医学图像处理中，如何高效进行数据读写操作？

本文共计1840个文字，预计阅读时间需要8分钟。

在医学图像处理中，数据读写常见于以下医学图像格式：不拘于格式如何变化，对于医学图像而言，最终读取到的内容是图像的强度值信息，类似于自然图像的RGB表示方法。

医学图像处理中的数据读写 常见的医学图像的格式

不管格式如何变化，对于医学图像而言，最终读取到内容中的数据就是图像的强度值信息，就类似自然图像的RGB表示法一样。这里叫做强度值，因为不同的医学图像例如CT、MRI他们可区分的信号的范围和一般自然图像不一样。一般自然图像256个级别就够用了，而医学图像可能会有2000个级别。对于我而言，比较熟悉的有几种常见的数据后缀。

• dicom：常见于临床上医学设备采集的信息，里面有许多字段，我们只关心图像相关的信息即可。
• mha：是一种体数据的存储格式，由一个描述数据的头和数据组成，一般就针对医学图像使用。
• mhd：和mha类似，只不过是把头和图像数据分开存储了。
• nii：NIFTI格式，常用于神经图像，有时候也会见到hdr img这样的文件，本质上也是这种格式，只不过是把头和数据分开了。
• nrrd：也是一样包含了头和图像数据。
• raw：一般只有图像信息，其他信息需要去找对应的解析或者头。
• img：一般只有图像信息，其他信息需要去找对应的解析或者头。
  本文没有过多的介绍这些格式，因为大家主要的目的是做医学图像处理，其实也不关心他们的具体实现，可以认为他们都是一样的，都存储了医学图像（也可能是三维图像）信息，我们只需要调用现成的库，将他们解析成类似三维数组的格式，就可以供我们之后的使用了。

代码在仓库 github.com/MangoWAY/medicalImageScriptDemo

在Python中进行读写

Python提供了丰富的库来辅助我们工作，大多数情况下只需要几行代码就可以搞定读写。千万别想不去去用C++之类的语言，只有在需要工程化的时候再考虑去用C++。