圖像顯示和打印面臨的一個問題是：圖像的亮度和對比度能否充分突出關鍵部分。這里所指的“關鍵部分”在 CT 里的例子有軟組織、骨頭、腦組織、肺、腹部等等。

---

技術問題

---

1、顯示器往往只有 8-bit， 而數據有 12- 至 16-bits。
2、如果將數據的 min 和 max 間 (dynamic range) 的之間轉換到 8-bit 0-255 去，過程是個有損轉換， 而且出來的圖像往往突出的是些噪音。

---

算法分析

---

12-bit 到 8-bit 直接轉換：

computeMinMax(pixel_val, min, max); // 先算圖像的最大和最小值 for (i = 0; i < nNumPixels; i++) disp_pixel_val[i] = (pixel_val[i] - min)*255.0/(double)(max-min);

這個算法必須有，對不少種類的圖像是很有效的：如 8-bit 圖像，MRI, ECT, CR 等等。

---

python實現

---

def matrix2uint8(matrix):''' matrix must be a numpy array NXN Returns uint8 version'''m_min= np.min(matrix)m_max= np.max(matrix)matrix = matrix-m_minreturn(np.array(np.rint( (matrix-m_min)/float(m_max-m_min) * 255.0),dtype=np.uint8))#np.rint, Round elements of the array to the nearest integer. def preprocess(img, crop=True, resize=True, dsize=(224, 224)):if img.dtype == np.uint8:img = img / 255.0if crop:short_edge = min(img.shape[:2])yy = int((img.shape[0] - short_edge) / 2)xx = int((img.shape[1] - short_edge) / 2)crop_img = img[yy: yy + short_edge, xx: xx + short_edge]else:crop_img = imgif resize:norm_img = imresize(crop_img, dsize, preserve_range=True)else:norm_img = crop_imgreturn (norm_img).astype(np.float32) def deprocess(img):return np.clip(img * 255, 0, 255).astype(np.uint8)

---

參考文獻

---

16bit灰度圖像映射到8bit顯示

總結

以上是生活随笔為你收集整理的12bit灰度图像映射到8bit显示及python 实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。