Python实现3D图像区域提取变换后正确回贴至原图

原有代码的错误原因 #

你之前的还原逻辑存在本质问题：提取非零体素时仅统计了非零体素的总数量，没有保存这些体素在原(128,128,128)三维空间中的对应坐标位置。后续还原时直接将处理后的结果按顺序填充到展平数组的最前端，完全打乱了体素原本的空间对应关系，可视化结果必然异常。

正确实现流程 #

整个流程的核心是固定保存非背景区域的空间坐标索引，提取和回贴都复用同一套索引，保证位置完全匹配。

• 第一步：提取并固定非背景区域的坐标
  生成二值掩码后，不要仅统计非零体素数量，用np.where直接拿到所有非背景体素的三维坐标：

  import numpy as np
  # mask为你预先创建的(128,128,128)二值掩码，非背景位置值为1/True，背景为0/False
  coords = np.where(mask > 0)
  # 校验：len(coords[0]) 应当等于你之前计算的n_voxels_flattened=962517
  

• 第二步：批量提取非背景区域
  如果所有300张图共用同一份掩码（即非背景位置在所有图中固定），可以直接批量索引提取，无需逐张遍历：

  # 假设原始300张图已经堆叠为形状(128,128,128,300)的数组raw_imgs
  # 提取后得到的non_bg_region形状即为(962517, 300)，和你之前生成的数组结构完全一致
  non_bg_region = raw_imgs[coords[0], coords[1], coords[2], :]
  

• 第三步：自定义变换
  按你的业务需求对non_bg_region做处理即可，只要保证处理后输出的processed_region形状和输入保持一致，也就是(962517, 300)。
• 第四步：回贴生成完整图像
  初始化全零数组后，用之前保存的坐标把处理后的区域填回对应位置：

  # 初始化和原图尺寸、数据类型一致的全零数组
  output = np.zeros((128, 128, 128, 300), dtype=raw_imgs.dtype)
  # 将处理后的非背景区域填回原坐标位置
  output[coords[0], coords[1], coords[2], :] = processed_region
  

注意事项 #

如果300张图像的非背景位置不统一，不能共用同一个掩码，需要为每一张图像单独生成对应的coords索引，单独提取、处理、回贴，避免位置错位。

内容的提问来源于stack exchange，提问作者Dushi Fdz