如何将NII格式3D影像批量转换为2D PNG格式切片供2D模型使用

前置依赖 #

需要提前安装以下工具库：

• nibabel：用于读取NII格式影像
• numpy：用于数组数值处理
• Pillow：用于PNG图像存储
  安装命令：

pip install nibabel numpy pillow

批量转PNG实现代码 #

你已读取的scan数组维度为(128, 128, 100)，第三个维度对应100张切片，可直接按以下代码循环输出PNG：

import nibabel as nib
import numpy as np
from PIL import Image
import os

# 定义输出文件夹，提前创建
output_dir = "./nii_slices_output"
os.makedirs(output_dir, exist_ok=True)

# 读取NII文件（你已有的代码）
scan = nib.load('/path/to/stackOfimages.nii.gz')
scan = scan.get_fdata()
# 确认维度为(128, 128, 100)
print(scan.shape)

# 遍历所有切片输出PNG
slice_count = scan.shape[2]
for i in range(slice_count):
    # 取出单张切片
    single_slice = scan[:, :, i]
    # 数值归一化到0-255区间，适配PNG存储要求
    # 若原始像素已在0-255范围，可跳过以下两行归一化代码
    single_slice = (single_slice - single_slice.min()) / (single_slice.max() - single_slice.min()) * 255
    single_slice = single_slice.astype(np.uint8)
    # 生成图片，命名按三位序号排序，方便后续批量读取
    img = Image.fromarray(single_slice)
    img.save(os.path.join(output_dir, f"slice_{i:03d}.png"))

输出的PNG会按slice_000.png到slice_099.png的命名规则存储，后续批量读取时可直接按文件名排序加载，符合你批量输入2D模型的要求。

无需存盘直接生成模型输入张量 #

如果不需要本地存储PNG文件，可直接将读取到的NII数组调整为模型要求的批量输入格式，示例如下（适配常见的[批量数, 高, 宽, 通道数]输入格式）：

# 调整维度为(100, 128, 128)，即[切片数, 高, 宽]
batch_input = scan.transpose(2, 0, 1)
# 新增单通道维度，适配CNN输入要求，最终shape为(100, 128, 128, 1)
batch_input = np.expand_dims(batch_input, axis=-1)
# 归一化到模型要求的数值范围（比如0-1）
batch_input = (batch_input - batch_input.min()) / (batch_input.max() - batch_input.min())

处理后的batch_input可直接输入2D模型进行推理，省略读写文件的IO开销。

内容的提问来源于stack exchange，提问作者Rawan