ITK 简单使用

第一个ITK程序

1、CMakeLists.txt

1 # This is the root ITK CMakeLists file. 2 cmake_minimum_required(VERSION 3.10) 3 4 # This project is designed to be built outside the Insight source tree. 5 project(ITK_demo) 6 7 # Find VTK 8 set(ITK_DIR D:/ProgramFiles/ITK5.1.1/lib/cmake/ITK5.1) # add wmz 9 find_package(ITK REQUIRED) 10 include_directories($) 11 message("ITK dir = $") 12 message("ITK lib = $") 13 14 include($) 15 #aux_source_directory(src SRC_LIST) 16 set(SRC_LIST 17 ./itk_demopp) 18 19 add_executable(itk_demo $ ) 20 target_link_libraries(itk_demo $)

关于 include($) 的说明可以在 UseITKmake 中找到：

1 # 2 # 3 # This file is not part of the ITK API. It exists purely as an 4 # implementation detail. This CMake module may change fr version to 5 # version without notice, or even be removed. 6 # 7 # We mean it. 8 # 9 10 # This file sets up include directories, link directories, IO settings and 11 # cpiler settings for a project to use ITK. It should not be 12 # included directly, but rather through the ITK_USE_FILE setting 13 # obtained fr ITKConfigmake.

2、 测试数据
测试数据下载路径：github/InsightSoftwareConsortium/ITK/tree/master/Examples/Data
其实编译ITK时的目录下就有需要的测试数据，比如我的ITK5.1.1目录下。

\ITK5.1.1\Examples\Data

3、代码
作为第一个示例程序本来应该写一个很简单的像HelloWorld的程序，但是一些比较简单的官网的程序 要么依赖VTK，要么版本高于ITK5.1.1.
所以就找了一个比较长的程序，是一个配准的程序。
代码来自：github/InsightSoftwareConsortium/ITK/blob/master/Examples/RegistrationITKv4/MultiResImageRegistration1xx
我找了一个其他人做过的中文注释版

