Insight ToolKit

ITK (Insight Segmentation and Registration Toolkit) est une bibliothèque logicielle libre de classes C++ de traitement d'image. Elle contient des algorithmes de recalage d'image, de filtrage et de segmentation. Elle a été créée dans le but d'analyser toute sorte d'images médicales.

ITK

Informations

Développé par	Insight Software Consortium (d)
Dernière version	5.4.2 (3 janvier 2025)[1]
Dépôt	github.com/InsightSoftwareConsortium/ITK
Écrit en	C++
Environnement	Multi-Plateforme
Formats lus	BioRad confocal image (d), Windows bitmap, DICOM (d), Guy’s Image Processing Lab file format (d), JPEG (d), Light Sheet Microscope (d), MetaImage Source file (d), MetaImage MetaHeader (d), MINC2 Medical Imaging format (d), MGH file format (d), MRC (en), NII (d), Nearly Raw Raster Data file format family (d), Portable Network Graphics, Stimulate Signal Data (d), Stimulate Signal Parameters (d), TIFF, Varian FDF file format (d) et VTK
Type	Framework
Licence	Apache 2.0
Documentation	itk.org/ItkSoftwareGuide.pdf
Site web	www.itk.org

modifier - modifier le code - voir Wikidata (aide)

Caractéristiques

• Soutenir le Visible Human Project ;
• créer une base pour la recherche future ;
• créer un dépôt des algorithmes fondamentaux ;
• développer une plate-forme pour le développement avancé de produits ;
• soutenir l'application commerciale de la technologie ;
• créer des conventions pour les travaux futurs ;
• développer une communauté autonome d'utilisateurs et de développeurs de logiciels.

Exemples

Gradient d'image soumis à un filtre gaussien

  #include "itkImage.h"
  int main()
    {
    typedef itk::Image< unsigned char, 3 > ImageType;
    typedef itk::ImageFileReader< ImageType >  ReaderType;
    typedef itk::ImageFileWriter< ImageType >  WriterType;
    typedef itk::GradientRecursiveGaussianImageFilter< ImageType, ImageType > FilterType;
    ReaderType::Pointer reader  = ReaderType::New();
    WriterType::Pointer writer  = WriterType::New();
    reader->SetFileName("poumonCT.dcm");
    writer->SetFileName("poumonLisse.hdr");
    FilterType::Pointer filter = FilterType::New();
    filter->SetInput( reader->GetOutput() );
    writer->SetInput( filter->GetOutput() );
    filter->SetSigma();
    try
      {
      writer->Update();
      }
    catch( itk::ExceptionObject & excp )
      {
      std::cerr << excp << std::endl;
      return EXIT_FAILURE;
      }
    }

Segmentation par la méthode d'accroissement de région (Region Growing)

  #include "itkImage.h"
  int main()
    {
    typedef itk::Image< signed short,  3 >  InputImageType;
    typedef itk::Image< unsigned char, 3 >  OutputImageType;
    typedef itk::ImageFileReader< InputImageType >  ReaderType;
    typedef itk::ImageFileWriter< OutputImageType >  WriterType;
    typedef itk::ConnectedThresholdImageFilter< InputImageType, OutputImageType > FilterType;
    ReaderType::Pointer reader  = ReaderType::New();
    WriterType::Pointer writer  = WriterType::New();
    reader->SetFileName("cerveau.dcm");
    writer->SetFileName("matiereBlanche.hdr");
    FilterType::Pointer filter = FilterType::New();
    filter->SetInput( reader->GetOutput() );
    writer->SetInput( filter->GetOutput() );
    filter->SetMultiplier(2.5);
    ImageType::IndexType seed;
    seed[0] = 142;
    seed[1] =  97;
    seed[2] =  63;
    filter->AddSeed( seed );
    try
      {
      writer->Update();
      }
    catch( itk::ExceptionObject & excp )
      {
      std::cerr << excp << std::endl;
      return EXIT_FAILURE;
      }
    }