如何将nii.gz格式医学影像体数据渲染为单张彩色映射图像？

你可以通过**融合三个正交平面的切片（分别映射到RGB通道）**实现类似目标效果的彩色合成图像，以下是完整实现方案：

完整代码 #

import nibabel as nib
import matplotlib.pyplot as plt
import numpy as np

# 加载NIfTI文件
mri_file = '/tmp/out_img/case0001_gt.nii.gz'
img = nib.load(mri_file)
img_data = img.get_fdata()  # 修正原代码笔误：mg_data -> img_data

# 获取三个正交平面的中间切片
# 轴向切片（x-y平面，z轴中间位置）
z_mid = img_data.shape[2] // 2
axial_slice = img_data[:, :, z_mid].T
# 冠状切片（x-z平面，y轴中间位置）
y_mid = img_data.shape[1] // 2
coronal_slice = img_data[:, y_mid, :].T
# 矢状切片（y-z平面，x轴中间位置）
x_mid = img_data.shape[0] // 2
sagittal_slice = img_data[x_mid, :, :].T

# 归一化切片数据到0-1范围（适配RGB通道要求）
def normalize_slice(slice_data):
    return (slice_data - np.min(slice_data)) / (np.max(slice_data) - np.min(slice_data))

axial_norm = normalize_slice(axial_slice)
coronal_norm = normalize_slice(coronal_slice)
sagittal_norm = normalize_slice(sagittal_slice)

# 对齐切片尺寸（确保三个切片大小一致，取最小尺寸裁剪）
min_height = min(axial_norm.shape[0], coronal_norm.shape[0], sagittal_norm.shape[0])
min_width = min(axial_norm.shape[1], coronal_norm.shape[1], sagittal_norm.shape[1])

axial_cropped = axial_norm[:min_height, :min_width]
coronal_cropped = coronal_norm[:min_height, :min_width]
sagittal_cropped = sagittal_norm[:min_height, :min_width]

# 合成RGB图像：轴向→红通道，冠状→绿通道，矢状→蓝通道
rgb_img = np.stack([axial_cropped, coronal_cropped, sagittal_cropped], axis=-1)

# 显示合成图像
plt.figure(figsize=(10, 10))
plt.imshow(rgb_img, origin='lower')
plt.xlabel('像素宽度')
plt.ylabel('像素高度')
plt.title('NIfTI体数据多平面RGB合成图')
plt.axis('off')
plt.show()

# 可选：保存合成图像
# plt.imsave('/tmp/rgb_composite.png', rgb_img)

关键说明 #

• 切片自定义：代码默认取各轴中间切片，你可以手动指定切片位置（比如z_mid = 119匹配你原代码的切片）
• 色彩调整：可修改RGB通道的切片映射顺序，改变不同解剖结构的色彩显示效果
• 投影替代方案：如果需要更接近体渲染的效果，可用**最大强度投影（MIP）**替代单切片，示例代码如下：

  # 轴向MIP投影（取z轴所有切片的最大值）
  axial_mip = np.max(img_data, axis=2).T
  # 冠状MIP投影（取y轴所有切片的最大值）
  coronal_mip = np.max(img_data, axis=1).T
  # 矢状MIP投影（取x轴所有切片的最大值）
  sagittal_mip = np.max(img_data, axis=0).T
  

  后续归一化、尺寸对齐和合成步骤与上述代码一致。

内容的提问来源于stack exchange，提问作者user836026