步骤

不能直接可视化的原因：

seg.nrrd保存的是标签类别值，如下图标签类别值是[1,6]，没有标记的部分值为0

1.将seg.nrrd保存为nrrd格式，并读取

2.将数组*int（255/标签类别数），变为灰度值

若直接将seg.nrrd当nrrd读取（直接读取会警告类型，且对seg.nrrd读取前做的Transforms会失效，但不影响运行）

import nrrd

num_ = 10  #切片数量
add_ = 2#间隔2帧

img_arr, _ = nrrd.read(file) 
img_arr*=int(255/6)

D, H, W = image.shape

d0, h0, w0 = int(D/2), int(H/2), int(W/2)#坐标中心点作为原点
# dh 
dh_slices = img_arr[:, :, w0-num_ : w0+num_ : add_]#从三轴方向每间隔间隔2帧，找20帧图像，即10帧
for i in range(num_):
	cu = dh_slices[:,:,i]

	cu_Image = img.fromarray(cu)
	cu_Image = cu_Image.transpose(img.FLIP_TOP_BOTTOM)#上下对换
	cu_array = np.array(cu_Image)

	img_path = "{}/dh_{}.png".format(re_path_, i)
	cv2.imwrite(img_path, cu_array)

拓展：CT值/HU值

CT值又叫HU(Hounsfiled Unit)值，代表了物体真正的密度。

范围是-1024 -- x ，之所以说是x是因为各种资料众说纷纭，

对于nii格式的图片，nibabel, simpleitk常用的api接口，都会自动的进行原始数据转化HU值过程

(除非专门用nib.load('xx').dataobj.get_unscaled()或者itk.ReadImage('xx').GetPixel(x,y,z)才能取得原始数据）
对于dcm格式的图片，simpleitk, pydicom常用的api接口都不会将原始数据自动转化为Hu！！(itk snap软件读入dcm或nii都不会对数据进行scale操作)

hu值是与设备无关的，不同范围之内的值可以代表不同器官。
hu的范围一般来说很大，这就导致了对比度很差，如果需要针对具体的器官进行处理，效果会不好，于是就有了windowing的方法