如何从存储低剂量CT图像的.pkl格式NumPy数组中还原可视化图像

你读取到的int16类型、大量元素值为-1000的数组完全符合CT原始数据特征：CT值以亨氏单位（HU）计量，空气的标准CT值即为-1000，大量-1000值对应扫描视野外的空气区域，属于正常表现。
按以下步骤操作即可得到可查看的图像：

1. 规整数组维度 #

你给出的读取结果外层是数组列表，每个子数组为多层CT的原始体数据，首先需要将其处理为形状为(切片数, 单切片高度, 单切片宽度)的标准3D CT体数据结构，去除多余的嵌套维度。
参考代码：

import pickle
import numpy as np

# 读取pkl文件
with open("lowDose_CT.pkl", "rb") as f:
    raw_load = pickle.load(f)

# 去除嵌套、压缩长度为1的冗余维度
ct_volume = np.squeeze(raw_load[0])
# 打印维度和数值范围做校验
print(f"体数据维度: {ct_volume.shape}")
print(f"CT值范围: {ct_volume.min()} HU ~ {ct_volume.max()} HU")

正常校验输出的维度第一个值为CT总切片数，后两个值为单张切片的像素长宽。

2. 窗宽窗位转换为可显示灰度图 #

CT原始int16格式的HU值范围覆盖-1000（空气）到数千（致密骨），普通显示设备仅支持0-255范围的8位灰度显示，必须通过窗宽窗位调整截断、归一化数值，不同窗设置对应观察不同组织：

• 肺窗：窗位-600HU，窗宽1500HU，用于观察肺部纹理、结节
• 纵隔窗：窗位40HU，窗宽400HU，用于观察纵隔软组织、血管、淋巴结
• 骨窗：窗位300HU，窗宽2000HU，用于观察骨骼结构
  转换函数参考：

def hu_to_gray(hu_slice, win_center, win_width):
    hu_min = win_center - win_width // 2
    hu_max = win_center + win_width // 2
    # 截断超出窗范围的数值
    clipped = np.clip(hu_slice, hu_min, hu_max)
    # 线性归一化到0-255灰度区间
    gray = ((clipped - hu_min) / (hu_max - hu_min) * 255).astype(np.uint8)
    return gray

3. 预览与保存图像 #

可以逐切片转换后保存为通用图片格式，或直接预览指定切片，参考代码：

import matplotlib.pyplot as plt
import os

# 创建肺窗切片保存目录
os.makedirs("ct_lung_window", exist_ok=True)

slice_num = ct_volume.shape[0]
for idx in range(slice_num):
    current_slice = ct_volume[idx]
    # 跳过全为空气的无效空切片
    if np.all(current_slice == -1000):
        continue
    # 转换为肺窗灰度图
    lung_gray = hu_to_gray(current_slice, win_center=-600, win_width=1500)
    # 保存为png格式
    plt.imsave(f"ct_lung_window/slice_{idx:04d}.png", lung_gray, cmap="gray")

# 预览中间位置切片
mid_idx = slice_num // 2
mid_gray = hu_to_gray(ct_volume[mid_idx], win_center=-600, win_width=1500)
plt.imshow(mid_gray, cmap="gray")
plt.axis("off")
plt.show()

注意事项：

• 如果预览图像存在方位偏差（旋转、翻转），直接对数组做对应的np.rot90、np.flip操作调整即可，不同设备导出的数组轴顺序可能存在差异，调整到符合正常CT解剖方位即可。
• 如果需要专业的3D查看、多平面重建效果，可以将规整后的3D数组保存为NIfTI格式，用3D Slicer、ITK-SNAP等医学影像软件打开，支持实时调整窗宽窗位。

内容的提问来源于stack exchange，提问作者Farah Jabeen