快速开始

NiBabel支持不断增长的神经影像文件格式。每个文件格式格式都有自己的特点和特点，需要注意充分利用它。为此，NiBabel提供了高级格式无关的访问神经元图像，以及一个API的各种级别的格式特定的访问特定文件格式的所有可用信息。下面的例子展示了一些NiBabel的功能，并给你一个API的概念。

有关API的更多详细信息，请参阅Nibabel图像。

加载图像时，NiBabel试图从文件名中找出图像格式。一个已知格式的图像可以通过简单地将其文件名传递给load函数来轻松加载。

为了启动代码示例，我们加载一些有用的库：

>>> import os
>>> import numpy as np

然后，我们罚了包含示例数据的nibabel目录：

>>> from nibabel.testing import data_path

在这个目录中有一个NIfTI文件叫做example4d.nii.gz：

>>> example_filename = os.path.join(data_path, 'example4d.nii.gz')
Now we can import nibabel and load the image:

现在我们可以导入nibabel并加载图像：

>>> import nibabel as nib
>>> img = nib.load(example_filename)

一个NiBabel图像知道它的形状：

>>> img.shape
(128, 96, 24, 2)

它还记录存储在磁盘上的数据的数据类型。在这种情况下，磁盘上的数据是16位有符号整数：

>>> img.get_data_dtype() == np.dtype(np.int16)
True

图像具有仿射变换，用于确定图像元素的世界坐标（请参阅坐标系和仿射）：

>>> img.affine.shape
(4, 4)

这些信息可以不需要将任何主图像数据加载到存储器中。当然，也可以作为NumPy数组访问图像数据

>>> data = img.get_data()
>>> data.shape
(128, 96, 24, 2)
>>> type(data)
<... 'numpy.ndarray'>

图像标题中嵌入的完整信息可通过格式特定的标题对象获得。

>>> hdr = img.header

在这个NIfTI文件的情况下，它允许访问所有NIfTI特定的信息，例如

>>> hdr.get_xyzt_units()
('mm', 'sec')

对应的“setter”方法允许修改标题，同时确保其符合文件格式规范。

在某些情况下，我们需要更多的灵活性，并且以极大的勇气，NiBabel还提供了对原始头信息的访问

>>> raw = hdr.structarr
>>> raw['xyzt_units']
array(10, dtype=uint8)

这个API的最低级别是为那些知道文件格式的人设计的，可以处理内部数据，而且没有任何安全网。

以某种文件格式创建新的图像也很容易。至少它只需要一些图像数据和一个图像坐标变换（仿射）：

>>> import numpy as np
>>> data = np.ones((32, 32, 15, 100), dtype=np.int16)
>>> img = nib.Nifti1Image(data, np.eye(4))
>>> img.get_data_dtype() == np.dtype(np.int16)
True
>>> img.header.get_xyzt_units()
('unknown', 'unknown')

在这种情况下，我们使用单位矩阵作为仿射变换。图像头是从提供的数据数组（即shape，dtype）初始化的，所有其他值都被设置为合理的默认值。

将这个新的图像保存到一个文件是微不足道的。我们不会在这里做，但它看起来像：

img.to_filename(os.path.join('build','test4d.nii.gz'))

要么：

nib.save(img, os.path.join('build','test4d.nii.gz'))

这个简短的介绍只是简要介绍了NiBabel的功能。请查看API文档以获取有关支持的文件格式及其功能的更多详细信息。