如何从nibabel加载的BraTS数据集nii.gz中提取图像？

看起来你已经顺利用nibabel加载了BraTS数据集的NIfTI文件，这个输出包含了图像的核心结构信息和元数据，我来帮你拆解清楚，再教你怎么提取可用的图像数据：

一、输出内容逐段解读 #

1. 基础对象与数据形状 #

• <class 'nibabel.nifti1.Nifti1Image'>：这说明你加载的是标准NIfTI 1格式的图像，nibabel用这个类来封装所有和图像相关的数据、空间信息以及元数据。
• data shape (240, 240, 155)：这是图像的三维体素尺寸，对应宽×高×切片数（或者说冠状面×矢状面×轴向层数），简单说就是这个脑扫描有155层240×240的二维切片。

2. Affine空间变换矩阵 #

affine: [[ -1. 0. 0. -0.]
 [ 0. -1. 0. 239.]
 [ 0. 0. 1. 0.]
 [ 0. 0. 0. 1.]]

这个4×4矩阵是体素坐标和世界空间坐标之间的转换桥梁：

• 前3列的对角值-1, -1, 1：结合后面的pixdim可知，每个体素的物理尺寸是1mm×1mm×1mm；负号表示坐标轴方向和标准空间相反（比如Y轴是从脑后部指向前部）。
• 最后一列的-0., 239., 0.：是图像在世界空间中的偏移量，用来定位扫描的具体位置。

3. NIfTI头文件（核心元数据） #

这部分是NIfTI文件的元信息集合，挑几个关键字段解释：

• dim : [ 3 240 240 155 1 1 1 1]：第一个数字3表示这是三维图像，后面三个数字就是前面提到的各维度体素数量。
• datatype : int16：体素数据的存储类型是16位整数，这是医学图像的常用类型，既保证了精度又不会占用太多存储空间。
• bitpix : 16：每个体素占用的比特数，和datatype完全对应（int16就是16比特）。
• pixdim : [1. 1. 1. 1. 0. 0. 0. 0.]：前三个1确认了每个体素的物理尺寸是1mm×1mm×1mm，这也是BraTS数据集的标准分辨率。
• qform_code : aligned / sform_code : scanner：说明空间变换矩阵既对齐了标准空间，又保留了扫描仪的原始坐标信息。

二、提取图像体素数据的方法 #

加载后的img对象是Nifti1Image实例，提取数据非常简单，有两种常用方式：

方法1：获取浮点型numpy数组（推荐） #

# 提取体素数据为float64类型的numpy数组，兼容性最好
img_data = img.get_fdata()

得到的img_data是形状为(240, 240, 155)的numpy数组，你可以直接用它做可视化或预处理，比如显示第100层切片：

import matplotlib.pyplot as plt

# 可视化第100层切片（索引从0开始）
plt.imshow(img_data[:, :, 100], cmap='gray')
plt.title('BraTS FLAIR Slice 100')
plt.axis('off')
plt.show()

方法2：获取原始整数类型数组 #

如果想严格保留原始的int16类型（避免类型转换的开销），可以用：

import numpy as np

# 方式1：指定dtype获取
img_data_int16 = img.get_fdata(dtype=np.int16)
# 方式2：直接访问dataobj转换为数组
img_data_int16 = np.asarray(img.dataobj)

这样得到的数组类型和头文件里的datatype : int16完全一致，适合需要原始数据的场景。

小提示：BraTS每个病例都有多个模态文件（FLAIR、T1、T1ce、T2），你可以用同样的方法加载其他模态，之后就能进行预处理或者模型训练啦。

内容的提问来源于stack exchange，提问作者Naman Bansal