在此之前，此系统是结合DICOM的WADO标准，在浏览器里通过javascript操作返回的JPG图片。这种服务器端解析，客户端展现的方式，对实现图像的移动、缩放、旋转、测量等图像操作能够实现实时的交互。但这种方式存在着几个弊端：

1.获取图像上的CT值(钙化值)信息的时候，要频繁的和服务器进行交互。

2.调整图像的窗宽窗位或者对图像进行反色，也要和服务器进行频繁的交互。

3.对图像进行测量(长方形测量，椭圆测量等)只能获取到面值和周长的简单的信息，这对于医生的诊断没多大的用处，实际运用中需要知道所测量的区域的最大值、最小值、方差值、均值等测量信息。

以上的缺点归结为一点：即本地没有处理像素信息的操作。但是HTML5对于像素级处理的能力已经支持得很好，完成可以实现客户端对像素信息的操作。所以为了解决以上问题最近对系统做了一次比较大的升级。即客户端端直接操作DICOM的像素数据进行JS端图像的生成以及JS端实现窗宽窗位的调整。

获取dicom中的像素数据,可考虑以下两种方式：

A：服务器端直接以字节流的方式返回DICOM文件，客户端用JS来接收字节流，并负责解析DICOM中的图像数据，这种方式不仅要根据DICOM 的传输语法(0002,0010)Transfer Syntax UID，还要根据  (0028,0002)Samples per pixel、(0028,0004)Photometric Interpretation,(0028,0010)Rows,(0028,0011)Columns,(0028,0100)Bits Allocated,(0028,0103)Pixel Representation等标签来确定像素数据的结构，复杂点的可能还会用到查找表来查找((0028,0004)Photometric Interpretation的值等于==PALETTE COLOR)。对于非压缩的显示VR或者是隐形VR， (0028,0004)Photometric Interpretation等于MONOCHROME1或者MONOCHROME2来说JS解析出像素数据确实很方便，但是DICOM文件各式各样，要 写出包罗给种传输语法以及各种像素结构的JS文件确实很费劲。还要考虑到多帧动态图像，如果多针图像很大整个文件下载下来解析估计浏览器会彻底奔溃。所以 觉得这种方式不太可行。(虽然这过程中实现了显示VR的DICOM文件的JS解析，但是中途考虑到复杂性和难度还是放弃了)。

B：从服务器端获取DICOM文件的像素数组，既然目前基于C/S模式的PACS已经相当成熟，各式各样的第三方开源的dicom解析工具如 DCMTK,DCM4CHE,MDCM,OPENDICOM等也相当的多，用开源的DICOM解析工具获取到像素数据也相当的方便。所以在服务器获取到像 素数据返回给JS端，让JS端直接操作像素数据来生成要显示的图像。对于多帧图像也可以按需按帧的从服务器下载像素数据。

言归正传，目前此系统是基于第二种方式来实现。需要特别注意的是：做窗宽窗位调整的时候要先做Hounsfield 值的转换。

HU[i] = pixel_val[i]*rescaleSlope+ rescaleIntercept。窗宽窗位的调整使用了线性的window-leveling 算法针对CT/MR等图像，或者是非线性的gamma算法针对DX图像(即当windowWidth比较大的时候要考虑非线性的gamma算法，因为线性 算法中每windowWidth/255个原始密度会压缩成一个显示灰度，windowWidth很大的时候损失可能会很大)

//线性的window-leveling算法

min = (2*windowCenter - windowWidth)/2.0 - 0.5;

max = (2*windowCenter + windowWidth)/2.0 - 0.5;

for (var i = 0; i != nNumPixels; i++){

showPixelValue = (pixelHuValue[i] - min)*255.0/(double)(max - min);

}

//非线性的gamma算法

min = (2*windowCenter - windowWidth)/2.0 - 0.5;

max = (2*windowCenter + windowWidth)/2.0 - 0.5;

for (var i = 0; i != nNumPixels; i++){

showPixelValue = 255.0 * Math.pow(pixelHuValue/(max-min), 1.0/gamma);

}

如下代码展示JS端如何用后台获取到的像素数据生成图像。其中用到了查找表的概念。

/**

* @author http://www.cnblogs.com/poxiao

* pixelBuffer代表是从后台获取到的像素信息数组，代码只列出了单色灰度图像的情况，

* 如果是三色的RGB图像自己稍微改动下代码即可。篇幅有限不在叙述。

**/

var pixelBuffer;

//width 代表图像的宽度，即DICOM中的标签(0028,0011)Columns

var width;

//height 代表图像的高度，即DICOM中的标签(0028,0010)Rows

var height;

