如何使用Python转换DICOM文件中Deformable Registration Grid Sequence的二进制Vector Grid Data为有符号浮点数列表

默认你提供的Deformable Registration Grid Sequence矢量数据采用行业通用的32位单精度有符号浮点数存储，每个数值占4字节，你可根据实际数据格式调整精度参数。

方法1：使用Python标准库struct（无第三方依赖） #

直接用Python自带的struct模块解析，适合轻量数据场景：

import struct

# 你的二进制数据赋值给binary_data
binary_data = b' dZ=\x00\x90\xb3=\x00\x18\x89\xbd \xe9}=\x00\xc0\xd6=\x00\xa0\xa5\xbd\xe0]\x93=\x00\x10\xfd=\x00\xa8\xc4\xbd\xc0\x8e\xa9=\x95\xf9\xbb\xbc\x00\x80\x06=\xc6\x88(=\xa9\xcb\x82\xbc\x00@\xa6<\xA\xce\xc6<\xc5\xd5\x19\xbc\x00\x00\x0e<k\xba\x17<\x02\x07i\xbb'

# 计算浮点数总个数：总字节数 ÷ 单精度浮点数占4字节
float_num = len(binary_data) // 4
# 解析格式说明：< 代表小端字节序，f代表单精度浮点数；若数值范围异常可换成 > 试大端字节序
float_list = list(struct.unpack(f'<{float_num}f', binary_data))

方法2：使用NumPy解析（适合大数据量场景） #

数据量大时用NumPy的缓冲区解析接口效率更高，也方便后续做网格形变相关的矩阵运算：

import numpy as np

binary_data = b' dZ=\x00\x90\xb3=\x00\x18\x89\xbd \xe9}=\x00\xc0\xd6=\x00\xa0\xa5\xbd\xe0]\x93=\x00\x10\xfd=\x00\xa8\xc4\xbd\xc0\x8e\xa9=\x95\xf9\xbb\xbc\x00\x80\x06=\xc6\x88(=\xa9\xcb\x82\xbc\x00@\xa6<\xA\xce\xc6<\xc5\xd5\x19\xbc\x00\x00\x0e<k\xba\x17<\x02\x07i\xbb'

# dtype参数说明：<f4 是小端32位单精度浮点，>f4是大端32位单精度浮点，若为双精度可替换为<f8/>f8
float_array = np.frombuffer(binary_data, dtype='<f4')
# 按需转换为Python原生列表
float_list = float_array.tolist()

补充说明 #

• 配准网格序列一般存储的是每个空间位置的x/y/z三维偏移向量，解析完成后可按每3个元素为一组进行重排，得到对应位置的偏移向量。
• 若解析出来的数值范围明显不符合配准偏移的正常区间，优先调整字节序参数，再检查浮点数精度是否匹配你的原始数据。

内容的提问来源于stack exchange，提问作者Jhonalbert Aponte