Category: Python

기존의 알려진 방법을 기초로 시도했다.

결론부터 말하면 기존 알고리즘으로는 아쉬운 부분이 존재한다. 제대로 만들기 위해서는 한 땀 한 땀 mesh 를 작성해야 할 필요가 있다.

Brain MRI 중 T1 TRA SE 이미지가 적당해서 이걸로 선택했다. 한 장씩 DICOM 저장해서 확인한다. 익명성을 위해서 UUID를 이용해 버리는 바람에 DICOM에 포함된 Image Position 정보를 이용해서 순서대로 정렬시켜야 한다. Image Position 의 3번째 값이 머리-> 꼬리 방향과 연관된 정보이다.

MRI에는 CT 처럼 HU 값이 없다. 그냥 바탕의 적당한 값을 기준으로 어두운 부분은 False 있는 부분은 True 형식으로 변환시켰다. 적절한 처리를 거치면 이렇게 얼굴의 윗 부분을 만들 수 있다.

이 Numpy matrix에서 점에 대한 정보만 있어야 한다. Copilot에서 물어봤더니 약간 수정해야 하지만 매우 편한 스크립트를 짜주었다.

points = []
for x in range(blk.shape[0]):
    for y in range(blk.shape[1]):
        for z in range(blk.shape[2]):
            if blk[x, y, z] > 0:
                points.append([x, y, z])

points = numpy.array(points)

Open3D 패키지를 이용해서 point cloud를 만들어 준다.

pcd = open3d.geometry.PointCloud()
pcd.points = open3d.utility.Vector3dVector(points)

mesh 를 만들기 위해서는 법선(normal)이 있어야 한다. 당연히 이 정보는 없으니까 만들어 주어야 한다. pcd.has_normals() 을 이용해서 normal 이 있는지 알 수 있다. 없으면 estimate_normals() 을 이용하여 만들어 줄 수도 있다.

if pcd.has_normals():
    pcd.normals = ...
else:
    pcd.estimate_normals()

BPA는 다음 처럼

## BPA
distances = pcd.compute_nearest_neighbor_distance()
radius = 10
bpa_mesh = open3d.geometry.TriangleMesh.create_from_point_cloud_ball_pivoting(pcd, open3d.utility.DoubleVector([radius, radius * 2]))
print(open3d.io.write_triangle_mesh("/root/3D/head_bpa.ply", bpa_mesh))

Poisson은 다음 처럼

poisson_mesh, densities = open3d.geometry.TriangleMesh.create_from_point_cloud_poisson(pcd, depth=9)
bbox = pcd.get_axis_aligned_bounding_box() 
p_mesh_crop = poisson_mesh.crop(bbox)

이런 느낌으로 mesh를 만들 수 있다. 위에서도 언급했지만 두 방법 모두 mesh가 빠지는 부분이 있다.

한 땀 한 땀 만들어야 하나 고민하고 있었는데 누군가가 이미 구현해둔 방법들이 있는 것을 알게 되었다.

[Python] Point clouds로 Mesh 생성하기

로봇이 Object를 grasphing하는 task의 시뮬레이션을 위해서는, object의 mesh가 필요하다. Python의 라이브러리를 사용하면 쉽게 mesh를 생성하고 export할 수 있다. 지금부터 Open3D를 이용하여 xyz format인 point clouds를 stl, ply, obj 등 mesh형태로 export 하는 방법을 알아보자. 나는 아래 url로부터 실습파일을 다운로드하였다. https://drive.google.com/drive/folders/1Ih_Zz9a6UcbUlaA-puEB_is7DYvXrb4w 1. 데이터 로드 Numpy와 Open3D 라이브러리를 Import 한다. import numpy as np import open3d as o3d datapath를 지정하고,…

jupyterlab 환경에서는 안된 것 같다. 좀 더 확인해 볼 필요가 있다. 얼핏 검색해 본 바에 의하면 numpy 버전을 1.대로 낮추어 야 할 필요가 있는 것 같다.

Numpy 버전을 낮추는 방법은 다시 설치를 하면 된다.

pip install numpy==1.26.4 --break-system-packages

Surface Reconstruction — Open3D 0.9.0 documentation

In many scenarios we want to generate a dense 3D geometry, i.e., a triangle mesh. However, from a multi-view stereo method, or a depth sensor we only obtain an unstructured point cloud. To get a triangle mesh from this unstructured input we need a surface reconstruction method. In the literature there exist a couple of methods and Open3D implements currently the following methods:

copilot에서 4각형 메시를 만들어 달라고 해보았다.

# 사각형 메쉬 예제

# 정점 정의 (v x y z)
v 0.0 0.0 0.0
v 1.0 0.0 0.0
v 1.0 1.0 0.0
v 0.0 1.0 0.0

# 면 정의 (f vertex1 vertex2 vertex3 vertex4)
f 1 2 3 4

이걸 보면 다음과 같다.

각각의 점(v)에 대한 정의를 이용해서 면(f)을 만들어 낸다. 문제는 점의 좌표를 다 파악하고 있어야 한다.

면에서 4개의 점을 입력하면 사각형이, 6개의 점을 입력하면 육각형을 만들 수 있다.

copilot에서 인덱스 없이 만들 수 있는 방법을 물어 보았다. 방법을 알려주는데 그 방법은 제대로 동작하지 않는 것 같다. 인덱스를 활영해서 하는 것이 좋겠다.첫 번째가 0이 아닌 1이다. point cloud에서 obj 등과 같이 변환해 주는 것들이 있기는 한데.. 무료가 아닌 것 같다. 그러면 천천해 만들어 봐야한다. 표면이 단순하다는게 다행이긴 하다.

회사에서 접수 때 사용하는 바코드의 정보는 2가지이다. 하나는 환자 번호가 있는 것, 다른 하나는 검체 번호가 있는 것이다.

병리과에서 문제라면 생검 조직은 둥근 통에 담기는데 바코드를 세워 붙여야 인식이 잘 된다는 것이다. 일부 바코드는 Datamatrix 형식으로 운영되니 여기에 맞춰서 작업을 해보기로 한다. 우선 직접 datamatrix를 만들 수 있어야 하니 이것부터 시도했다.

treepoem 패키지를 이용한다.

treepoem

Barcode rendering for Python supporting QRcode, Aztec, PDF417, I25, Code128, Code39 and many more types.

여기에 보면 datamatrix를 만들 수 있다는 내용은 없는데 만들 수 있다. 다만, 기존에 사용하던 것이랑 표현이 조금 달라서 더 알아봐야 한다.

import treepoem

image = treepoem.generate_barcode(
    barcode_type="datamatrix",  # One of the BWIPP supported codes.
    data="12345678",
)
image.convert("1").save("qr.png")