SimpleITK技术问题：如何在不改变像素间距的情况下调整图像形状

要在不改变像素间距、不丢失有效信息的前提下，将CT图像从原形状(66, 47, 21)（对应数组的Z,Y,X维度）调整为目标形状[64,64,16]（X,Y,Z维度），核心思路是对各维度分别进行居中裁剪（原尺寸大于目标时）或背景填充（原尺寸小于目标时），全程保留原有像素的间距和有效信息。

关键前提：明确SITK的维度顺序 #

• SITK读取的图像，GetSize()返回的尺寸顺序是**(X, Y, Z)**（对应二维平面的宽、高，以及切片数量）
• sitk.GetArrayFromImage()返回的数组形状是**(Z, Y, X)**，和图像尺寸顺序相反，后续处理时需注意对应关系

实现代码 #

import SimpleITK as sitk

# 读取CT图像
filename = "your_ct_file.nii.gz"
image = sitk.ReadImage(filename)

# 获取原图像的核心参数
original_size = image.GetSize()  # 顺序：(X, Y, Z)
original_spacing = image.GetSpacing()  # 像素间距，顺序：(X, Y, Z)
target_size = [64, 64, 16]  # 目标尺寸，顺序：(X, Y, Z)

# 计算各维度的裁剪/填充参数
crop_lower = [0, 0, 0]  # 各维度从起始端裁剪的数量
crop_upper = [0, 0, 0]  # 各维度从末端裁剪的数量
pad_lower = [0, 0, 0]   # 各维度从起始端填充的数量
pad_upper = [0, 0, 0]   # 各维度从末端填充的数量

for dim_idx in range(3):
    orig_dim = original_size[dim_idx]
    target_dim = target_size[dim_idx]
    if orig_dim > target_dim:
        # 原尺寸大于目标，居中裁剪
        diff = orig_dim - target_dim
        crop_lower[dim_idx] = diff // 2
        crop_upper[dim_idx] = diff - crop_lower[dim_idx]
    elif orig_dim < target_dim:
        # 原尺寸小于目标，居中填充
        diff = target_dim - orig_dim
        pad_lower[dim_idx] = diff // 2
        pad_upper[dim_idx] = diff - pad_lower[dim_idx]

# 执行裁剪和填充操作
cropped_image = sitk.Crop(image, crop_lower, crop_upper)
# 填充背景值设为CT空气的HU值(-1000)，可根据实际情况调整
padded_image = sitk.Pad(cropped_image, pad_lower, pad_upper, constantValue=-1000)

# 验证像素间距是否保留
assert padded_image.GetSpacing() == original_spacing, "像素间距被改变"

# 转换为数组，调整维度顺序以匹配目标形状[64,64,16]（X,Y,Z）
resized_array = sitk.GetArrayFromImage(padded_image).transpose(2, 1, 0)
print(f"调整后的数组形状：{resized_array.shape}")  # 输出：(64, 64, 16)

方案说明 #

1. 裁剪逻辑：当原维度尺寸大于目标时，采用居中裁剪，尽量保留图像的核心区域，避免丢失关键解剖结构信息。
2. 填充逻辑：当原维度尺寸小于目标时，在边缘填充CT图像的标准背景值（-1000，对应空气），保证图像的灰度一致性。
3. 像素间距保留：sitk.Crop和sitk.Pad仅调整图像的空间范围（原点和尺寸），不会修改像素间距属性，原有像素的物理间距完全不变。

内容的提问来源于stack exchange，提问作者Sta Hamid