使用Anaconda搭建SimpleITK开发环境
*推荐搜索关注微信公众号：医影杂记
使用Anaconda搭建SimpleITK开发环境
从C++和Matlab图像处理编程说起
很多采用C++进行医学图像处理编程的同学都会选择ITK来作为底层图像处理的函数库。ITK是一个开源的C++代码库，包含了大量的最新医学图像分割和配准基础函数和通用框架。简单来说，使用ITK，大家可以直接站在一大批国际大牛的肩上来进行开发。然而，要想搭建起一套基于ITK的C++开发环境，需要先做一系列的准备工作。这些工作包括：下载ITK源代码，使用CMake生成工程文件，编译生成Library文件，使用CMake搭建自己的图像处理工程等。然后，才能开始编写C++代码，调用ITK，执行图像处理任务。整个过程对于C++编程水平要求很高，也很耗费时间。很多同学就是被这些准备工作卡住，半途放弃。
而如果采用Matlab，则完全不同了。安装上Matlab，记得安装Image Processing Toolbox等需要的工具箱。然后，就可以开始直接编写代码了。可以说，Matlab能够让你更加专注于图像处理本身的开发，不会被编译环境等琐事分散精力。但是，Matlab虽然也提供了大量的图像处理底层函数，但在专业的医学图像处理，尤其是三维图像处理和分析领域，ITK所包含的函数要比Matlab丰富和领先的多。
那么，有没有两全其美的办法，即能够享受ITK中大量的医学图像处理函数，又可以像使用Matlab那样简单而愉快的编程呢？
SimpleITK和Anaconda
答案是：有。具体来说，是采用Python来调用SimpleITK进行开发。
SimpleITK是一个基于ITK内核的Python封装层，它提供了基于Python语言的各项功能调用接口。大家都知道，Python语言以简单易用著称，和Matlab一样，Python的突出特点之一就是能够让人专注在要解决的任务和问题本身上，而不是语法和编译设置等干扰项上。
那么，怎么才能够在Python开发环境中调用SimpleITK呢？
使用Anaconda搭建SimpleITK开发环境
理论上，想要在Python中调用SimpleITK，只需要在命令行窗口中，使用下述命令，安装SimpleITK包就可以了。
pip install SimpleITK
但是这篇文章却非要使用Anaconda(https://www.continuum.io/)来搭建SimpleITK开发环境，为什么非要这么麻烦呢？
原因有如下几点：
-
由于存在版本兼容性问题，使用pip install，可能无法正确安装SimpleITK。
-
想借这个机会，尝试和学习一Anaconda这个久闻大名的强大开发环境。
-
医学图像处理开发，还涉及到矩阵运算、图像显示、图表绘制等其他工作，需要一堆其他的Python模块，而Anaconda作为面向科学数据计算和可视化的集成环境，已经内置了绝大部分相关库。
-
工作需要，往往需要在Python2和Python3直接切换，有了Anacoda，版本切换从此不是事儿啊。
安装过程
好吧，铺垫的废话终于说完了。下面开始说正事，如何安装Anaconda和SimpleITK？
正文开始：
-
下载Anaconda(https://www.continuum.io/downloads/)
-
安装Anaconda
-
以管理员身份启动DOS命令行窗口，输入并执行
conda install -c simpleitk simpleitk=1.0.0
正文完毕。
这正文也太短了吧？嗯，是有些短。好吧，再来个详细版。
安装过程（图文并茂详细版）
Anaconda下载
下载地址 ：(https://www.continuum.io/downloads/)
本文基于Win7 64位系统上，因此下载的Python 3.6 Windows 64位版本，Anaconda3-4.3.1-Windows-x86_64.exe
(https://repo.continuum.io/archive/Anaconda3-4.3.1-Windows-x86_64.exe)。
Anaconda安装
安装过程没有太多需要介绍的，基本是缺省选项，一路Next到底。
*备注：关于Anaconda的简单教程，请戳这里
SimpleITK安装
在Anaconda中安装Python Package，一般以此采用下述步骤：
1. 使用conda search 命令，查找anaconda自带的安装包中是否包含了想要的package
conda search SimpleITK
输出结果如下：
也就是没有找到啦。
2. 上Anaconda.org网站上搜索。
需要首先在这个网站上注册用户（注册过程略）。
然后，进入下述页面，在箭头标记的位置属于想要查找的package名称。
搜索结果如下图所示，可以看到，找到了很多个符合的安装包。选择下载次数最多，版本最新的那一个，也就图点击下图中箭头所示位置啦。
打开下述页面，显示这个package的详细信息。注意，箭头所示的区域，给出了相应的安装命令。
3. 拷贝上面的命令，以管理员身份打开一个DOS命令行窗口（建议同时运行fan qiang软件），粘贴并运行。
conda install -c simpleitk simpleitk=1.0.0
正确的运行结果如下图所示：
敲黑板，划重点啦，需要fan qiang安装。否则，可能出现下载安装包失败。如下图：
4. 启动Jupyter QT Console，测试是否能够导入SimpleITK 。
只要不报错，就说明安装正确了。大家可以愉快的在Python开发环境中调用ITK中的各项图像处理功能了。
关于Anaconda的补充说明
在上面的安装过程中，涉及到了两项问题，值得补充说明。
开发环境的选择
作为Anaconda的主要优势之一，开发人员可以在Anaconda中创建和切换不同的开发环境。这里的开发环境，简单来说，是指不同的Python版本和不同的Python package版本的组合。关于Anaconda中开发环境的创建和切换，这里不做介绍了，大家参考这里的简介。需要说明的是，上面的安装步骤是把SimpleITK直接安装到了当前缺省的root开发环境。
加入已经创建了一个名称为ImgPro的开发环境，并且想把SimpleITK安装到这个环境中，则需要在DOS命令行窗口中执行下述代码：
conda install --name ImgPro -c simpleitk simpleitk=1.0.0
不同安装包版本兼容性的自动切换
下面的图片是在DOS命令行窗口中输入conda install -c simpleitk simpleitk=1.0.0后的安装过程结果截屏。
大家有没有注意到红色标记框中的文字？它实际告诉我们，为了能够兼容安装SimpleITK，Anaconda把Python的版本从3.6.1降到了3.6.0。通过这个例子，我们看到，Anaconda确实能够检测和调整适应不同安装包之间的兼容性。
以上就是这篇小文章想要和大家分享的内容。也希望大家都能够找到最适合自己的图像编程工具，能够专注于算法，而不是编译和工程设置等任务上。