能否逆向还原vtkImageReslice的3D图像重切片操作？

我有一张3D图像和一个仿射矩阵（affine matrix），在Python中使用vtkImageReslice得到重切片后的numpy数组。在对该数组完成算法处理（如分割）后，希望将其还原至原始状态（包括形状、坐标等），使其可与重切片前的图像进行对比，请问是否可行？

以下是我所用fury包中调用vtkImageReslice的代码片段，期望逆向该流程：

image_resliced = vtk.vtkImageReslice()
set_input(image_resliced, im)
image_resliced.SetResliceTransform(transform)
image_resliced.AutoCropOutputOn()

# 支持各向异性体素，同时允许按体素坐标切片
RZS = affine[:3, :3]
zooms = np.sqrt(np.sum(RZS * RZS, axis=0))
image_resliced.SetOutputSpacing(*zooms)

image_resliced.SetInterpolationModeToLinear()
image_resliced.Update()

vtk_resliced_data = image_resliced.GetOutput()

ex1, ex2, ey1, ey2, ez1, ez2 = vtk_resliced_data.GetExtent()

resliced = numpy_support.vtk_to_numpy(
    vtk_resliced_data.GetPointData().GetScalars())

完全可以实现逆向流程，将处理后的重切片图像还原到原始图像的空间中，核心是利用原仿射变换的逆变换，结合VTK的图像重采样工具完成。具体步骤如下：

1. 提前保存重切片关键参数 #

正向重切片时，必须记录以下核心信息（是逆向操作的必要依据）：

• 原始图像的元数据：Extent、Spacing、Origin
• 重切片使用的仿射矩阵affine（或transform对象）
• 重切片后图像的Extent、Spacing、Origin（即vtk_resliced_data的对应属性）

2. 逆向变换实现步骤 #

步骤1：将处理后的numpy数组转回VTK图像格式 #

把处理完成的resliced数组重新包装为VTK图像，确保元数据与重切片后的VTK图像一致：

# 重塑数组形状，匹配重切片后的图像尺寸
resliced_shape = (ex2 - ex1 + 1, ey2 - ey1 + 1, ez2 - ez1 + 1)
resliced_reshaped = resliced.reshape(resliced_shape).transpose(2,1,0)  # 适配VTK的维度顺序

# 创建VTK图像数据对象
vtk_processed = vtk.vtkImageData()
vtk_processed.SetExtent(vtk_resliced_data.GetExtent())
vtk_processed.SetSpacing(vtk_resliced_data.GetSpacing())
vtk_processed.SetOrigin(vtk_resliced_data.GetOrigin())
vtk_processed.AllocateScalars(vtk_resliced_data.GetScalarType(), 1)

# 将numpy数组写入VTK图像
scalar_data = numpy_support.numpy_to_vtk(
    num_array=resliced_reshaped.ravel(), 
    deep=True, 
    array_type=vtk_resliced_data.GetScalarType()
)
scalar_data.SetName("Scalars")
vtk_processed.GetPointData().SetScalars(scalar_data)

步骤2：计算原仿射变换的逆矩阵 #

逆向映射需要使用原变换的逆矩阵，将处理后的图像坐标转换回原始空间：

# 计算仿射矩阵的逆矩阵
inv_affine = np.linalg.inv(affine)

# 转换为VTK可识别的变换对象
inv_transform = vtk.vtkTransform()
inv_transform.SetMatrix(inv_affine.flatten())

步骤3：执行逆向重采样 #

将输出参数设置为原始图像的属性，通过vtkImageReslice把处理后的图像映射回原始空间：

# 获取原始图像的元数据
original_extent = im.GetExtent()
original_spacing = im.GetSpacing()
original_origin = im.GetOrigin()

# 初始化逆向重切片对象
image_reslice_inv = vtk.vtkImageReslice()
set_input(image_reslice_inv, vtk_processed)
image_reslice_inv.SetResliceTransform(inv_transform)
image_reslice_inv.SetOutputExtent(original_extent)
image_reslice_inv.SetOutputSpacing(original_spacing)
image_reslice_inv.SetOutputOrigin(original_origin)
image_reslice_inv.SetInterpolationModeToLinear()  # 和正向保持一致，减少误差
image_reslice_inv.Update()

# 将结果转回numpy数组
vtk_restored = image_reslice_inv.GetOutput()
restored_array = numpy_support.vtk_to_numpy(vtk_restored.GetPointData().GetScalars())
restored_array = restored_array.reshape(
    (original_extent[1]-original_extent[0]+1, 
     original_extent[3]-original_extent[2]+1, 
     original_extent[5]-original_extent[4]+1)
).transpose(2,1,0)

3. 关键注意事项 #

• 正向和逆向必须使用相同的插值方式（比如都用线性插值），避免引入额外误差；
• 逆向时不要开启AutoCropOutputOn()，直接指定原始图像的Extent即可；
• 元数据（Origin、Spacing、Extent）必须完整保存，这是空间映射的核心依据，缺一不可。

内容的提问来源于stack exchange，提问作者jongsung park