1. SimpleITK工程环境搭建

SimpleITK 是 ITK（Insight Segmentation and Registration Toolkit）的简化封装层，它把 ITK 中大量基于 C++ 模板的复杂接口，收敛为一套面向图像对象、滤波器、读写器和变换的统一 API，并同时提供 Python、C#、Java、R、Ruby 等语言绑定。对于医学影像开发而言，SimpleITK 的核心价值在于：它保留了 ITK 在 DICOM、NIfTI、MetaImage 等医学格式上的读写能力，以及配准、分割、形态学、统计滤波等算法，同时把工程复杂度降到可以快速迭代的程度。本章的目标是完成一个可运行的最小工程环境，并写出第一个能读写医学影像的程序。

一、安装与依赖管理

最省事的路径是使用 Python 的包管理器安装预编译 wheel。SimpleITK 官方在 PyPI 上发布了覆盖 Windows、Linux、macOS 的二进制包，安装时不需要本地编译 ITK，也不需要单独配置 CMake 和 C++ 编译器。推荐在虚拟环境中安装，避免与系统 Python 或其他科学计算包冲突：

python -m venv sitk-env
# Windows
sitk-env\Scripts\activate
# Linux / macOS
source sitk-env/bin/activate

pip install SimpleITK
pip install numpy matplotlib

安装完成后，用一条命令验证版本与后端信息：

python -c "import SimpleITK as sitk; print(sitk.Version())"

如果输出中包含 SimpleITK 版本号、ITK 版本号以及编译选项，说明安装成功。这里有一个容易被忽略的依赖关系：SimpleITK 的 Python 包内部已经静态链接了 ITK 的核心库和常用 IO 模块，因此不需要再单独安装 ITK。但如果你后续要用到某些可选的第三方库（例如某些 DICOM 网络服务、GPU 加速模块），则需要确认当前 wheel 是否包含对应编译选项。可以用 sitk.Version() 的输出核对。

对于 C++ 工程，情况不同。C++ 接口需要你自行获取 ITK 源码或使用包管理器（如 vcpkg、conda-forge 的 libitk），然后用 CMake 配置工程。SimpleITK 本身也提供 C++ 库，但更常见的做法是：算法原型用 Python 快速验证，性能敏感或需要嵌入既有 C++ 系统的部分再迁移到 ITK/SimpleITK 的 C++ 接口。选择哪种接口，取决于团队的技术栈、部署环境和性能要求，而不是单纯看语言偏好。

二、Python 与 C++ 接口的选择依据

Python 接口的优势是开发速度快、与 NumPy 互操作自然、调试方便，适合算法研究、数据处理流水线、教学和快速验证。它的主要代价是运行时开销和 GIL 限制，在大批量三维影像处理时可能成为瓶颈。C++ 接口的优势是性能和控制力，适合集成到 PACS、手术导航、放疗计划等对延迟和内存敏感的系统，但编译配置、内存管理和模板错误排查的成本明显更高。

一个实用的判断方式是：先问“这段代码是一次性实验，还是要长期维护并部署到临床环境”。如果是前者，优先 Python；如果是后者，且性能测试表明 Python 版本无法满足要求，再考虑 C++。很多工程实际上采用混合模式：Python 负责 IO、预处理和流程编排，C++ 负责核心计算模块，通过 pybind11 或命令行接口衔接。

三、第一个医学影像读写程序

下面这段代码完成三件事：读取一张医学影像、打印其元数据、写出为另一种格式。示例使用 SimpleITK 自带的示例数据路径，实际使用时替换为你自己的文件路径即可。

import SimpleITK as sitk

# 1. 读取影像
image = sitk.ReadImage("input.nii.gz")

# 2. 查看基本信息
print("尺寸 (Size):", image.GetSize())
print("间距 (Spacing):", image.GetSpacing())
print("原点 (Origin):", image.GetOrigin())
print("方向 (Direction):", image.GetDirection())
print("像素类型:", image.GetPixelIDTypeAsString())

# 3. 写出影像
sitk.WriteImage(image, "output.mha")

运行后，GetSize() 返回的是各维度的像素数，例如三维图像返回 (512, 512, 120)；GetSpacing() 返回每个体素在物理空间中的毫米尺寸，例如 (0.7, 0.7, 1.5)；GetOrigin() 是图像原点在物理坐标系中的位置；GetDirection() 是一个方向余弦矩阵，描述图像坐标轴与物理坐标轴的对应关系。这四个量共同定义了图像的空间信息，是后续配准、重采样和坐标转换的基础。如果只关心像素值而忽略这些元数据，很容易在后续处理中得到错误的空间对应关系。

写出时，SimpleITK 会根据文件扩展名自动选择 IO 模块。.mha 是 MetaImage 格式，能完整保留上述空间信息；.nii.gz 是 NIfTI 压缩格式，同样保留空间信息，在神经影像中很常见；.dcm 则涉及 DICOM 序列，通常需要用 ImageSeriesReader 读取整个序列，而不是单文件读取。判断写出是否成功，除了看文件是否生成，还应重新读入并核对尺寸、间距和像素类型是否一致。

四、常见问题与排查

安装阶段最常见的问题是 Python 版本不匹配。SimpleITK 的 wheel 通常支持 CPython 3.8 至 3.12 的多个版本，如果你的解释器过新或过旧，pip 可能找不到对应包。此时先确认 python --version，再查看 PyPI 上该版本 SimpleITK 支持的 Python 范围。另一个问题是虚拟环境未激活，导致包装到了系统 Python 中，表现为 import SimpleITK 在预期环境中失败。

读写阶段最常见的问题是路径和格式。Windows 路径中的反斜杠在 Python 字符串中需要转义，建议使用原始字符串 r"D:\data\input.nii.gz" 或正斜杠。DICOM 单文件读取时，如果文件是序列中的一层，ReadImage 只能读到二维切片，需要改用 ImageSeriesReader 并设置 SetFileNames 读取整个序列。此外，如果读入后 GetSpacing() 返回全 1，说明文件本身缺少空间信息，后续重采样和配准需要手动设置。

完成本章后，你应该已经拥有一个可用的 SimpleITK 环境，并理解 Python 与 C++ 接口的取舍逻辑，能够独立完成一次影像读取、元数据检查和格式写出。下一步的工程实践会在此基础上引入图像滤波、重采样和配准，而这些操作都依赖本章建立的空间信息概念。