monai.transforms.utility.array

一系列用于实用功能的“基础”变换。

类

AddCoordinateChannels(spatial_dims)	附加编码输入坐标的附加通道。
AddExtremePointsChannel([background, pert])	将标签的极值点作为新通道添加到图像中。
ApplyTransformToPoints([dtype, affine, ...])	在图像坐标和世界坐标之间变换点。
AsChannelLast([channel_dim])	将图像的通道维度更改为最后一个维度。
CastToType([dtype])	将 Numpy 数据转换为指定的 numpy 数据类型，或将 PyTorch 张量转换为指定的 PyTorch 数据类型。
ClassesToIndices([num_classes, ...])
根据 Brats 类转换为多通道()	根据 brats18 类将标签转换为多通道：标签 1 是坏死和非增强肿瘤核心，标签 2 是瘤周水肿，标签 4 是 GD 增强肿瘤。可能的类别包括 TC（肿瘤核心）、WT（整个肿瘤）和 ET（增强肿瘤）。
CuCIM(name, *args, **kwargs)	包装一个非随机的 cuCIM 变换，根据变换名称和参数定义。
DataStats([prefix, data_type, data_shape, ...])	用于显示数据统计信息以便调试或分析的实用变换。
EnsureChannelFirst([strict_check, channel_dim])	调整或添加输入数据的通道维度以确保 channel_first 的形状。
EnsureType([data_type, dtype, device, ...])	确保输入数据是 PyTorch 张量或 numpy 数组，支持：numpy array、PyTorch Tensor、float、int、bool、string 和 object（保持原样）。
FgBgToIndices([image_threshold, output_shape])	计算输入标签数据的前景和背景，返回索引。
Identity()	不对数据进行任何操作。
ImageFilter(filter[, filter_size])	对输入图像应用卷积滤波器。
IntensityStats(ops, key_prefix[, channel_wise])	计算输入图像强度值的统计信息并存储到元数据字典中。
LabelToMask(select_labels[, merge_channels])	将标签转换为掩码以用于其他任务。
Lambda([func, inv_func, track_meta])	应用用户定义的 lambda 作为变换。
MapLabelValue(orig_labels, target_labels[, ...])	将标签值映射到另一组值的实用工具。
RandCuCIM(name, *args, **kwargs)	包装一个随机的 cuCIM 变换，根据变换名称和参数定义。对于确定性非随机变换，请使用 monai.transforms.CuCIM。
RandIdentity()	不对数据进行任何操作。
RandImageFilter(filter[, filter_size, prob])	随机地对输入数据应用卷积滤波器。
RandLambda([func, prob, inv_func, track_meta])	monai.transforms.Lambda 的随机化版本，输入 func 可能包含随机逻辑，或者基于 prob 随机执行函数。
RemoveRepeatedChannel(repeats)	移除重复通道数据以撤销 RepeatChannel。repeats 计数指定了原始数据的删除方式，例如：RemoveRepeatedChannel(repeats=2)([[1, 2], [1, 2], [3, 4], [3, 4]]) 生成：[[1, 2], [3, 4]]
RepeatChannel(repeats)	重复通道数据以构建模型所需的输入形状。
SimulateDelay([delay_time])	这是一个用于测试的直通变换。
SplitDim([dim, keepdim, update_meta])	给定一个沿某个维度大小为 X 的图像，返回一个长度为 X 的包含图像的列表。
SqueezeDim([dim, update_meta])	压缩一个单位维度。
ToCupy([dtype, wrap_sequence])	将输入数据转换为 CuPy 数组，支持数字列表或元组、NumPy 和 PyTorch 张量。
ToDevice(device, **kwargs)	将 PyTorch 张量移动到指定的设备。
ToNumpy([dtype, wrap_sequence])	将输入数据转换为 numpy 数组，支持数字列表或元组和 PyTorch 张量。
ToPIL()	将输入图像（以 NumPy 数组或 PyTorch 张量的形式）转换为 PIL 图像
ToTensor([dtype, device, wrap_sequence, ...])	将输入图像转换为张量，而不应用任何其他变换。
TorchVision(name, *args, **kwargs)	这是一个基于指定的变换名称和参数的 PyTorch TorchVision 变换的包装器。
Transpose(indices)	根据给定的 indices 维度顺序转置输入图像。