-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathlib.py
215 lines (165 loc) · 6.56 KB
/
lib.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
import numpy as np
# import pickle
import os
# import matplotlib.pyplot as plt
# import random
# import itertools
# Różne przydatne metody
def pointsInRadius(sPoint, radius):
"""
Tworzy zbiór (listę) punktów odległych od punktu środkowego sPoint o promień radius.
Fizycznie będzie to zbiór punktów płaszczyzny kwadratu o boku 2*radius + 1, w którego centroidzie znajduje się sPoint.
"""
points = []
if radius == 0:
points = [sPoint]
else:
# Przypadek 2D
if len(sPoint) == 2:
# Dodanie pionowych
for row in [sPoint[0] - radius, sPoint[0] + radius]:
[points.append([row, col]) for col in range(sPoint[1] - radius, sPoint[1] + radius + 1)]
# Dodanie poziomych
for col in [sPoint[1] - radius, sPoint[1] + radius]:
[points.append([row, col]) for row in range(sPoint[0] - radius + 1, sPoint[0] + radius)]
# Przypadek 3D
else:
z = sPoint[2]
for row in [sPoint[0] - radius, sPoint[0] + radius]:
[points.append([row, col, z]) for col in range(sPoint[1] - radius, sPoint[1] + radius + 1)]
for col in [sPoint[1] - radius, sPoint[1] + radius]:
[points.append([row, col, z]) for row in range(sPoint[0] - radius + 1, sPoint[0] + radius)]
for z in [sPoint[2] - radius, sPoint[2] + radius]:
for row in range(sPoint[0] - radius, sPoint[0] + radius + 1):
for col in range(sPoint[1] - radius, sPoint[1] + radius + 1):
points.append([row, col, z])
return points
def belongsToArr(p, arr):
"""
Sprawdza czy punkt lub zbiór punktów należy(należą) do macierzy.
Jeśli p: punkt (2D lub 3D) to:
True, jeśli punkt należy do macierzy
False wpp
Jeśli p: zbiór punktów (2D lub 3D) to:
True, jeśli PRZYNAJMNIEJ JEDEN punkt należy do macierzy
False, jeśli ŻADEN punkt nie należy do macierzy
"""
p = np.array(p)
if len(p.shape) == 1:
# punkt
if len(p) == 2: # 2D
# Dorobić wyjątki gdy wymiary się nie zgadzają
logic = p[0] >= 0 and p[0] < arr.shape[0] and p[1] >= 0 and p[1] < arr.shape[1]
if logic:
return True
else:
return False
else: # 3D
logic = p[0] >= 0 and p[0] < arr.shape[0] and p[1] >= 0 and p[1] < arr.shape[1] and p[2] >= 0 and p[2] < arr.shape[2]
if logic:
return True
else:
return False
else:
# zbiór punktów. Sprawdzamy, czy choć jeden punkt/woksel jest na macierzy
if len(p[0]) == 2: # 2D
for point in p:
logic = point[0] >= 0 and point[0] < arr.shape[0] and point[1] >= 0 and point[1] < arr.shape[1]
if logic:
return True
return False
else: # 3D
for point in p:
logic = point[0] >= 0 and point[0] < arr.shape[0] and point[1] >= 0 and point[1] < arr.shape[1] and point[2] >= 0 and point[2] < arr.shape[2]
if logic:
return True
return False
def points2Img3D(rawData):
"""
Konwertuje wolumem 3D z postaci N x {x,y,z,f(x,y,z)} do postaci sqrt(Nx) x sqrt(Ny) x Nz
"""
ind = np.lexsort((rawData[:,2], rawData[:,1], rawData[:,0])) # Sortowanie danych
rawData = rawData[ind]
Nx = len(set(rawData[:,0]))
Ny = len(set(rawData[:,1]))
Nz = len(set(rawData[:,2]))
licz = 0
img3D = np.zeros((Nx,Ny,Nz))
for i in range(Nx):
for j in range(Ny):
for k in range(Nz):
img3D[Ny-1-j,i,k] = rawData[licz,3] # Przekopiowanie danych
licz += 1
return img3D
def getListOfFiles(dirName):
"""
Tworzy listę wszystkich plików w danej lokalizacji
"""
allFiles = []
for root, dirs, files in os.walk(dirName):
for name in files:
allFiles.append(os.path.join(root, name))
return allFiles
#########
# STAŁE #
#########
KROTKIE_INFO = """
Program SegmentujObrazyJPET
by Krzysztof Krupiński 2019
Poprawne wywołanie segmentacji:
python SegmentujObrazyJPET.py [yen | otsu-region | otsu-iter] [ścieżka_do_pliku_z_rekonstrukcją]
Żeby uruchomić pełną wersję programu wraz z uzyskaniem informacji na temat algorytmów segmentacji wprowadź
python SegmentujObrazyJPET.py
"""
TEKST_POWITALNY = """
Witamy w programie SegmentujObrazyJPET
by Krzysztof Krupiński 2019
OPIS PROGRAMU
Program jest narzędziem służącym do segmentacji obrazów 3D (wolumenów)
pochodzących z rekonstrukcji obrazowania tomografem pozytonowym.
Segmentacja może być wkonana za pomocą następujących algorytmów:
- algorytm progujący Yena: alg='yen-thresh'
- algorytm Region Growing: 'alg=region-growing'
- algorytm Region Growing wykorzystujący próg Yena jako punkt startowy: 'yen-region
- iteracyjny algorytm Otsu: 'otsu-iter'
- wieloprogowy algorytm Otsu: 'otsu-multi'
Szczegółowe informacje można uzyskać wpisując poniżej polecenie:
info [yen | otsu-region | otsu-iter]
INSTRUKCJA UŻYCIA
Aby wykonać segmentację wpisz polecenie
run [yen | otsu-region | otsu-iter] [ścieżka_do_pliku_z_rekonstrukcją]
Plik z rekonstrukcją może być typu tekstowego (.txt) lub jako macierz
zapisana do pliku .pckl. Dane w pliku muszą być ułożone w następujących
konfiguracjach:
- macierz Nx4, gdzie kolumny to x,y,z,f(x,y,z)
- macierz trójwymiarowa KxLxM, gdzie dla każdego punktu w przestrzeni
(x,y,z) przydzielona jest wartość emisyjności.
Aby zakończyć pracę z programem wpisz polecenie
exit
lub ctrl+c.
"""
INFO = """
Możliwe polecenia:
info [yen | otsu-region | otsu-iter]
run [yen | otsu-region | otsu-iter] [ścieżka_do_pliku_z_rekonstrukcją]
exit
"""
INFO_INFO = """ Informacje o algorytmie można uzyskać wpisując
info [yen | otsu-region | otsu-iter]
"""
INFO_RUN = """ Segmentację wykonuje się wpisując
run [yen | otsu-region | otsu-iter] [ścieżka_do_pliku_z_rekonstrukcją]
gdzie ścieżka musi mieć rozszerzenie .txt lub .pckl
"""
INFO_YEN = """
Algorytm segmentacji Yen
"""
INFO_YEN_REGION = """
Algorytm Region Growing w połączeniu z progowaniem Yen'a
"""
INFO_OTSU_ITER = """
Algorytm Otsu iteracyjny"""
INFO_ALG = """lelelel"""
INFO_DATA = """dATA"""
INFO_SAVE_PICKLE = """pickles"""
INFO_SAVE_SLICES = "SLICES"