如何实现DICOM图像去噪且保留原始像素值取值范围

一、谷歌检索关键词推荐 #

直接用以下组合检索即可精准定位符合要求的方法，可根据使用场景叠加限定词：

• 通用核心检索词：image denoising preserve original pixel value range
• 医学影像场景加限定：DICOM denoising without intensity normalization retain HU value scale（DICOM CT影像的像素值为HU值，加该限定可直接搜到大量同场景医学影像处理方案）
• Python技术栈（skimage/OpenCV环境）加限定：python denoising algorithm no pixel rescale preserve_range
• 筛除自带归一化逻辑的方法：denoising linear operation no automatic value scaling

二、符合要求的去噪方法推荐 #

核心判断标准：方法本身为纯邻域运算逻辑、无内置像素值归一化/截断到固定区间的步骤，即可保留原始像素尺度，以下为实测可用的方案：

1. scikit-image 生态内方法 #

首先建议将scikit-image升级到0.19及以上最新稳定版，该版本后几乎所有内置去噪方法都新增了preserve_range参数，和已验证可用的denoise_nl_means逻辑一致，将参数设为True即可保留原始像素范围：

• skimage.restoration.denoise_tv_chambolle（全变分去噪，适合需要保留边缘的去噪场景）
• skimage.restoration.denoise_bilateral（双边滤波，保边去噪效果稳定）
• skimage.restoration.wiener（维纳滤波，适合高斯噪声占比高的场景）

另外经典滤波类方法本身无内置缩放逻辑，直接传入原始DICOM像素数组即可保留尺度，不需要额外设置参数：

• skimage.filters.gaussian（高斯滤波）
• skimage.filters.median（中值滤波，适合去除脉冲噪声、椒盐噪声）
• skimage.filters.uniform_filter（均值滤波）

注意：使用上述滤波方法时，不要提前用img_as_float等工具函数把原始像素值归一化到0-1区间，直接传入读取到的int16/int32类型原始像素数组即可，否则会丢失原始尺度。

2. OpenCV 生态内方法 #

OpenCV下所有滤波、去噪类方法默认完全保留输入像素的尺度范围，无任何自动归一化逻辑，且对大尺寸DICOM影像的运算速度远快于skimage，常用方法包括：

• cv2.GaussianBlur 高斯滤波
• cv2.medianBlur 中值滤波
• cv2.bilateralFilter 双边滤波
• cv2.fastNlMeansDenoising 非局部均值去噪（灰度图版本）
  使用时直接传入原始像素数组即可，不需要做任何尺度转换。

3. 通用校验规则 #

不管用什么去噪方法，处理前后都可以加两行校验代码确认尺度没有偏移：

print(f"输入范围: {img.min()}, {img.max()}")
res = denoise_func(img)
print(f"输出范围: {res.min()}, {res.max()}")

确认输出范围和输入范围处于同一尺度、无整体缩放/截断，再开展后续STD、均值等统计计算即可。

内容的提问来源于stack exchange，提问作者NeX'T'iME