如何将nibabel.Nifti1Image元数据迁移至SimpleITK.Image对象？

核心逻辑 #

Nibabel和SimpleITK对空间信息的存储逻辑不同：

• Nibabel用4x4仿射矩阵统一描述原点、轴间距和方向
• SimpleITK将空间信息拆分为Origin（原点坐标）、Spacing（轴间距）、Direction（3x3方向矩阵）三个独立参数

我们需要手动从Nibabel的仿射矩阵中拆分出这三个参数，再迁移头文件中的元数据。

具体实现步骤 #

1. 加载5D Nifti图像并切片 #

先用Nibabel加载图像，按需求切片得到目标3D numpy数组。假设5D维度为(x, y, z, t, c)，示例中按时间维度t和组分维度c切片：

import nibabel as nib
import numpy as np
import SimpleITK as sitk

# 加载5D Nifti图像
nii_img = nib.load("5d_mri.nii.gz")
nii_data = nii_img.get_fdata()  # 维度：(x, y, z, t, c)

# 切片提取3D数据（示例：取t=0、c=0的切片）
slice_3d_data = nii_data[:, :, :, 0, 0]

2. 从Nibabel仿射矩阵提取SimpleITK空间参数 #

Nibabel的仿射矩阵结构为：

[
 [a11, a12, a13, ox],
 [a21, a22, a23, oy],
 [a31, a32, a33, oz],
 [0,   0,   0,   1]
]

其中前3×3子矩阵是方向向量×轴间距，最后一列是原点坐标(ox, oy, oz)。据此拆分参数：

affine = nii_img.affine

# 提取原点坐标
origin = affine[:3, 3].tolist()

# 计算各轴间距：方向向量的L2范数
spacing = np.linalg.norm(affine[:3, :3], axis=0).tolist()

# 计算方向矩阵：方向向量除以对应间距后展平
direction = (affine[:3, :3] / spacing).flatten().tolist()

3. 创建SimpleITK 3D图像并设置空间信息 #

注意Nibabel与SimpleITK的维度顺序差异（Nibabel为x,y,z，SimpleITK为z,y,x），需先转置数组再创建图像：

# 转置数组以匹配SimpleITK的维度顺序
sitk_data = sitk.GetImageFromArray(np.transpose(slice_3d_data, (2, 1, 0)))

# 设置空间信息
sitk_data.SetOrigin(origin)
sitk_data.SetSpacing(spacing)
sitk_data.SetDirection(direction)

4. 迁移头文件元数据 #

遍历Nibabel头文件字段，将可兼容的元数据迁移到SimpleITK的元数据字典中：

header = nii_img.header

# 遍历并迁移元数据，跳过无法序列化的复杂类型
for key in header:
    try:
        value = header[key]
        if isinstance(value, (str, int, float, bool)) or np.isscalar(value):
            sitk_data.SetMetaData(key, str(value))
    except Exception:
        # 忽略无法设置的专属字段
        pass

# 可选：手动匹配像素类型（示例：转为float64）
# sitk_data = sitk.Cast(sitk_data, sitk.sitkFloat64)

关键注意点 #

• 维度顺序必须转置，否则空间位置会完全错乱；
• 若原图像仿射包含剪切变换（非正交），上述拆分方法依然适用，SimpleITK支持非正交方向矩阵；
• 部分Nibabel专属头字段无法在SimpleITK中设置，直接忽略即可。

内容的提问来源于stack exchange，提问作者Jeremy Joe