用skimage学习数字图像处理（001）：环境搭建

本节将介绍如何搭建基于Python+skimage的DIP算法设计开发环境。

部分内容参考自网络资源，我尽量加以标注引用，如果确实有部分内容和已有网络资料重复而又没有加引用，还望多多海涵。

目录

1.1 扩展包安装

1.1.1 搭建Python开发环境

1.1.2 安装Scikit-image扩展包

（1）本地安装

（2）在线安装

（3）验证安装是否成功

1.2 其他工具包的配置

1.2.1 SciPy.ndimage的设置

1.2.2 Matplotlib的设置

Q1：如何内嵌式显示处理结果？

Q2：如何提高显示图像清晰度？

Q3：如何设置标注文字字体？

1.1 扩展包安装

1.1.1 搭建Python开发环境

有关Python开发环境的搭建，网上有很多教程。需求不同，内容不同。在此只简单介绍一种适合本教程的方法，不一定是最优的，仅供参考。

首先给出几点建议：

第一，选用windows 64位平台。相信大多数初学者还是更喜欢用windows而不是linux进行算法开发。64位平台很重要，因为我们要装支持64位的开发软件。如果各位所使用的台式机或者笔记本电脑内存在8G以上，就毫不犹豫的安装64位平台吧。

第二，选用Anaconda作为Python构建基础的运行环境，原因懂的都懂。有关Anaconda的安装和配置的帖子，网络上的随处可见，大家尽量去官网下载安装最新版（Anaconda官网下载链接）。不得不说，Anaconda做的太周到了，不仅为我们配置好了常用的Python扩展包（如本教程所用的NumPy、SciPy、MatplotLib等），还集成了多种好用的工具（如Spyder、Jupyter notebook等）。

（上图所示为Anaconda的合作伙伴，来自Anaconda官网）

需要在此强调的一点是，尽管Anaconda在安装过程中会提示用户要修改系统路径，但实际上它什么都没有做。因此，如果想正常运行Python程序，务必要将下面三个路径添加到系统变量中的“Path”下，具体设置方式大家可以自行搜索相关教程。

（以Anaconda安装路径为C:\Anaconda3为例）

• C:\Anaconda3
• C:\Anaconda3\Library\bin
• C:\Anaconda3\Scripts

设置完毕后，系统变量Path如下图所示：

第三，其他工具或扩展包。前面提到，Anaconda安装后，已经集成了各类工具，从IDE开发（如Spyder）到交互式设计（如Jupyter notebook）等等，甚至还在主界面提供了PyCharm的安装链接。但如果你已经迈过了初学者的阶段，想深入的使用更强大的工具开发和涉及更完善的功能，那么你可能还需要单独安装其他相关软件，比如PyCharm、PyQt5、Visual Studio Code，但那都不是小白目前关心的事。本教程也不涉及上述高级工具的介绍。当然，像一些常用配套的扩展包，如numpy（数值计算）、matpplotlib（绘图）、pandas（数据分析）等等，大家还是应该要了解的。不必要求精通，但至少应该会现学现用。

1.1.2 安装Scikit-image扩展包

本小节介绍scikit-image扩展包的安装。

如同其他安装包一样（如Python中常用的另一个DIP扩展包，OpenCV），scikit-image的安装方式主要也有两种，大家根据自己的喜好选择。我们先介绍一种相对复杂且高级方式，然后介绍相对快捷也是推荐的第二种方式。

（1）本地安装

这种方式适用于不联网的机器，过程也不复杂。

首先，下载相应的whl文件（whl文件全称为wheel文件，是Python打包和安装扩展模块的一种格式）到本机指定路径下，比如D:\skimage。然后，调用Python的pip命令，类似“pip install libname.whl”执行安装。

这种方式的优点是安装时不需要网络，或者即便能联网，但是链接外网的速度较慢，又不愿意等待时间太长的情况。不过，由于scikit-image本身更新的并不频繁，基本上是一个季度更新一个小版本。因此，文件下载一次，够用一年。

但对于初学者，还有两个棘手的问题。

第一个问题是whl文件不好找，至少scikit image官网上不好找，不信您自己试试看。当然，这个问题不难解决，有很多网站将常用的python第三方库对应的各个版本的whl文件都汇总好了，方便查找和下载。在此提供两个网址，都是国外的链接，大家可根据个人情况自行选择。

下载链接一：https://pypi.org/project/ ，这个链接更新较快，建议采用。

下载链接二：https://www.lfd.uci.edu/ ，这个链接更新较慢，且主要是面向windows的版本，有很多老的版本。

登录上面任意链接引出的网页，在搜索框中键入：“scikit-image”，即可找到相应的文件。

（scikit-image对应的whl文件下载页面示例，来自第一个链接，为了便于说明，略加修改）

这时第二个问题出现了，即搜索到的文件通常不止一个，除了发布版本的差异之外，还有操作系统的差异，以及Python版本的差异。如上图所示，都是0.22.0版本的文献，按照操作系统，大致分为win（windows）版本、manylinux（linux版本）和macosx（MacOS版本）；按照对应的Python版本，又分为cp312（对应Python3.12版）cp311（对应Python3.11版）和cp310（对应Python3.10版），等等。此时一定要牢记，务必提前确认自己所用的操作系统以及Python版本信息，然后选择对应的版本并下载。你如果还能问出“如何使用Python命令行命令，查询系统安装的Python版本？”这样的问题，那再次暴露了你Python初学者的身份。请大家牢记：启动命令行窗口，输入`python -V`或者`python --version`命令，屏幕即显示本机安装的Python版本信息。

