图像体素取向
了解图像体素轴的近似世界空间取向有时很有用。
请参阅坐标系统和仿射体素和世界坐标轴的背景。
例如，假设我们有一个身份仿射的图像：
>
>
>
import
numpy
as
np
>
>
>
import
nibabel
as
nib
>
>
>
affine
=
np
。
眼
（
4
）
＃身份仿射
>
>
>
voxel_data
=
np
。
随机
。
正常
（
大小
=
（
10
，
11
，
12
））
>
>
>
IMG
=
笔尖
。
Nifti1Image
（
voxel_data
，
仿射
）
由于仿射是身份仿射，所以体素轴与世界轴对齐。按照惯例，nibabel世界轴始终处于RAS +方向（从左到右，在前面后面，低于上层）。
假设我们沿着第一个体素轴取了一个体素线：
>
>
>
single_line_axis_0
=
voxel_data
[：，
0
，
0
]
第一个体素轴对齐到从左到右的世界坐标轴。这意味着第一个体素是在世界的左边，而最后一个体素是在世界的右边。
这里是第二个轴上的一行：
>
>
>
single_line_axis_1
=
voxel_data
[
0
，
：，
0
]
这条线上的第一个体素是朝向世界的后方，最后是朝向前方。
>
>
>
single_line_axis_2
=
voxel_data
[
0
，
0
，
：]
这条线上的第一个体素是朝向世界的下层，而朝向上层的则是最后一个。
因此该图像具有RAS +体素轴。
在其他情况下，轴的方向是不是很明显。例如，这里是我们的例子NIfTI 1文件：
>
>
>
import
os
>
>
>
from
nibabel.testing
import
data_path
>
>
>
example_file
=
os
。
路径
。
join
（
data_path
，
'example4d.nii.gz'
）
>
>
>
img
=
nib
。
加载
（
example_file
）
这里是仿射（精确到两位数）：
>
>
>
np
。
set_printoptions
（
precision
=
2
，
suppress
=
True
）
>
>
>
img
。
仿射
阵列（[[-2,0,0.117.86]，
[-
0.1.97
，-0.36，-35.72]，
[0.,
0.22,2.17
，-7.25]，
[ ，0.，1.]]）
这里体素轴的取向是什么？
尼贝贝尔有个例程告诉你，叫aff2axcodes。
>
>
>
nib
。
aff2axcodes
（
IMG
。
仿射
）
（ 'L'， 'A'， 'S'）
体素取向最接近：
- 第一个体素轴从右到左;
- 第二个体素轴从后面到前面;
- 第三个体素轴从低级到高级。
有时您可能需要重新排列图像体素轴，使其尽可能靠近RAS +方向。我们将这个体素取向称为规范的体素取向，因为RAS +是我们规范的世界取向。重新排列体素轴意味着反转和/或重新排列体素轴。
你可以这样做as_closest_canonical：
>
>
>
canonical_img
=
nib
。
as_closest_canonical
（
img
）
>
>
>
canonical_img
。
仿射
阵列（[[2.，0.，0.，-136.14]，
[0. 1.97，-0.36
，-35.72]，
[-0。，0.32，2.17
，-7.25]，
[0.,0。 ，0.，1.]]）
>
>
>
nib
。
aff2axcodes
（
canonical_img
。
仿射
）
（'R'，'A'，'S'）