求助：Python中.nii分割掩码转.stl格式的平滑与缩放问题

问题描述 #

尝试将.nii格式的分割掩码转换为.stl格式时遇到两个问题：

1. 转换后的模型边缘不够平滑（对比下图）
   • 原始分割掩码：
   • 转换后的stl结果：
2. 生成的.stl文件缩放比例无规律，和原始数据的空间尺寸不匹配

解决方案 #

一、解决模型平滑问题

分割掩码是离散二值图像，直接提取表面会产生锯齿边缘，需两步处理：

• 预处理掩码平滑：对二值掩码做形态学闭运算或高斯模糊，填补小缝隙并柔化边缘
• 网格后处理平滑：提取网格后，用网格平滑算法进一步优化边缘

二、解决缩放比例问题

.nii文件自带affine变换矩阵，记录了数据的空间分辨率（体素大小）和坐标系，转换时必须应用该矩阵才能得到匹配原始物理尺寸的模型。

完整代码示例 #

import nibabel as nib
import numpy as np
from skimage.measure import marching_cubes
import pyvista as pv
from scipy.ndimage import binary_closing, gaussian_filter

# 1. 读取nii分割掩码
nii_path = "your_mask.nii.gz"
mask_img = nib.load(nii_path)
mask_data = mask_img.get_fdata().astype(np.int8)
affine = mask_img.affine

# 2. 预处理：平滑掩码（二选一，按需调整参数）
# 方法1：形态学闭运算，填补小缝隙
mask_smoothed = binary_closing(mask_data, structure=np.ones((3,3,3)))
# 方法2：高斯模糊后重新阈值化，适合更柔和的边缘
# mask_smoothed = gaussian_filter(mask_data.astype(float), sigma=1) > 0.5

# 3. Marching Cubes提取表面网格
verts, faces, _, _ = marching_cubes(mask_smoothed, level=0.5, step_size=1)

# 4. 应用affine矩阵校正空间缩放（解决比例问题的关键）
verts = nib.affines.apply_affine(affine, verts)

# 5. 网格后处理平滑
mesh = pv.PolyData(verts, faces)
# Laplacian平滑，n_iter为迭代次数，越大越平滑
mesh_smoothed = mesh.smooth(n_iter=20, relaxation_factor=0.1)

# 6. 保存为stl
mesh_smoothed.save("output_mask.stl")

关键说明 #

• 预处理参数（形态学结构大小、高斯sigma）需根据掩码细节调整，避免过度平滑丢失特征
• marching_cubes的step_size设为2时，会降低网格密度同时提升平滑度，适合大体积数据
• pyvista还提供taubin_smooth等其他平滑方法，可按需尝试
• 安装依赖：pip install nibabel scikit-image pyvista numpy scipy

内容的提问来源于stack exchange，提问作者Tom