因为后期主要的研究方向是医学图像处理，而现有手头的大部分数据都是nii格式或者是hdr，img格式的数据，所以首先第一步我们需要解决图像的读写问题。
其实使用OpenCV也可以方便的进行图像读取，但是这里暂时只学习Nibabel这个库，后面有时间的话再研究OpenCV在python中的使用。
Nibabel的安装
可以通过pip进行安装
pip install nibabel
简单的图像读取和存储操作
代码语言：javascript复制import os
import nibabel as nib
# 读取图像
path='C:UsersDarrenDesktopexample.nii.gz'
img=nib.load(path)
# 查看图像的长宽高
img.shape
# 图像进行仿射变换
img.affine.shape
# 保存图像
path_save='C:UsersDarrenDesktopexample_save.nii.gz'
img.to_filename(path_save)
或者
nib.save(img,path_save)补充知识：使用SimpleITK读取NII格式三维图像注意事项
SimpleITK
Python中SimpleITK被广泛用于医学图像的处理任务中，功能非常强大，但是使用的时候还需注意，尤其在图像读取时一定要注意维度。
读取NII格式的图像
代码语言：javascript复制#读取并显示NII图像文件
from matplotlib import pyplot as plt
import SimpleITK as sitk
img_path = 'res.nii.gz'
I = sitk.ReadImage(img_path)
img = sitk.GetArrayFromImage(I)
plt.imshow(img[1,...], cmap='gray', interpolation='bicubic')
plt.xticks([]), plt.yticks([]) and Y axis
plt.show()上面的代码很简单，不多做解释，加入我们在最后加上
print(img.shape)
如果输出（300,200,120），其中分别表示该三维体数据在Z轴，Y轴，X轴上的尺寸，这和MATLAB以及ImageJ都有点不同，后续处理一定要注意。
