如何在Jupyter中实现Python交互式选择CT图像ROI并自动返回位置

直接上可运行的代码，适配Jupyter环境，能自动获取ROI坐标并完成CT数据裁剪，无需手动复制：

from jupyter_dash import JupyterDash
import dash_core_components as dcc
import dash_html_components as html
from dash.dependencies import Input, Output
import plotly.graph_objects as go
import numpy as np

# 模拟CT数据，替换成你自己的CT数组（维度：[切片数, 高度, 宽度]）
newdata = np.random.rand(10, 512, 512)
# 取其中一个切片来展示（这里取第5个切片）
sample_slice = newdata[4]

# 初始化JupyterDash应用
app = JupyterDash(__name__)

app.layout = html.Div([
    html.H3("CT图像ROI选择与自动裁剪"),
    # 显示原始CT切片的绘图区域，启用矩形选择工具
    dcc.Graph(
        id='ct-image',
        figure={
            'data': [go.Heatmap(z=sample_slice, colorscale='gray')],
            'layout': go.Layout(
                dragmode='select',  # 启用矩形选择
                xaxis={'range': [0, sample_slice.shape[1]]},
                yaxis={'range': [0, sample_slice.shape[0]], 'autorange': 'reversed'},  # 反转y轴匹配CT数组的方向
                height=600
            )
        }
    ),
    # 显示ROI坐标信息
    html.Div(id='roi-coords'),
    # 显示裁剪后的CT切片
    dcc.Graph(id='cropped-ct')
])

@app.callback(
    [Output('roi-coords', 'children'),
     Output('cropped-ct', 'figure')],
    Input('ct-image', 'relayoutData')
)
def update_crop(relayout_data):
    # 初始状态（未选择ROI时）
    if relayout_data is None:
        return "未选择ROI", {'data': [], 'layout': go.Layout(title='裁剪结果')}
    
    # 提取矩形选择的坐标范围
    try:
        x_min = relayout_data['xaxis.range[0]']
        x_max = relayout_data['xaxis.range[1]']
        y_min = relayout_data['yaxis.range[0]']
        y_max = relayout_data['yaxis.range[1]']
        
        # 转换为数组索引（取整，确保在数组范围内）
        x1 = max(0, int(np.floor(x_min)))
        x2 = min(sample_slice.shape[1], int(np.ceil(x_max)))
        y1 = max(0, int(np.floor(y_min)))
        y2 = min(sample_slice.shape[0], int(np.ceil(y_max)))
        
        # 执行CT数据裁剪（对应你需要的clipw = newdata[:,y1:y2,x1:x2]）
        clipw = newdata[:, y1:y2, x1:x2]
        # 取裁剪后的同一切片展示
        cropped_slice = clipw[4]
        
        # 返回坐标信息和裁剪后的图像
        coords_text = f"ROI坐标：x1={x1}, x2={x2}, y1={y1}, y2={y2} | 裁剪后数据维度：{clipw.shape}"
        cropped_fig = {
            'data': [go.Heatmap(z=cropped_slice, colorscale='gray')],
            'layout': go.Layout(title='裁剪后的CT切片', height=400)
        }
        return coords_text, cropped_fig
    
    # 处理未正确获取坐标的情况（比如取消选择）
    except KeyError:
        return "ROI选择已取消", {'data': [], 'layout': go.Layout(title='裁剪结果')}

# 在Jupyter Notebook中运行应用
app.run_server(mode='inline')

关键说明： #

• 环境适配：用JupyterDash替代普通Dash，直接在Notebook内运行，无需启动外部服务器
• ROI坐标获取：通过relayoutData自动捕获矩形选择的范围，无需手动复制
• 坐标转换：处理Plotly坐标到数组索引的映射，同时反转y轴，匹配CT数组的存储方向（CT图像的y轴通常是从上到下，而Plotly默认y轴从下到上）
• 自动裁剪：回调函数内直接执行你需要的clipw = newdata[:,y1:y2,x1:x2]，并可直接使用裁剪后的数据进行后续分析

使用方法： #

1. 替换代码中的newdata为你的实际CT数组
2. 运行代码后，在绘图区域拖动鼠标绘制矩形ROI
3. 下方会自动显示ROI坐标和裁剪后的图像，裁剪后的数据clipw可直接在回调内或扩展代码用于后续步骤

内容的提问来源于stack exchange，提问作者neen