将 `.jpg` 文件转换为 `.dcm` 格式的操作涉及创建一个 DICOM 文件，并将其像素数据设置为来自 JPG 图像的数据。以下是详细的说明和 Python 实现代码： DICOM 文件不仅包含图像数据，还包含元数据（如患者信息、扫描设备信息等）。因此，在将 JPG 文件转换为 DCM 文件时，需要提供这些必要的元数据。 ### 使用 `pydicom` 和 `Pillow` 库实现 #### 安装依赖库 在开始前，请确保已安装所需的库： ```bash pip install pydicom pillow ``` #### 示例代码 以下是一个完整的示例代码，演示如何将 `.jpg` 文件转换为 `.dcm` 格式[^6]： ```python import pydicom from PIL import Image import numpy as np # 加载JPG图像 image_path = "input.jpg" img_pil = Image.open(image_path).convert('L') # 转换为灰度图以匹配DICOM标准 img_np = np.array(img_pil) # 创建一个新的DICOM文件 ds = pydicom.Dataset() # 设置基本的DICOM标签 ds.PatientName = "Test^Patient" # 患者姓名 ds.Modality = "OT" # 影像模态 (Other) ds.StudyDate = "20230915" # 扫描日期 ds.ContentDate = "20230915" # 内容日期 ds.ImageType = ["DERIVED", "SECONDARY"] ds.SOPClassUID = "1.2.840.10008.5.1.4.1.1.7" # 二次捕获图像存储类UID ds.SOPInstanceUID = pydicom.uid.generate_uid() # 自动生成SOP实例UID ds.StudyInstanceUID = pydicom.uid.generate_uid() ds.SeriesInstanceUID = pydicom.uid.generate_uid() # 添加像素数据 ds.Rows = img_np.shape[0] ds.Columns = img_np.shape[1] ds.PhotometricInterpretation = "MONOCHROME2" ds.SamplesPerPixel = 1 ds.BitsStored = 8 ds.BitsAllocated = 8 ds.HighBit = 7 ds.PixelRepresentation = 0 ds.PixelData = img_np.tobytes() # 保存为DCM文件 output_dcm_path = "output.dcm" ds.is_little_endian = True ds.is_implicit_VR = False ds.save_as(output_dcm_path) print(f"DICOM file saved at {output_dcm_path}") ``` --- ### 关键点解析 1. **加载 JPG 图像** - 使用 `Pillow` 的 `Image.open()` 方法加载 JPG 文件。 - 将图像转换为灰度模式 (`'L'`)，因为大多数医学影像都是单通道灰度图像[^7]。 2. **创建 DICOM 数据集** - 使用 `pydicom.Dataset()` 初始化一个新的 DICOM 数据集。 - 配置必要的 DICOM 标签，例如患者的名称、研究日期、序列 UID 等。 3. **设置像素数据** - 将 NumPy 数组中的像素数据转换为字节流，并赋值给 `PixelData` 属性。 - 需要指定图像的高度 (`Rows`)、宽度 (`Columns`) 及其他属性（如位深、光栅解释方式等）。 4. **保存为 DCM 文件** - 使用 `save_as()` 方法将配置好的 DICOM 数据集保存为 `.dcm` 文件。 --- ### 注意事项 - 如果原始 JPG 是彩色图像，则可能需要先将其转换为灰度图像再进行处理。 - DICOM 文件通常包含更多的元数据字段，可以根据实际需求扩展上述代码。 - 上述代码仅适用于简单的二次捕捉图像存储场景，对于更复杂的医疗应用，需遵循具体的 SOP 类型定义。 --- ###