圖像數據通常可以通過兩個維度（行和列）來描述，可能還有一個額外維度用于紅色、綠色、藍色（ RGB ）。然而，有時需要進一步的維度，以便在特定應用和領域中進行更準確和詳細的圖像分析。例如，您可能希望研究三維（ 3D ）體積，測量兩個零件之間的距離或建模該三維體積隨時間的變化（第四維）。在這些情況下，你需要兩個以上的維度來理解你所看到的。多維圖像處理，或 n– 維度圖像處理，是從具有兩個或多個維度的圖像數據中分析、提取和增強有用信息的廣義術語。它對于醫學成像、遙感、材料科學和顯微鏡應用特別有用和必要。這些應用中的一些方法可能涉及來自比傳統灰度、 RGB 或紅、綠、藍、 alpha （ RGBA ）圖像更多通道的數據。使用具有識別、過濾和分割功能的設備， N 維圖像處理可以幫助您學習并做出明智的決策。多維圖像處理為您提供了在科學應用中執行傳統二維濾波功能的靈活性。具體來說，在醫學成像中，計算機斷層掃描（ CT ）和磁共振成像（ MRI ）掃描需要多維圖像處理，以形成身體及其功能的圖像。例如，在醫學成像中使用多維圖像處理來檢測癌癥或估計腫瘤大小。

多維圖像處理開發人員面臨的挑戰

除了識別、獲取和存儲圖像數據本身之外，處理多維圖像數據也面臨著一系列挑戰。首先，多維圖像的大小比二維圖像大，并且通常具有高分辨率，因此將其加載到內存并訪問它們非常耗時。其次，處理圖像數據的每個附加維度需要額外的時間和處理能力。分析更多維度擴大了考慮范圍。第三，計算機視覺和圖像處理算法需要更長的時間來分析每個附加維度，包括低級操作和基元。多維濾波器、梯度和直方圖的復雜性隨著每個附加維度的增加而增加。最后，當操作數據時，多維圖像處理的數據集可視化由于考慮的額外維度和必須呈現的質量而變得更加復雜。在生物醫學成像中，所需的細節水平可以在識別癌細胞和受損器官組織方面產生差異。

多維輸入/輸出

如果你是從事多維圖像處理的數據科學家或研究人員，你需要能夠高效加載和處理大型圖像文件的軟件。流行的多維文件格式包括：

NumPy 二進制格式（.npy ）

標簽圖像文件格式（ TIFF ）

TFRecord （.TFRecord ）

關

上述格式的變體

因為每個像素都很重要，所以您必須使用所有可用的處理能力準確地處理圖像數據。圖形處理單元（ GPU ）硬件為您提供了處理和平衡實時分析復雜多維圖像數據的工作量所需的處理能力和效率。

cuCIM

Compute Unified Device Architecture Clara IMage （ cuCIM ）是一個開源、加速的計算機視覺和圖像處理軟件庫，它利用 GPU 的處理能力來解決開發人員處理多維圖像的需求和難點。數據科學家和研究人員需要快速、易于使用、可靠的軟件來應對日益增加的工作量。雖然專門針對生物醫學應用進行了調整，但 cuCIM 可用于地理空間、材料和生命科學以及遙感用例。cuCIM 提供 200 多種計算機視覺和圖像處理功能，用于顏色轉換、曝光、特征提取、測量、分割、恢復和變換。cuCIM 是一款功能強大且快速的圖像處理軟件，只需對現有管道進行最小的更改。cuCIM 為您提供了增強的數字圖像處理能力，這些能力可以集成到現有的管道中：

人工智能醫學開放網絡（ MONAI ）

Numba

NumPy

PyTorch

TensorFlow

您可以使用 C ++ 或 Python 應用程序編程接口（ API ）進行集成，該接口與 OpenSlide for I / O 和 scikit image 相匹配，以便在 Python 中進行處理。cuCIM Python 綁定提供了許多常用的計算機視覺和圖像處理功能，這些功能很容易集成并編譯到開發人員的工作流程中。使用 cuCIM 不需要學習新的接口或編程語言。在大多數情況下，只添加一行代碼用于將圖像傳輸到 GPU 。cuCIM 編碼結構幾乎與 CPU 使用的結構相同，因此利用 GPU 支持的功能幾乎不需要更改。由于 cuCIM 還支持 GPUDirect Storage （ GDS ），因此您可以高效地將數據直接從存儲器傳輸和寫入 GPU ，而無需在主機（ CPU ）內存中創建中間副本。這節省了輸入/輸出任務的時間。憑借其快速設置， cuCIM 提供了 GPU 加速的圖像處理和高效的 I / O 的優勢，只需開發人員付出最小的努力，并且不需要低級別的計算統一設備架構（ CUDA ）編程。