Python数字图像处理(1):环境安装与配置

一提到处理，大部分人会想到Matlab，但是Matlab也有很多缺点：

• 不开源，价格贵
• 软件容量大。一般3G以上，高版本甚至达5G以上。
• 只能做研究，不易转化成软件。

因此，我们这里使用python这个脚本语言来进行数字图像处理。
要使用python，必须先安装python，一般是2.7版本以上，不管是在windows系统，还是linux系统，安装都是非常简单的。
要使用python进行各种开发和科学计算，还需要安装对应的包。这和Matlab非常相似，只是Matlab里面叫工具箱（toolbox)，而python里面叫库或包。基于python脚本语言开发的数字图片处理包，其实很多，比如PIL,Pillow, opencv, scikit-image等。
对比这些包，PIL和Pillow只提供最基础的数字图像处理，功能有限；opencv实际上是一个c++库，只是提供了python接口，更新速度非常慢。到现在python都发展到了3.5版本，而opencv只支持到python 2.7版本；scikit-image是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理，正好与matlab一样，因此，我们最终选择scikit-image进行数字图像处理。

一、需要的安装包

因为scikit-image是基于scipy进行运算的，因此安装numpy和scipy是肯定的。要进行图片的显示，还需要安装matplotlib包，综合起来，需要的包有：

    Python >= 2.6
    Numpy >= 1.6.1
    Cython >= 0.21
    Six >=1.4
    SciPy >=0.9
    Matplotlib >= 1.1.0
    NetworkX >= 1.8
    Pillow >= 1.7.8
    dask[array] >= 0.5.0

比较，安装起来非常费事，尤其是scipy，在windows上基本安装不上。但是不用怕，我们选择一款集成安装环境就行了，在此推荐Anaconda, 它把以上需要的包都集成在了一起，因此我们实际上从头到尾只需要安装Anaconda软件就行了，其它什么都不用装。

二、安装Anaconda

先到官网下载anaconda, 现在的版本有python2.7版本和python3.5版本，下载好对应版本、对应系统的anaconda，它实际上是一个sh脚本文件，大约300多M左右。
这部分很简单，按照官网上的就可以了，安装时需要指定一下安装目录，然后就是等待安装完成了,记得将安装路径配置到环境变量当中。
安装完成后，打开终端：
输入conda list就可以查询现在安装了哪些库，常用的numpy, scipy名列其中。如果你还有什么包没有安装上，可以运行
conda install abc 来进行安装。（abc为需要的包的名称）
如果某个包版本不是最新的，运行 conda update abc就可以更新了。

三、简单测试

进入Python交互界面，输入：
import skimage
如果没有任何提示，即安装成功。

四、skimage的子模块介绍

skimage包的全称是scikit-image SciKit (toolkit for SciPy) ，它对scipy.ndimage进行了扩展，提供了更多的图片处理功能。它是由python语言编写的，由scipy 社区开发和维护。skimage包由许多的子模块组成，各个子模块提供不同的功能。主要子模块如下：

• io:读取、保存和显示图片或视频
• data:提供一些测试图片和样本数据
• color:颜色空间变换
• filters:图像增强、边缘检测、排序滤波器、自动阈值等
• draw:操作于numpy数组上的基本图形绘制，包括线条、矩形、圆和文本等
• transform:几何变换或其它变换，如旋转、拉伸和拉东变换等
• morphology:形态学操作，如开闭运算、骨架提取等
• exposure:图片强度调整，如亮度调整、直方图均衡等
• feature:特征检测与提取等
• measure:图像属性的测量，如相似性或等高线等
• segmentation:图像分割
• restoration:图像恢复
• util:通用函数

用到一些图片处理的操作函数时，需要导入对应的子模块，如果需要导入多个子模块，则用逗号隔开，如：
from skimage import data, color, io