我正在尝试使用www.example.com API和tensorflow_io从DICOM图像创建TensorFlow数据集tf.data，并希望使用图像的Hounsfield单位执行一些预处理。DICOM图像的形状为（512，512）。我已从图像中提取PixelData，并希望使用以下代码将其转换为适当形状的numpy数组：

image_bytes = tf.io.read_file(image_path)
PixelData = tfio.image.decode_dicom_data(image_bytes, tfio.image.dicom_tags.PixelData).numpy()
pixel_array = np.frombuffer(PixelData, dtype=tf.uint16)
pixel_array = np.reshape(pixel_array, (512,512))
print(pixel_array)

此代码应等效于

Image = pydicom.dcmread(image_path)
pixel_array = Image.pixel_array
print(pixel_array)

以及

Image = pydicom.dcmread(image_path)
PixelData = Image.PixelData
pixel_array = np.frombuffer(PixelData, dtype=np.uint16)
pixel_array = np.reshape(pixel_array, (512,512))
print(pixel_array)

DICOM标签和pydicom使用的标签是一样的，在这里给出。PixelData应该返回DICOM图像的原始字节值。我已经通过pydicom确认了原始像素数据存储为np.uint16值。但是，当我尝试使用np.frombuffer函数将tensorflow给出的字节数据转换为numpy数组时，我得到一个缓冲区大小不能被元素长度整除的错误。
运行上述脚本时，输出形状如下
1.tensorflow ：不与tf.uint16一起运行，使用tf.uint8时给出输出形状（1310719，）

1. Pydicom直接像素阵列（_A）：（512，512）的输出形状
2. Pydicom像素数据到像素阵列：（512，512）的输出形状
   pydicom示例在两种情况下提供了相同的输出，但tensorflow DICOM标签似乎提供了完全不同的结果。请查找附件中的示例DICOM文件here。库或我的实现是否有问题？
   编辑：DICOM图像实际上是有符号的16位整数，而不是无符号的。因此，以下三个代码片段产生相同的输出：
   从pydicom直接像素数组

import pydicom
import numpy as np

dcm = pydicom.dcmread("ID_000012eaf.dcm")
print(dcm.pixel_array)

手动将PixelData转换为pixel_array

import pydicom
import numpy as np
dcm = pydicom.dcmread("ID_000012eaf.dcm")
PixelData = dcm.PixelData
pixel_array = np.frombuffer(PixelData, dtype=np.int16)
pixel_array = np.reshape(pixel_array, (512,512))
print(pixel_array)

利用Tensorflow_io直接获取像素阵列

import tensorflow as tf
import tensorflow_io as tfio
import numpy as np
image_bytes = tf.io.read_file("ID_000012eaf.dcm")
pixel_array = tfio.image.decode_dicom_image(image_bytes, on_error='lossy', scale='preserve', dtype=tf.float32).numpy()
pixel_array = pixel_array.astype('int16')
pixel_array /= 2.
pixel_array = np.reshape(pixel_array, (512,512))
print(pixel_array)

然而，由于某种原因，这段代码的最后一个片段仍然无法工作：

import tensorflow as tf
import tensorflow_io as tfio
import numpy as np

image_bytes = tf.io.read_file("ID_000012eaf.dcm")
PixelData = tfio.image.decode_dicom_data(image_bytes, tfio.image.dicom_tags.PixelData).numpy()
pixel_array = np.frombuffer(PixelData, dtype=np.int16)
print(pixel_array)

编辑2：这两段代码在理论上应该可以工作，但是它们显示的错误是字节串的长度不能被int 16的大小整除：

import tensorflow as tf
import tensorflow_io as tfio
import numpy as np
image_bytes = tf.io.read_file("ID_000012eaf.dcm")
PixelData = tfio.image.decode_dicom_data(image_bytes, tfio.image.dicom_tags.PixelData).numpy()
pixel_array =  np.frombuffer(PixelData, dtype=np.int16)
pixel_array = np.reshape(pixel_array, (512,512))
print(pixel_array)

以及

import tensorflow as tf
import tensorflow_io as tfio
import numpy as np
image_bytes = tf.io.read_file("ID_000012eaf.dcm")
PixelData = tfio.image.decode_dicom_data(image_bytes, tfio.image.dicom_tags.PixelData)
pixel_array = tf.io.decode_raw(PixelData, tf.int16)
pixel_array = tf.reshape(pixel_array, (512,512))
print(pixel_array)

编辑3：在得到decode_dicom_data提供的字节串包含十六进制值的提示后，我找到了一种方法将我的数据转换成想要的pixel_array，但我很好奇为什么PixelData是这样存储的：

import tensorflow as tf
import tensorflow_io as tfio
import numpy as np
image_bytes = tf.io.read_file("ID_000012eaf.dcm")
PixelData = tfio.image.decode_dicom_data(image_bytes, tfio.image.dicom_tags.PixelData).numpy()
pixel_array = np.zeros(262144, dtype=np.int16)
start,stop = 0,4
for i in range(262144):
    pixel_array[i] = int(PixelData[start:stop], base=16)
    start+=5
    stop+=5
pixel_array = np.reshape(pixel_array, (512,512))
print(pixel_array)

pydicom的像素数据：

PixelData = b'0\xf80\xf80\xf80...'

来自Tensorflow_io的像素数据

PixelData = b'f830\\f830\\f830\\...'

任何关于代码重构和linting的建议都将受到高度赞赏。我非常感谢@ai2ys帮助我诊断这些问题。