OSError：[Errno 24]使用Nibabel打开的文件太多

Question

我有一个python3.6程序，使用nibabel包来分析NIFTI格式的医学图像。

import glob
import nibabel as nib
health = [nib.load(pt) for pt in glob.glob(healthdir+'*.nii')] # len = 200
health_data = [h.get_data() for h in health]

在最后一行中出现了OSError: [Errno 24] Too many open files。我使用了下面的代码，发现它在最后一个元素中出现了错误。

health_data = []
for i in range(len(health)):
    try:
        health_data.append(health[i].get_data())
    except:
        print(i) # 199

我已经尝试过搜索相关的主题，比如Nibabel: IOError: [Errno 24] Too many open files:。然而，这并不能解决问题。另外，我不喜欢使用ulimit。谢谢!

Answer 1

不熟悉尼巴贝尔，但可以试试with

    health_data = []
    for filepath in glob.glob(healthdir+'*.nii'):
       with nib.load(filepath) as health:
           health_data.append(health.get_data())

**未测试

Answer 2

您可能需要在使用该对象后将其删除。

def show_origin_image(name,s=100,max_limit=None, min_limit=None):
    origin = name
    file_name_list = [each for each in os.listdir(origin) if not each.startswith('.')]
    file_name_list = file_name_list[min_limit:max_limit]
    dimension = 2
    width_num = 6
    height_num = math.ceil(len(file_name_list) / width_num)
    plt.figure(figsize=(15, height_num * 2.8))
    data_list = []
    for n,each in enumerate(file_name_list, 1):
        agent = nib.load(os.path.join(origin, each), keep_file_open=False)
        three_d_data = np.asarray(agent.dataobj)
        size = three_d_data.shape
        image = np.take(three_d_data, s, dimension)
        plt.subplot(height_num, width_num, n)
        plt.imshow(image, 'gray')
        plt.axis('off')
        data_list.append(three_d_data)
        # add delete operation!
        del agent
    return data_list

Answer 3

我在导入一些自生成的NIfTI图像时也遇到了同样的问题。

我用nilearn而不是nibabel解决了这个问题。

from nilearn.image import smooth_img
import glob
image_dir = glob.glob(some_path + '*.nii')
images = smooth_img(image_dir, fwhm=None)
image_maps = []
for img in images:
    img_data = img.get_fdata()
    image_maps.append(img_data)
    del img_data

为我处理了10000张图片，花了大约12分钟。

smooth_img读取nifti并应用大小为fwhm的平滑内核(全宽半最大...我想)。我这样做是因为它可以工作，我需要在脚本中的不同情况下进行这种平滑。你可以查看nilear.image.load_img。它也应该做同样的事情。

最好的