Zan Klanecek 3 лет назад
Родитель
Сommit
6cbe531938
1 измененных файлов с 80 добавлено и 0 удалено
  1. 80 0
      5-naloga-cnn-klasifikacija-covid-slik/preprocessing.py

+ 80 - 0
5-naloga-cnn-klasifikacija-covid-slik/preprocessing.py

@@ -0,0 +1,80 @@
+# %% 1. Nalozimo originalno sliko in pogledamo metapodatke
+import nibabel as nib
+import numpy as np
+from matplotlib import pyplot as plt
+
+filepath_CT = "images/0381_1.nii.gz" # pot do CT datoteke
+
+all = nib.load(filepath_CT) # slika in vsi metapodatki 
+info = all.header # metapodatki se nahajajo v glavi
+
+print(info)
+
+# %% 2. Nalozimo originalno sliko
+
+I_dataobject = all.dataobj # vzamemo le podatkovni objekt
+
+I = np.array(I_dataobject) # pretvorimo v numpy matriko, dimenzij 512x512xNz
+
+plt.figure()
+plt.title("Original")
+plt.imshow(np.rot90(I[:,:,26], k=3),cmap='gray') # primer vizualizacije 27. rezine (k=3 zaradi rotacija 3x90°)
+# %% 3. Sliko normaliziramo
+
+def normalize(image, MIN_BOUND, MAX_BOUND):
+	# Normalizacija CT slike znotraj intervala MIN_BOUND, MAX_BOUND.
+	image = (image - MIN_BOUND) / (MAX_BOUND - MIN_BOUND)
+	image[image>1] = 1.
+	image[image<0] = 0.
+	return image
+
+# Uporabimo W = 1500, L = -600 --> https://radiopaedia.org/articles/windowing-ct 
+nI = normalize(I, -1350, 150) # dobimo normalizirano CT sliko z W = 1500, L = -600
+
+plt.figure()
+plt.title("Normalizacija")
+plt.imshow(np.rot90(nI[:,:,26], k=3), cmap='gray') # primer vizualizacije 27. rezine segmentacije
+
+# %% 4. Nalozimo masko
+
+import nrrd
+
+filepath_mask = "masks/0381_1.nrrd" # pot do maske
+
+M, _ = nrrd.read(filepath_mask) # preberemo masko in jo shranimo v M
+
+plt.figure()
+plt.title("Vizualizacija maske")
+plt.imshow(np.rot90(M[:,:,26], k=3), cmap='gray')
+
+# %% 5. Apliciramo masko na normalizirano sliko
+
+S = np.where(M==1, nI, M)
+
+plt.figure()
+plt.title("Segmentacija")
+plt.imshow(np.rot90(S[:,:,26], k=3),cmap='gray') # primer vizualizacije 27. rezine segmentacije
+
+
+# %% 6. Popravimo vidno polje
+from cv2 import resize
+
+def bound_box(img, slice_idx):
+	# Za dano rezino poiscemo najmanjsi pravokotnik, ki obdaja segmentirana pljuca. 
+	I_slice = img[:,:,slice_idx]
+	rows = np.any(I_slice, axis=1)
+	cols = np.any(I_slice, axis=0)
+	rmin, rmax = np.where(rows)[0][[0, -1]]
+	cmin, cmax = np.where(cols)[0][[0, -1]]
+	I_slice = I_slice[rmin:rmax, cmin:cmax]
+	I_slice = np.transpose(I_slice[:, :, np.newaxis],axes = [2,0,1]).astype('float32')
+
+	return I_slice
+
+bounded_slice = bound_box(S, 26) # npr. da zelimo obrezati 27. rezino S-ja
+
+plt.figure()
+plt.title("Popravljeno vidno polje")
+plt.imshow(np.rot90(bounded_slice[0,:,:], k=3), cmap='gray')
+
+# %%