如何将Numpy 4x4矩阵转为SimpleITK变换对象以重采样图像？

核心逻辑 #

SimpleITK的sitk.Resample接受的变换对象需要明确坐标映射方向（默认是从输出图像空间指向输入图像空间），而4×4齐次变换矩阵通常描述的是输入到输出的坐标变换。因此需要先拆解矩阵的旋转、平移部分，再根据实际需求决定是否取逆，最后封装为对应的SimpleITK变换类。

3D图像场景实现 #

假设你已读取目标图像，且拥有transform_matrix（4×4 Numpy数组，刚性变换要求旋转矩阵为正交矩阵，最后一行固定为[0,0,0,1]）：

import SimpleITK as sitk
import numpy as np

# 读取图像
image = sitk.ReadImage("your_image_path.nii")

# 示例4×4刚性变换矩阵（替换为你实际的矩阵）
transform_matrix = np.array([
    [0.936, -0.352, 0.0, 10.0],
    [0.352, 0.936, 0.0, -5.0],
    [0.0, 0.0, 1.0, 3.0],
    [0.0, 0.0, 0.0, 1.0]
])

# 1. 提取旋转矩阵和平移向量
rotation_matrix = transform_matrix[:3, :3]
translation = transform_matrix[:3, 3]

# 2. 创建刚性变换对象（优先用VersorRigid3DTransform，避免欧拉角奇异性）
rigid_transform = sitk.VersorRigid3DTransform()

# 3. 设置变换参数：SimpleITK要求传入行优先扁平化的矩阵数组
rigid_transform.SetMatrix(rotation_matrix.flatten())
rigid_transform.SetTranslation(translation)

# 关键：判断是否需要逆变换
# 如果你的矩阵是「输入图像坐标 → 输出图像坐标」的映射，必须取逆
# 因为Resample需要的是「输出图像坐标 → 输入图像坐标」的映射
inv_transform_matrix = np.linalg.inv(transform_matrix)
rigid_transform.SetMatrix(inv_transform_matrix[:3, :3].flatten())
rigid_transform.SetTranslation(inv_transform_matrix[:3, 3])

# 4. 执行重采样（可自定义输出参数，这里默认沿用输入图像的配置）
resampled_image = sitk.Resample(
    image,
    image.GetSize(),
    rigid_transform,
    sitk.sitkLinear,  # 插值方式，可替换为sitk.sitkNearestNeighbor等
    image.GetOrigin(),
    image.GetSpacing(),
    image.GetDirection(),
    0.0,  # 图像外区域填充值
    image.GetPixelID()
)

2D图像场景适配 #

如果是2D图像，标准齐次变换矩阵应为3×3，但如果你误用了4×4矩阵（最后两行是[0,0,1,0]和[0,0,0,1]），可提取前2×2旋转矩阵和前2个平移分量，使用Euler2DTransform：

# 提取2D变换部分
rotation_matrix_2d = transform_matrix[:2, :2]
translation_2d = transform_matrix[:2, 3]

# 创建2D刚性变换对象
rigid_transform_2d = sitk.Euler2DTransform()
rigid_transform_2d.SetMatrix(rotation_matrix_2d.flatten())
rigid_transform_2d.SetTranslation(translation_2d)

# 同样根据需求判断是否取逆
inv_matrix_2d = np.linalg.inv(transform_matrix[:3, :3])  # 取前3×3矩阵求逆
rigid_transform_2d.SetMatrix(inv_matrix_2d[:2, :2].flatten())
rigid_transform_2d.SetTranslation(inv_matrix_2d[:2, 2])

# 执行重采样
resampled_image_2d = sitk.Resample(image, rigid_transform_2d)

常见注意事项 #

• 矩阵存储顺序：SimpleITK的SetMatrix接受行优先扁平化数组，与Numpy默认存储逻辑一致，无需额外转置。
• 变换方向：这是最容易出错的点，务必明确你的矩阵描述的坐标映射方向，必要时用np.linalg.inv求逆。
• 变换类选择：3D场景优先用VersorRigid3DTransform避免欧拉角万向锁问题；若涉及缩放等非刚性仿射变换，改用AffineTransform。

内容的提问来源于stack exchange，提问作者brohan322