导出NIfTI体数据切片时亮度不一致问题求助

问题根源 #

你的代码中对每个切片单独执行了归一化操作：每处理一张切片，就用该切片自身的最小值和最大值将信号拉伸到0-255范围。这种做法会导致：

• 若切片信号动态范围小（比如以背景为主，仅含少量低信号区域），微弱的信号差异会被过度放大，切片整体偏亮；
• 信号动态范围大的切片则会保留相对正常的亮度分布，最终同一序列的不同切片亮度基准完全不统一。

解决方案 #

要统一所有切片的亮度，需基于整个3D MRI volume的全局统计值进行归一化，而非单张切片。以下是两种适配MRI数据的常用方法：

方法1：全局极值归一化 #

直接计算整个volume的最小/最大值，所有切片共用这组参数做归一化，保证亮度基准一致。

修改后的完整代码：

import nibabel as nib
import matplotlib.pyplot as plt
import os
import numpy as np

def save_slices(volume, plane_name, axis, output_dir, global_min, global_max):
    os.makedirs(output_dir, exist_ok=True)
    # 基于全局统计值统一归一化整个volume
    norm_volume = (volume - global_min) / (global_max - global_min) * 255
    norm_volume = np.clip(norm_volume, 0, 255).astype(np.uint8)
    
    for i in range(volume.shape[axis]):
        if axis == 0:
            slice_img = norm_volume[i, :, :]
        elif axis == 1:
            slice_img = norm_volume[:, i, :]
        elif axis == 2:
            slice_img = norm_volume[:, :, i]
    
        plt.imshow(slice_img.T, cmap='gray', origin='lower')
        plt.axis('off')
        plt.savefig(os.path.join(output_dir, f"{plane_name}_slice_{i:03d}.png"), bbox_inches='tight', pad_inches=0)
        plt.close()

# 加载NIfTI文件
nifti_file = '../dataset/raw/HUMAN/UCSF-PDGM-v3/UCSF-PDGM-0005_nifti/UCSF-PDGM-0005_DTI_eddy_L2.nii.gz'
nifti_img = nib.load(nifti_file)
volume = nifti_img.get_fdata()

# 计算整个volume的全局最小/最大值
global_min = np.min(volume)
global_max = np.max(volume)

# 定义输出目录
output_dirs = {
    'axial': 'output/axial',
    'coronal': 'output/coronal',
    'sagittal': 'output/sagittal'
}

# 保存各平面切片
save_slices(volume, 'axial', 2, output_dirs['axial'], global_min, global_max)
save_slices(volume, 'coronal', 1, output_dirs['coronal'], global_min, global_max)
save_slices(volume, 'sagittal', 0, output_dirs['sagittal'], global_min, global_max)

方法2：分位数截断归一化（更适合MRI数据） #

MRI数据常包含极端噪声或伪影信号，直接用全局极值会导致有效信号被压缩。可以通过分位数截断忽略极端值，让亮度分布更贴合实际解剖结构：

只需修改全局统计值的计算部分：

# 计算0.5%和99.5%分位数，截断极端值
p_low = np.percentile(volume, 0.5)
p_high = np.percentile(volume, 99.5)

# 基于分位数执行归一化，超出范围的信号直接截断到0或255
norm_volume = (volume - p_low) / (p_high - p_low) * 255
norm_volume = np.clip(norm_volume, 0, 255).astype(np.uint8)

将这段代码替换方法1中norm_volume的计算逻辑即可。

效果说明 #

• 全局归一化确保所有切片使用相同的亮度映射规则，不同切片间的亮度对比完全统一；
• 分位数截断则进一步优化了MRI数据的视觉效果，避免极端值导致的信号压缩，同时保持切片间的亮度一致性。

内容的提问来源于stack exchange，提问作者Oliver