举个实例，比如我使用的是64位的Windows11，安装的Python是3.10版，则下载名字为“scikit_image-0.22.0-cp310-cp310-win_amd64.whl”的库文件到指定路径下，然后将命令行的当前路径与上述文件的存储路径一致，键入：

pip install scikit_image-0.22.0-cp310-cp310-win_amd64.whl

如果一切正常，只需等待几秒钟，就能见到类似下图所示的安装成功提示信息。

第一种离线安装到此结束，怎么样，是不是还是觉得有些繁琐呢？没关系，如果你不想绕这么多圈子，而且能流畅的链接外网，还有第二种方式可供选择，特别适合小白使用。

（2）在线安装

假如您是位刚刚接触Python编程的小白，或者您已经对第一种安装方法熟练掌握了，建议直接使用这种方式。

在线安装有多简单？简单到只需要一个操作。在保证电脑能联网的前提下，打开Anaconda自带的Prompt，然后键入：

pip install scikit-image

然后呢？然后就没有然后了，等不到半分钟就提示安装成功了。是不是非常简单？

（3）验证安装是否成功

如何验证是否成功安装了scikit-image呢？在此介绍一种简单快捷的方法。

打开cmd，在命令行窗口，启动Python，然后键入以下语句：

import skimage

然后屏幕上没有任何报错的显示，就说明已经正确将Skimage工具包载入到了内存，即sci-kit image成功安装了。

1.2 其他配置

这部分的配置不是必需的。但如果你和我一样，喜欢用Jupyter Notebook（以下简称Notebook）整理撰写交互式笔记，则建议看一下下面的内容。

1.2.1 Jupyter Notebook的设置

有关Jupyter Notebook的配置很多，在此主要介绍如何修改Jupyter Notebook默认的工作路径。

大家刚开始使用Jupyter notebook时，可能都很有类似的困惑，即点击Jupyter Notebook图标，会跳转到一个很奇怪的路径下。如果不做修改，我们边界的notebook文件都默认存在 该路径下，这很不方便。因此，在使用notebook时，通常先完成其默认工作路径的修改工作。

修改Notebook默认工作路径的方法有很多，但因为Jupyter Notebook的安装方式，以及不同系统的配置存在差异，不一定所有的方法都有效，在此介绍一种面向Windows系统，并基于Anaconda安装Jupyter Notebook的方式。

第一步：生成配置文件

打开 Anaconda Prompt，键入：

jupyter notebook --generate-config

该命令的作用是生成 Jupyter notebook 的配置文件“Jupyter_notebook_config.py”，其存放路径通常是“C:\Users\Administrator\.jupyter\ ”

如果是第一次运行，会直接生成这个文件。如果曾经运行过这个命令，则会提示是否覆盖原来的文件。

第二步：修改配置文件

打开jupyter_notebook_config.py文件。搜索找到该变量所在行，c.NotebookApp.notebook_dir，将新的路径赋值给这个变量，并删除这一行前面的“#”，并保存。如下图所示：

注意：

• 一定要确保删除 “#”，取消这一行的注释模式。
• 这一行代码前不能有空格，且路径一定要是已经存在的，否则会闪退。且路径要用英文单引号括起来。

第三步：修改快捷方式属性

参考下图，找到Jupyter Notebook的快捷方式，右键打开属性，将“目标”最后面的 “%USERPROFILE%” 删除就可以了。

此时，再次点击“Jupyter notebook”图标，会自动转到刚才设置的路径下。

除此之外，还有其他一些有关Jupyter Notebook的设置。由于和本教程关系不大，在此不再赘述，请读者自行查阅相关资源。

1.2.2 SciPy.ndimage

Scikit-Image作为SciPy的一个子库，有部分基础的功能并不能单独实现，比如图像处理领域常用的卷积操作，以及频域的FFT等等。这些功能可调用SciPy中的其他子库来实现，比如，后面章节中常用到的ndimage库。

在安装了Anaconda后，ndimage模块集成在了SciPy中，因此不需要单独安装。可用以下语句验证是否正常安装该模块。

from scipy import ndimage 

如果系统没有给出任何错误提示，则说明已安装了该模块。

1.2.3 Matplotlib配置

对于大部分人和大部分应用场景，Matplotlib是Python中最常用的2D绘图扩展包，兼顾强大的功能和易于使用的优点。

为了方便大家快速掌握相关技巧，这部分我们采用Q&A的方式来组织。

Q1：如何内嵌式显示处理结果？

比如我们想将处理之后的图像或者波形图，直接在代码下方显示。这样就能实现在同一个窗口中同时显示代码和结果，并方便的观测不同的参数对处理结果的影响。

A1：键入以下代码，原因不解释。

%matplotlib inline

Q2：如何提高显示图像清晰度？

使用Matplotlib显示图形/图像时，其分辨率（ppi）较低，导致最终呈现的图形/图像不够清晰。

那么，如何提高Matplotlib显示图形/图像的ppi呢？

A2：键入以下代码，原因不解释。

%config InlineBackend.figure_format = 'retina'

通常，上述两行设置是配套使用的。

Q3：如何设置标注文字字体？

如果不单独设置，Matplotlib将使用默认的系统字体作为处理结果的标注字体，但有时很难看。

A3：键入以下代码，将字体设置为楷体（标识符为KaiTi），原因不解释。

plt.rcParams['font.sans-serif'] = 'KaiTi'  

除了上述设置之外，还有许多更细致的设置，在此不再一一列出，大家自己百度吧。

（本节初稿完成时间：2024-1-24）

（第一次修订完成时间：2024-2-29）

（未完待续，欢迎对DIP+python算法开发感兴趣的初学者，尤其是相关专业本科和低年级研究生关注，本专栏完将持续更新，总篇数不会少于100篇，每篇不会少于3000字，专栏完成之前（估计至少半年）完全免费阅读，敬请关注）