批量将.dcm导出成.jpg

医学图像普遍的dicom格式，但深度学习需要jpg或者png格式，所以需要批量的将dicom转换格式

import os
import SimpleITK as sitk
import numpy as np
import cv2


def endWith（*endstring）:
    ends=endstring
    def run（s）:
        f=map（s.endswithends）
        if True in f:
            return s
    return run


def convert_from_dicom_to_jpg（img low_window high_window save_path）:
    lungwin = np.array（[low_window * 1. high_window * 1.]）
    newimg = （img - lungwin[0]） / （lungwin[1] - lungwin[0]）  # 归一化
    newimg = （newimg * 255）.astype（‘uint8‘）  # 将像素值扩展到[0255]
    cv2.imwrite（save_path newimg [int（cv2.IMWRITE_JPEG_QUALITY） 100]）

if __name__==‘__main__‘:
    list_file=os.listdir（‘C:/Data/001/C+ delay‘）
    a=endWith（‘.dcm‘）
    f_file=filter（alist_file）
    #data=[]
    for i in f_file:
        #print（i）  #dcm的文件名
        #data.append（i）
    # #print（len（data））
    # print（data）
    # data.reverse（）
    # print（data）

        # 下面是将对应的dicom格式的图片转成jpg
        dcm_image_path = ‘C:/Data/001/C+ delay/{}‘.format（i）  # 读取dicom文件
        output_jpg_path = ‘C:/Data/001/C+ delay/{}.jpg‘.format（i）
        ds_array = sitk.ReadImage（dcm_image_path）  # 读取dicom文件的相关信息
        img_array = sitk.GetArrayFromImage（ds_array）  # 获取array
        # SimpleITK读取的图像数据的坐标顺序为zyx，即从多少张切片到单张切片的宽和高，此处我们读取单张，因此img_array的shape
        # 类似于 （1，height，width）的形式
        shape = img_array.shape
        print（shape）
        img_array = np.reshape（img_array （shape[1] shape[2]））  # 获取array中的height和width
        high = np.max（img_array）
        low = np.min（img_array）
        convert_from_dicom_to_jpg（img_array low high output_jpg_path）  # 调用函数，转换成jpg文件并保存到对应的路径
        print（‘正在转换第{}张‘.format（i））

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-12-01 10:30  将.dcm导出成.jpg\
     文件        1917  2018-12-01 00:43  将.dcm导出成.jpg\file_read.py