/**

* @windowCenter 代表当前要显示的窗位

* @windowWidth 代表当前要显示的窗宽

* @bitsStored (0028,0101) 根据每个像素的存储位数生成查找表大小

* @rescaleSlope (0028,1053)用于计算HU值

* @rescaleIntercept  (0028,1052)用于计算HU值

* **/

function createImageCanvas(windowCenter,windowWidth,bitsStored,rescaleSlope,rescaleIntercept){

var lookupObject=new LookupTable();

lookupObject.setData(windowCenter,windowWidth,bitsStored,rescaleSlope,rescaleIntercept);

lookupObject.calculateHULookup();

lookupObject.calculateLookup();

var imageCanvas=document.createElement("canvas");

imageCanvas.width = width;

imageCanvas.height =height;

imageCanvas.style.width = width;

imageCanvas.style.height = height;

var tmpCxt = imageCanvas.getContext("2d");

var imageData = tmpCxt.getImageData(0,0,width,height);

var n=0;

for(var yPix=0; yPix

{

for(var xPix=0; xPix

{

var offset = (yPix * width + xPix) * 4;

var pixelValue=lookupObject.lookup[pixelBuffer[n]];

imageData.data[offset]=    pixelValue;

imageData.data[offset+1]=pixelValue;

imageData.data[offset+2]=pixelValue;

imageData.data[offset+3]=255;

n++;

}

}

tmpCxt.putImageData(imageData, 0,0);

return imageCanvas;

};

/**

* 像素查找表，主要要先根据rescaleSlope和rescaleIntercept进行Hounsfield值的转换

* HU[i] = pixel_val[i]*rescaleSlope+ rescaleIntercept

*/

function LookupTable()

{

this.bitsStored;

this.rescaleSlope;

this.rescaleIntercept;

this.windowCenter;

this.windowWidth;

this.huLookup;

this.lookup;

}

LookupTable.prototype.setData=function(wc,ww,bs,rs,ri)

{

this.windowCenter=wc;

this.windowWidth=ww;

this.bitsStored=bs;

this.rescaleSlope=rs;

this.rescaleIntercept=ri;

};

LookupTable.prototype.setWindowingdata=function(wc,ww)

{

this.windowCenter=wc;

this.windowWidth=ww;

};

LookupTable.prototype.calculateHULookup=function()

{

var size=1<

this.huLookup = new Array(size);

for(var inputValue=0;inputValue

{

if(this.rescaleSlope == undefined && this.rescaleIntercept == undefined) {

this.huLookup[inputValue] = inputValue;

} else {

this.huLookup[inputValue] = inputValue * this.rescaleSlope + this.rescaleIntercept;

}

}

};

/**

* 窗宽窗位的调整线性的Window-leveling算法

* 非线性的gamma算法,稍微修改下：

*  var y=255.0 * Math.pow(this.huLookup[inputValue]/this.windowWidth, 1.0/gamma);

* **/

LookupTable.prototype.calculateLookup=function()

{

var size=1<

var min=this.windowCenter-0.5-(this.windowWidth-1)/2;

var max=this.windowCenter-0.5+(this.windowWidth-1)/2;

this.lookup=new Array(size);

for(var inputValue=0;inputValue

{

if(this.huLookup[inputValue]<=min){

this.lookup[inputValue]=0 ;

}else if (this.huLookup[inputValue]>max){

this.lookup[inputValue]=255;

}else{

var y=((this.huLookup[inputValue]-(this.windowCenter-0.5))/(this.windowWidth-1)+0.5)*255;

this.lookup[inputValue]= parseInt(y);

}

}

};

鼠标调整窗宽窗位的时候JS端生成图像+绘制图形的速度。

1.512 X 512大小的CT图像调整窗宽窗位速度

2.512 X 512大小的彩色CT图像调整窗宽窗位速度

3.512 x 512大小的MR图像调整窗宽窗位速度

4.2057 X 1347大小的CR图像调整窗宽窗位速度

5.有了像素信息后就可以在客户端实时的获取到CT值了。

6:有了像素信息后测量也可以获取到测量区域的最大值、最小值、方差值、均值等测量信息了

进测试，调整窗宽窗位时HTML5上绘制图形的时间还是很快的,总的绘制时间在10毫秒的数量级，而且发现绘制时间还可以变少，这绘制时间包括了图 像边角上的文字信息，但是HTML5绘制文字的信息效率明显比绘制图像的效率要底，所以不必每次刷新都绘制文本信息，可以加以参数控制在图像切换或者调窗 宽窗位的时候也就是文本信息变化的时候才绘制文字信息。关于图像的生成时间，发现图像的生成时间和图像的宽X高成正比，图像越大所需时间越长，对于 CT/MR等图像时间大概在几十个毫秒级。对于2057X1347的CR图像时间大概在400毫秒级，对于2000X3000多的DX图像生成图像的时间 就有点卡顿了，要1秒-2秒左右。。。这速度还得想办法优化有木有。。。。。还有对于DX图像调整窗宽窗位虽然使用了gamma算法，但是出来的图像，我 总感觉得没有用第三方工具比如RadiAnt上看见的光滑，噪声有点大。所以在没得到更好的解决方案前，目前DX的图像只能特殊化即保留原来的方式在服务 器端直接生成JPG让客户端直接绘制，希望会DICOM图像算法的大神们看到此文章后能给小弟我一点关于DX调窗宽窗位的意见，是不是还要用到别的算法啥的？。先谢谢了。