1 #include "itkImageRegistrationMethodv4.h" 2 #include "itkTranslationTransform.h" 3 #include "itkMeanSquaresImageToImageMetricv4.h" 4 #include "itkRegularStepGradientDescentOptimizerv4.h" 5 #include "itkImageFileReader.h" 6 #include "itkImageFileWriter.h" 7 #include "itkPNGImageIOFactory.h" 8 #include "itkResampleImageFilter.h" 9 #include "itkCastImageFilter.h" 10 #include "itkRescaleIntensityImageFilter.h" 11 #include "itkSubtractImageFilter.h" 12 /***************************************************************************************************************** 13 * 本例子是一个图像配准的Demo 14 * 0、创建了一个Cmand对象，用于监控配准的过程，被后面的对象调用 15 * 1、首先要定义像素的维度以及像素类型：进进而链接参考图像以及浮动图像 16 * 2、定义框架的基本组件： 17 * 确定变换种类：TransformType：二维变换 18 * 确定优化方法：OptimizerType：梯度下降 19 * 确定相似度度量：MetricType：链接两个图像：浮动图像以及参考图像 20 * 3、创建图像组件，并且通过创建上述框架，进而进行设置（链接） 21 * 4、设置插值方法：LinearInterpolateImageFunction并且链接在一起 22 * 5、6：通过ImageFileReader方法进行读取，链接到 registration并更新 23 * 7、针对前面的TransformType进行实例化：平移变换用于配准SetInitialTransformParameters：用于设置初始值 24 * 8、针对优化方法的设置：OptimizerType：前面在创建的时候已经设置了其梯度下降方法，此步骤用于对其微调：初始步长，收敛公差，最大迭代次数 25 * 9、通过RegistrationParameterScalesFrPhysicalShift：将每一个配准要素链接到配准方法中执行， 26 * 10、实例化Cmon对象，监控配准过程的执行，触发配准过程迭代 27 * 11、通过update函数触发配准的执行 28 * 12、配准结果定义空间变换的参数序列：其结果由GetLastTransformParameters( )获得并且输出 29 * X、Y的变换：TranslationAlongX；TranslationAlongY 30 * 迭代次数：numberOfIterations 31 * 最后的结果：bestValue 32 * 通过CpositeTransform：AddTransform将转换添加到堆栈的背面，并且拥有可优化的参数。 33 * 也就是说：添加堆栈，副本？？ 34 * 13、14、15、16、ResampleFilterType方法： 35 * 用变换参数将两幅图像进行叠加比较，并设置重采样滤波器：输入两幅图像 36 * 输出的是一个变换 37 * 对滤波器进行相关参数的设置：大小、原点、间距、位置 38 * 并通过CastFilterType：setInput：weiter进行相关的输出 39 * 此时：这个图象就是配准结束后的图像 40 * 17、通过itk::SubtractImageFilter对两幅图像进行比较： 41 * fixedImageReader；resampler 42 * 18、对图像进行处理 itk::RescaleIntensityImageFilter：调节一下亮度；并进行输出 43 * 19、一致性转发计算参考图像与正在移动图像之间的不同，输出图片5 44 ******************************************************************************************************************/ 45 /*CmandIterationUpdate 类： 46 继承Cmand，监视配准过程的执行。每调用一次，输出相应参数 47 object类指向事件的观察者 48 Execute方法，类似cellbake，回转 49 observer方法： 50 51 */ 52 class CmandIterationUpdate : public itk::Cmand 53 ; 61 62 public: 64 typedef itk::RegularStepGradientDescentOptimizerv4<double> OptimizerType; 65 typedef const OptimizerType* OptimizerPointer; 66 67 void Execute(itk::Object* caller, const itk::EventObject& event) ITK_OVERRIDE 68 71 //Object表示激活事件的对象，event表示被激活的事件 72 void Execute(const itk::Object* object, const itk::EventObject& event) ITK_OVERRIDE 73 80 81 std::cout << optimizer>GetCurrentIteration() << " = "; 82 std::cout << optimizer>GetValue() << " : "; 83 std::cout << optimizer>GetCurrentPosition() << std::endl; 84 } 85 86 }; 87 88 89 int main() 90 198 optimizer>SetNumberOfIterations(200);//最大迭代次数 199 200 201 //10、实例化cmend对象，监视配准过程的执行，并处触发配准过程 202 CmandIterationUpdate::Pointer observer = CmandIterationUpdate::New(); 203 optimizer>AddObserver(itk::IterationEvent(), observer); 204 205 206 const unsigned int numberOfLevels = 1; 207 208 RegistrationType::ShrinkFactorsArrayType shrinkFactorsPerLevel; 209 shrinkFactorsPerLevel.SetSize(1); 210 shrinkFactorsPerLevel[0] = 1; 211 212 RegistrationType::SmoothingSigmasArrayType smoothingSigmasPerLevel; 213 smoothingSigmasPerLevel.SetSize(1); 214 smoothingSigmasPerLevel[0] = 0; 215 216 registration>SetNumberOfLevels(numberOfLevels); 217 registration>SetSmoothingSigmasPerLevel(smoothingSigmasPerLevel); 218 registration>SetShrinkFactorsPerLevel(shrinkFactorsPerLevel); 219 220 221 222 //11、通过调用Update函数触发配准执行 223 try 224 230 catch (itk::ExceptionObject& err) 231 236 237 //12、配准结果是一系列定义空间变换的参数序列，结果由get获得 238 TransformType::ConstPointer transform = registration>GetTransform(); 239 TransformType::ParametersType finalParameters = transform>GetParameters(); 240 const double TranslationAlongX = finalParameters[0];//队列中每个元素对应着沿着一个空间维度的平移 241 const double TranslationAlongY = finalParameters[1]; 242 243 //优化器能够询问抵达收敛的迭代的实际次数并通过GetCurrentIteration()返回出来 244 const unsigned int numberOfIterations = optimizer>GetCurrentIteration();//迭代次数 245 //最终参数集合的图像量规值通过优化器的GetValue(); 246 const double bestValue = optimizer>GetValue();//最优化的度量 247 248 //将上述输出 249 std::cout << "Result = " << std::endl; 250 std::cout << " Translation X = " << TranslationAlongX << std::endl;//输出移动X的值 251 std::cout << " Translation Y = " << TranslationAlongY << std::endl;//输出移动Y的值 252 std::cout << " Iterations = " << numberOfIterations << std::endl;//输出迭代次数 253 std::cout << " Metric value = " << bestValue << std::endl;//输出优化的度量 254 255 typedef itk::CpositeTransform< 256 double, 257 Dimension > CpositeTransformType; 258 CpositeTransformType::Pointer outputCpositeTransform = 259 CpositeTransformType::New(); 260 outputCpositeTransform>AddTransform(movingInitialTransform); 261 outputCpositeTransform>AddTransform( 262 registration>GetModifiableTransform()); 2 264 265 //13、用变换结果将待配准图映射到参考图像中 266 typedef itk::ResampleImageFilter< 267 MovingImageType, 268 FixedImageType > ResampleFilterType; 269 270 //14、创建一个重采样滤波器，输入待配准图像 271 ResampleFilterType::Pointer resampler = ResampleFilterType::New(); 272 resampler>SetInput(movingImageReader>GetOutput()); 273 //配准函数生成的变换也作为重采样滤波器的输入被传递 274 resampler>SetTransform(outputCpositeTransform); 275 276 //15、ResampleImageFilter要求指定额外的参数，特别是输出图像的间 距、原点和大小 277 FixedImageType::Pointer fixedImage = fixedImageReader>GetOutput(); 278 resampler>SetSize(fixedImage>GetLargestPossibleRegion().GetSize());//尺寸 279 resampler>SetOutputOrigin(fixedImage>GetOrigin());//原点 280 resampler>SetOutputSpacing(fixedImage>GetSpacing());//间距 281 resampler>SetOutputDirection(fixedImage>GetDirection());//位置 282 resampler>SetDefaultPixelValue(100); 283 284 //16、滤波器的输出被传递给一个在文件中存储图像的writer 285 typedef unsigned char OutputPixelType; 286 287 typedef itk::Image< OutputPixelType, Dimension > OutputImageType; 288 289 typedef itk::CastImageFilter<//转化重采样的像素类型到最终的writer类型 290 FixedImageType, 291 OutputImageType > CastFilterType; 292 typedef itk::ImageFileWriter< OutputImageType > WriterType; 293 //调用new函数创建新的滤波器 294 WriterType::Pointer writer = WriterType::New(); 295 CastFilterType::Pointer caster = CastFilterType::New(); 296 writer>SetFileName("E:\\documents\\vs2019\\itk_demo\\build\\RelWithDebInfo\\output\\RegistrationITKv4Moving13x17yInputType.png");//写到文件夹位置 297 caster>SetInput(resampler>GetOutput()); 298 writer>SetInput(caster>GetOutput()); 299 writer>Update();//触发更新 300 301 //17、参照图像和被变换的待配准图像很容易用itk::SubtractImageFilter比较 302 //pixelwise滤波器 计算两幅输入的同源像素的不同： 303 typedef itk::SubtractImageFilter< 304 FixedImageType, 305 FixedImageType, 306 FixedImageType > DifferenceFilterType; 307 308 DifferenceFilterType::Pointer difference = DifferenceFilterType::New(); 309 310 difference>SetInput1(fixedImageReader>GetOutput());//不同 311 difference>SetInput2(resampler>GetOutput()); 312 313 //18、两幅图像的不同也许比较暗，我们用下面方法对其进行调节亮度，使之更加的明显 314 typedef itk::RescaleIntensityImageFilter< 315 FixedImageType, 316 OutputImageType > RescalerType; 317 318 RescalerType::Pointer intensityRescaler = RescalerType::New(); 319 320 intensityRescaler>SetInput(difference>GetOutput()); 321 intensityRescaler>SetOutputMinimum(0); 322 intensityRescaler>SetOutputMaximum(255); 323 324 resampler>SetDefaultPixelValue(1); 325 326 327 //输出到另外一个位置（调亮） 328 WriterType::Pointer writer2 = WriterType::New(); 329 writer2>SetInput(intensityRescaler>GetOutput()); 330 331 writer2>SetFileName("E:\\documents\\vs2019\\itk_demo\\build\\RelWithDebInfo\\output\\Moving13x17yInputType.png"); 332 writer2>Update(); 333 334 //设置了一致性转换，计算参考图像的不同 335 336 resampler>SetTransform(identityTransform); 337 338 writer2>SetFileName("E:\\documents\\vs2019\\itk_demo\\build\\RelWithDebInfo\\output\\DifferenceBeforeRegistration.png"); 339 writer2>Update(); 340 341 return EXIT_SUCCESS; 342 343 }

4、结果

输入图像

输出图像

上一篇：SimpleITK 读取医学影像文件

下一篇：NRRD批量转换成NIFTI

---

ITK