1 import pydicom
2 import pylab

1 ds = dicom.read_file('D:/dicom_image/V/P01-0000.dcm')# 在你机器上DICOM文件的位置

 1 print(ds.dir()) # 打印所有 DICOM TAG 名
 2 print(ds.dir('pat')) # 打印包含 'pat' 的 DICOM TAG
 3 print(ds.PatientName, ds.PatientSex, ds.PatientSize, ds.PatientWeight ) # 打印 DICOM TAG 相应的属性值
 4 print(ds.data_element('PatientID')) # 打印一个完整的数据元素，包括 DICOMTAG编码值（Group, Element）, VR, Value
 5 print(ds.data_element('PatientID').VR, ds.data_element('PatientID').value) 6 pixel_bytes = ds.PixelData # 原始二进制文件
 7 pix = ds.pixel_array       # 像素值矩阵
 8 print(pix.shape) # 打印矩阵维度
 9 pylab.imshow(pix, cmap=pylab.cm.bone)
10 pylab.show() # cmap 表示 colormap,可以是设置成不同值获得不同显示效果,打印dicom图片

1 import os
2 import pydicom
3 import numpy
4 from matplotlib import pyplot

 1 # 用lstFilesDCM作为存放DICOM files的列表
 2 PathDicom = "D:/dicom_image/V"  # 与python文件同一个目录下的文件夹
 3 lstFilesDCM = []
 4
 5 # 将所有dicom文件读入
 6 for diName, subdirList, fileList in os.walk(PathDicom):
 7     for filename in fileList:
 8         if ".dcm" in filename.lower():  # 判断文件是否为dicom文件
 9             print(filename)
10             lstFilesDCM.append(os.path.join(diName, filename))  # 加入到列表中
11
12 ## 将第一张图片作为参考图
13 RefDs = pydicom.read_file(lstFilesDCM[10])  # 读取第一张dicom图片
14 # print(RefDs)
15 # print(RefDs.pixel_array)
16 # print(RefDs.PatientPosition)
17 pyplot.imshow(RefDs.pixel_array, cmap=pyplot.cm.bone)
18 pyplot.show()
19
20 # 建立三维数组,分别记录长、宽、层数(也就是dicom数据个数)
21 ConstPixelDims = (int(RefDs.Rows), int(RefDs.Columns), len(lstFilesDCM))
22 print(ConstPixelDims)
23
24 # 得到spacing值 (mm为单位)
25 # PixelSpacing - 每个像素点实际的长度与宽度,单位(mm)
26 # SliceThickness - 每层切片的厚度,单位(mm)
27 ConstPixelSpacing = (float(RefDs.PixelSpacing[0]), float(RefDs.PixelSpacing[1]), float(RefDs.SliceThickness))
28
29 # 三维数据
30 x = numpy.arange(0.0, (ConstPixelDims[0] + 1) * ConstPixelSpacing[0], ConstPixelSpacing[0])  # 0到（第一个维数加一*像素间的间隔），步长为constpixelSpacing
31 y = numpy.arange(0.0, (ConstPixelDims[1] + 1) * ConstPixelSpacing[1], ConstPixelSpacing[1])  #
32 z = numpy.arange(0.0, (ConstPixelDims[2] + 1) * ConstPixelSpacing[2], ConstPixelSpacing[2])  #
33 print(len(x),"xxxx")
34
35 ArrayDicom = numpy.zeros(ConstPixelDims, dtype=RefDs.pixel_array.dtype)
36
37 # 遍历所有的dicom文件，读取图像数据，存放在numpy数组中
38 for filenameDCM in lstFilesDCM:
39     ds = pydicom.read_file(filenameDCM)
40     ArrayDicom[:, :, lstFilesDCM.index(filenameDCM)] = ds.pixel_array
41
42
43 # 轴状面显示
44 # dpi是指每英寸的像素数,dpi越大,表示打印出来的图片越清晰。不是指图片的大小.
45 # 像素用在显示领域 分辨率用在打印领域 也就是你的图像是用来打印的时候才去考虑分辨率的问题
46 pyplot.figure(dpi=1000)
47 # 将坐标轴都变为同等长度
48 # pyplot.axes().set_aspect('equal', 'datalim')
49 pyplot.axes().set_aspect('equal')
50 # 将图片变为gray颜色
51 pyplot.set_cmap(pyplot.gray())
52
53 pyplot.imshow(ArrayDicom[:, :, 360])# 第三个维度表示现在展示的是第几层 54 pyplot.show() 5556 # 冠状面显示 57 pyplot.figure(dpi=100) 58 pyplot.axes().set_aspect('equal', 'datalim') 59 pyplot.set_cmap(pyplot.gray()) 60 pyplot.imshow(ArrayDicom[:, 90, :])61 pyplot.show()