如何从 hdf5 保存/提取数据集并转换为 TiFF？

Posted 2023-03-11

【中文标题】如何从 hdf5 保存/提取数据集并转换为 TiFF？

【英文标题】：How to save/extract dataset from hdf5 and convert into TiFF?

【发布时间】：2022-01-15 22:32:43

【问题描述】：

我正在尝试将 CT 扫描数据导入 ImageJ/FIJI（ImageJ/Fiji 中有 HDF5 插件，但是同步加速器 CT 数据具有如此大的数据集......因此无法打开）。扫描数据（图像数据集）作为数据集保存到 hdf5 文件中。 所以我必须从 hdf5 文件中提取图像数据集，然后将其转换为 Tiff 文件。

HdF5 文件路径为“F:/New_ESRF/SNT_BTO4/SNT_BTO4_S1/SNT_BTO4_S1_1_1pag_db0005_vol.hdf5” 这里将'SNT_BTO4_S1_1_1pag_db0005_vol.hdf5'分成几个数据集，图片数据集在这里：/entry0000/reconstruction/results/data

目前，我使用 h5py 访问图像数据集。但是，在那之后，我不得不将数据集与 hdf5 文件分开提取/保存。

从 hdf5 文件中提取图像数据集需要哪些代码？ 之后，我正在考虑使用from PIL to Image 然后将图像转换为Tiff 文件。我可以就这方面的代码获得任何建议吗？

import numpy as np
import h5py
filename = "F:/New_ESRF/SNT_BTO4/SNT_BTO4_S1/SNT_BTO4_S1_1_1pag_db0005_vol.hdf5"

with h5py.File(filename,'r') as hdf:
base_items = list (hdf.items())
print('#Items in the base directory:', base_items)
    
#entry0000
G1 = hdf.get ('entry0000')
G1_items = list (G1.items())
print('#Items in entry0000', G1_items)
    
#reconstruction 
G11 = G1.get ('/entry0000/reconstruction')
G11_items = list (G11.items())
print('#Items in reconstruction', G11_items)
    
#results_data
G12 = G11.get ('/entry0000/reconstruction/results')
G12_items = list (G12.items())
print('#Items in results', G12_items)

【问题讨论】：

这有什么不明白的，docs.h5py.org/en/stable/high/dataset.html#reading-writing-data

【参考方案1】：

从 HDF5 文件中提取图像数据并转换为图像是一个“相对简单”的两步过程：

访问 HDF5 文件中的数据 使用 cv2（或 PIL）转换为图像

这里有一个简单的例子：How to extract individual JPEG images from a HDF5 file。

您可以将相同的过程应用于您的文件。这是一些伪代码。它不完整，因为您没有显示图像数据集的形状（并且形状会影响如何读取数据）。另外，您没有说数据集中有多少张图像/entry0000/reconstruction/results/data --- 它是单张图像还是多张图像。如果是多张图片，图片计数器是哪个轴？

import h5py
import cv2 ## for image conversion

filename = "F:/New_ESRF/SNT_BTO4/SNT_BTO4_S1/SNT_BTO4_S1_1_1pag_db0005_vol.hdf5"

with h5py.File(filename,'r') as hdf:     
    # get image dataset
    img_ds = hdf['/entry0000/reconstruction/results/data'] 
    print(f'Image Dataset info: Shape=img_ds.shape,Dtype=img_ds.dtype')
    ## following depends on dataset shape/schema 
    ## code below assumes images are along axis=0
    for i in range(img_ds.shape[0]):
        cv2.imwrite(f'test_img_i:03.tiff',img_ds[i,:]) # uses slice notation
        # alternately load to a numpy array first
        img_arr = img_ds[i,:]   # slice notation gets [i,:,:,:]
        cv2.imwrite(f'test_img_i:03.tiff',img_arr)

注意：您不需要使用.get() 来获取数据集。您可以简单地引用数据集路径。此外，当您使用组对象时，请使用从数据集到组的相对路径，而不是绝对路径。 （您应该修改您的代码以反映这些更改。）例如，以下是等效的

G1 = hdf['entry0000']  
## is the same as     G1 = hdf.get('entry0000')
G11 = hdf['entry0000/reconstruction']  
## is the same as     G11 = hdf.get('entry0000/reconstruction')
## OR referencing G1 group object:
G11 = G1['reconstruction']
## is the same as     G11 = G1.get('reconstruction')

【讨论】：

嗨@kcw78 谢谢你的回答！当我打印我的图像数据集时，我在 entry0000/reconstruction/results [('data', )] 中得到了#Items - 基本上，图像数据形状似乎与像素大小有关，因为我使用 2160 * 2560 像素的检测器获得了扫描数据！

好的，这是一个开始。没错，2560X2560 与图像尺寸相匹配。但是，一个典型的图像数组将具有形状 (2560,2560,3)，其中第三个索引代表颜色（或灰度）通道所以，我不确定如何解释 2160。是图像的数量 - - 如果是这样，通道数据如何存储在哪里？此时，您需要调查该数据集是如何创建和存储的。一旦你有了它，你就可以重新创建图像。

感谢您的 cmets！我可以确认 2160 是图像数量。图像数据是灰度的（不像具有 3 个 RGB 通道的普通 jpg 文件......）。关于这一点，我无法解释如何找到存储通道数据的位置。但是，我刚刚意识到我也可以从您建议的代码中获得一些 tiff 图像！不过，jupyter 实验室需要更长的时间来运行此代码（可能是由于 2160 张图像......！）。 ##我可以快速问一下如果我们使用 i 或 ii 会有什么区别（在这段代码中你写的：for i in range(img_ds.shape[0]):) ##

是否要将变量i 重命名为ii？当然，你可以使用任何你喜欢的变量名，只要它在循环内是一致的。 （我经常使用cnt 或img_cnt b/c，它更具描述性。）