如何使用Python裁剪mhd格式MR三维影像并保存为新mhd文件

核心逻辑：mhd格式为「头文件(.mhd)+裸数据(.raw)」的配对存储结构，裁剪操作不需要依赖原始DICOM文件，仅需完成体数据截取、空间几何参数校正、元数据映射三个核心步骤，最后重新生成配对的mhd/raw文件即可。

实现步骤 #

• 环境准备：安装SimpleITK、numpy、json三个依赖库，所有操作直接在本地完成，不需要上传数据。
• 原始数据读取：调用SimpleITK的ReadImage()接口直接读入原始.mhd文件，接口会自动关联同目录下同名.raw文件，读入后可直接获取原始体数据、像素间距（Spacing）、影像原点（Origin）、方向矩阵（Direction）四类核心空间参数，读入时不要做任何重采样操作，保持原始非正方形画幅的像素精度。

  注意：调用GetArrayFromImage()转numpy数组时，维度顺序为[z轴(层方向), y轴, x轴]，和mhd头文件中记录的x/y/z顺序相反，后续裁剪操作不要写反索引。

• 裁剪范围确定与体数据截取：明确三个维度的保留区间，x/y为画幅所在平面维度，z为层扫维度，按像素索引直接截取numpy数组对应区间即可，全程不要做插值操作，避免改变原始MR信号值。记录裁剪后三个维度的像素总数，后续更新头文件使用。
• 空间参数校正：裁剪操作不会改变像素间距、方向矩阵，这两个参数直接沿用原始值即可；原点坐标需要根据裁剪起始索引重新计算，避免保存后影像空间位置错位：
  新原点x值 = 原始原点x值 + x轴裁剪起始索引 * x轴像素间距
  新原点y值 = 原始原点y值 + y轴裁剪起始索引 * y轴像素间距
  新原点z值 = 原始原点z值 + z轴裁剪起始索引 * z轴像素间距
• DICOM元数据映射：加载存储了全量原始DICOM头信息的json文件，将患者信息、扫描参数（TR/TE/层厚等）、序列信息等字段，直接作为元数据键值对写入新的影像对象；注意跳过DimSize/Origin/Spacing/ElementDataFile这类和裁剪后参数强相关的字段，避免旧值覆盖新计算的参数。
• 结果保存：将裁剪后的数组、校正后的空间参数、映射完成的元数据绑定到影像对象，调用WriteImage()接口指定输出后缀为.mhd，接口会自动生成配对的.raw文件。

参考实现代码 #

import SimpleITK as sitk
import numpy as np
import json

# 读入原始mhd数据
raw_img = sitk.ReadImage("original_mr.mhd")
raw_array = sitk.GetArrayFromImage(raw_img)
depth, height, width = raw_array.shape  # 对应z,y,x维度

# 按需修改裁剪范围 示例为x轴左右各裁20像素，y轴上下各裁30像素，z轴全保留
x_start, x_end = 20, width - 20
y_start, y_end = 30, height - 30
z_start, z_end = 0, depth

# 执行数组裁剪
cropped_array = raw_array[z_start:z_end, y_start:y_end, x_start:x_end]

# 构建新影像对象 写入空间参数
cropped_img = sitk.GetImageFromArray(cropped_array)
cropped_img.SetSpacing(raw_img.GetSpacing())
new_origin = (
    raw_img.GetOrigin()[0] + x_start * raw_img.GetSpacing()[0],
    raw_img.GetOrigin()[1] + y_start * raw_img.GetSpacing()[1],
    raw_img.GetOrigin()[2] + z_start * raw_img.GetSpacing()[2]
)
cropped_img.SetOrigin(new_origin)
cropped_img.SetDirection(raw_img.GetDirection())

# 写入json存储的DICOM元数据
with open("dicom_header.json", "r", encoding="utf-8") as f:
    dicom_meta = json.load(f)
skip_keys = {"DimSize", "Origin", "Spacing", "Direction", "ElementDataFile", "ElementNumberOfChannels"}
for meta_key, meta_val in dicom_meta.items():
    if meta_key not in skip_keys:
        cropped_img.SetMetaData(meta_key, str(meta_val))

# 保存结果
sitk.WriteImage(cropped_img, "cropped_mr.mhd")

结果校验要点 #

• 重新读入保存后的mhd文件，检查三个维度的像素数是否和裁剪目标一致，非正方形画幅是否符合预期
• 选取3个以上固定解剖标记点，对比原始影像和裁剪后影像的空间坐标，确认无位置偏移
• 抽查TR、TE、患者ID、序列名这类核心元数据，确认和json中存储的原始DICOM信息一致

内容的提问来源于stack exchange，提问作者Magi