) * 255
        nii_array_normalized = nii_array_normalized.astype('uint8')

        # 创建PIL图像对象
        for slice_idx in range(nii_array.shape[2]):
            slice_data = nii_array_normalized[:, :, slice_idx]
            png_image = Image.fromarray(slice_data, mode='L')

            # 构建PNG文件名，并保存为PNG文件
            png_file_name = f'{os.path.splitext(nii_file_name)[0]}_{slice_idx:03d}.png'
            png_file_path = os.path.join(output_folder, png_file_name)
            png_image.save(png_file_path)

将nii.gz文件转为png图像

import os
import numpy as np
import nibabel as nib
from PIL import Image

input_folder = '/root/autodl-tmp/datasets/LiTs17'  # 输入NIfTI文件夹路径
output_folder = '/root/autodl-tmp/datasets/LiTs17_png'  # 输出PNG文件夹路径
os.makedirs(output_folder, exist_ok=True)

# 遍历输入文件夹中的每个 .nii.gz 文件
for nii_file_name in os.listdir(input_folder):
    if nii_file_name.endswith('.nii.gz'):
        nii_file_path = os.path.join(input_folder, nii_file_name)

        # 加载NIfTI文件
        nii_image = nib.load(nii_file_path)
        nii_data = nii_image.get_fdata()

        # 创建输出文件夹
        output_subfolder = os.path.join(output_folder, nii_file_name.replace('.nii.gz', ''))
        os.makedirs(output_subfolder, exist_ok=True)

        # 将NIfTI数据转换为PNG图像并保存在输出子文件夹中
        for slice_idx in range(nii_data.shape[-1]):
            slice_data = nii_data[..., slice_idx]
            slice_data_normalized = ((slice_data - np.min(slice_data)) / (
                        np.max(slice_data) - np.min(slice_data))) * 255
            slice_data_normalized = slice_data_normalized.astype(np.uint8)
            png_image = Image.fromarray(slice_data_normalized, mode='L')
            png_file_path = os.path.join(output_subfolder, f'slice_{slice_idx:03d}.png')
            png_image.save(png_file_path)