python医学图像重建 python图像数据处理

经典图像处理:提取图像数据，用库函数算法将数据转换为预处理，增强，复原，表示（用操作符），分割，分类，检测和识别（对象），从而更好的分析理解和解释数据。

图像处理流程：

1图像的获取与存储。获取图像（如使用相机获取)，并以文件的形式（如 JPEG文件）将其存储在某些设备（如硬盘)上。
2加载图像数据至内存并存盘。从磁盘读取图像数据至内存，传用某种数据结构( 如numpy ndarray）作为存储结构，之后将数据结构序列沙到一个图学打件中，也可能是在对图像运行了算法之后。

3操作、增强和复原。需运行预处理算法完成如下任务。

1）图像转换（采样和操作，如灰度转换)。
2）图像质量增强（滤波，如图像由模糊变清晰)。

3）图像去噪，图像复原。
4图像分割。为了提取感兴趣的对象，需要对图像进行分制。

5信息提取/表示。图像需以其他形式表示，如表示为以下几项。
1）某些可从图像中计算出来的人工标识的特征描述符（如HOG描述符、经典图像处理)。
2）某些可自动从图像中学习的功能（例如，在深度学习神经网络的隐藏层中学到权重和偏差值)。
3）以另一种表示方法表示图像。

6图像理解/图像解释。以下表示形式可用于更好地理解图像。
1）图像分类（例如，图像是否包含人类对象)。
2）对象识别（例如，在带有边框的图像中查找car对象的位置)。

图像处理流程。

用于各种图像处理任务的不同模块如图所示。

除此之外，还会用到以下图像处理模块。
1）scipy.ndimage和 opencv用于不同图像处理。2）scikit-learn用于经典的机器学习。3） tensorflow和 keras用于深度学习。