最常用、最可靠的方式是用 pydicom.dcmread() 读取 DICOM 文件，获取包含元数据和像素数据的 Dataset 对象；ds.pixel_array 是已解码的 numpy 数组；推荐用 apply_voi_lut() 结合窗宽窗位优化显示；批量加载需按 InstanceNumber 等排序确保切片顺序正确。

用 Python 加载 DICOM 图片，最常用、最可靠的方式是使用 pydicom 库，它专为读取和处理医学影像的 DICOM 格式设计。加载后通常配合 numpy 和 matplotlib 进行数据查看或后续处理。

安装必要库

在命令行中运行：

• pip install pydicom numpy matplotlib

如果需要处理带像素数据的增强型 DICOM（如多帧 CT/MR），还可选装：pip install pillow（用于部分解码支持）。

基础加载：读取单个 DICOM 文件

pydicom 的 dcmread() 函数可直接读取文件，返回一个 Dataset 对象，包含元数据和像素信息：

import pydicom
ds = pydicom.dcmread("example.dcm")
print(ds.PatientName)  # 查看患者姓名等元数据
print(ds.pixel_array.shape)  # 查看图像尺寸，如 (512, 512)

注意：ds.pixel_array 是核心图像数据（numpy 数组），已自动解码，无需手动解析原始字节。

显示 DICOM 图像（灰度+窗宽窗位校正）

DICOM 图像常需应用窗宽（WW）和窗位（WL）才能正确显示软组织或骨骼细节：

• 若 DICOM 中有 WindowWidth 和 WindowCenter 字段，建议用它们调整显示对比度
• 可用 pydicom.pixel_data_handlers.util.apply_voi_lut() 自动应用 VOI LUT（推荐）
• 简单显示可先用 plt.imshow(ds.pixel_array, cmap="gray")，但可能偏亮/偏暗

示例（带窗宽窗位适配）：

import matplotlib.pyplot as plt
from pydicom.pixel_data_handlers.util import apply_voi_lut
尝试应用 VOI LUT（兼容大多数 CT/MR）
arr = ds.pixel_array
if hasattr(ds, 'WindowWidth') and hasattr(ds, 'WindowCenter'):
arr = apply_voi_lut(arr, ds)
plt.imshow(arr, cmap="gray")
plt.axis('off')
plt.show()

批量加载与检查多个 DICOM 文件

实际中常遇到一个病例含多个切片（如一个文件夹下全是 .dcm）。可用 glob 或 os.listdir 批量读取：

import glob
import pydicom
dcm_files = sorted(glob.glob("path/to/dicom/*.dcm"))
datasets = [pydicom.dcmread(f) for f in dcm_files]
检查是否为同序列（可选）
for ds in datasets[:3]:
print(f"Instance: {ds.InstanceNumber}, Shape: {ds.pixel_array.shape}")

注意：确保文件按切片顺序排列（如按 InstanceNumber 排序），否则重建三维体数据会错乱。

基本上就这些。关键点是：用 pydicom.dcmread 读，用 .pixel_array 取图，用 apply_voi_lut 或手动窗宽窗位优化显示——不复杂但容易忽略。