Python对Dicom图像进行处理，离不开pydicom，opencv-python，matplotlib，numpy四个代码库，安装完成这四个代码库后，
可以读取Dicom图像，并对图像进行处理，显式处理后的结果，下面就举例说明：
import cv2import numpyimport dicomfrom matplotlib import pyplot as plt# 读取单张Dicom图像dcm = dicom.read_file("../Data/vhm.420.dcm")dcm.image = dcm.pixel_array * dcm.RescaleSlope + dcm.RescaleIntercept# 获取图像中的像素数据slices = []slices.append(dcm)# 复制Dicom图像中的像素数据img = slices[ int(len(slices)/2) ].image.copy()# 对图像进行阈值分割ret,img = cv2.threshold(img, 90,3071, cv2.THRESH_BINARY)img = numpy.uint8(img)# 提取分割结果中的轮廓，并填充孔洞im2, contours, _ = cv2.findContours(img,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)mask = numpy.zeros(img.shape, numpy.uint8)for contour in contours:cv2.fillPoly(mask, [contour], 255)img[(mask > 0)] = 255# 对分割结果进行形态学的开操作kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(2,2))img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)# 根据分割mask获取分割结果的像素数据img2 = slices[ int(len(slices)/2) ].image.copy()img2[(img == 0)] = -2000# 显式原始数据，mask和分割结果plt.figure(figsize=(12, 12))plt.subplot(131)plt.imshow(slices[int(len(slices) / 2)].image, 'gray')plt.title('Original')plt.subplot(132)plt.imshow(img, 'gray')plt.title('Mask')plt.subplot(133)plt.imshow(img2, 'gray')plt.title('Result')plt.show()
运行后的结果：
本例子以单张Dicom图像为例，分割图像中的骨骼信息，也可以同时读取多张Dicom图像，分割其他组织器官。
