配准样本的npy格式

### 处理或生成配准样本的 NPY 文件 NPY 是 NumPy 的二进制文件格式，用于存储数组数据。对于医学影像处理领域来说，这种格式非常适合保存和读取多维图像数据。 #### 创建 NPY 文件的方法 可以使用 Python 和 NumPy 库来创建 `.npy` 文件： ```python import numpy as np # 构建一个三维张量模拟CT扫描切片 data = np.random.rand(10, 256, 256) # 将这个张量保存到名为 'sample.npy' 的文件中 np.save('results/example/sample.npy', data) ``` 上述代码片段展示了如何构建一个多维度的数据集并将其序列化为 .npy 文件[^1]。 #### 加载已有的 NPY 文件 当需要加载之前保存过的 NPY 文件时，同样依赖于 `numpy.load()` 函数: ```python loaded_data = np.load('results/example/sample.npy') print(f"The shape of loaded array is {loaded_data.shape}") ``` 这段代码会打印出所加载数组的具体尺寸大小，从而验证是否成功读入了预期的数据结构。 #### 数据预处理与转换 通常情况下，在将原始 DICOM 或者其他类型的医疗成像数据转化为适合机器学习模型训练的形式前，还需要做一些必要的预处理工作，比如标准化、归一化等操作。这些步骤有助于提高后续分析的质量和效率[^3]。 例如，假设有一个来自 CT 扫描仪得到的一系列二维断层图像是以 PNG 图片形式存在的，则可以通过 Pillow(PIL)库先转为灰度模式再进一步加工成为可用于深度学习框架输入的标准格式——即浮点数范围内的矩阵集合，并最终存档至单个`.npy`文档内供以后调用[^4]。 ```python from PIL import Image import os def png_to_npy(png_folder_path, output_file='output'): images = [] for filename in sorted(os.listdir(png_folder_path)): if not (filename.endswith('.png') or filename.endswith('.PNG')): continue img = Image.open(os.path.join(png_folder_path, filename)).convert('L') img_array = np.array(img).astype(np.float32)/255. images.append(img_array) stacked_images = np.stack(images, axis=0) np.save(output_file + '.npy', stacked_images) if __name__ == "__main__": png_to_npy('./path/to/pngs/', './results/example/output') ``` 此函数遍历指定路径下的所有 PNG 文件并将它们逐帧加入列表之中形成三维张量之后统一写入目标位置的一个新建立好的Numpy Array File(.npy)[^5]。