我就废话不多说了，大家还是直接看代码吧~
## using simpleITK to load and save data.
import SimpleITK as sitk
itk_img = sitk.ReadImage('./nifti.nii.gz')
img = sitk.GetArrayFromImage(itk_img)
print("img shape:",img.shape)
## save
out = sitk.GetImageFromArray(img)
# # out.SetSpacing(itk_img.GetSpacing())
# # out.SetOrigin
SimpleITK是一个强大的开源库，专门用于医学成像处理，它提供了方便的接口来操作各种医学影像格式，如NIfTI和DICOM。本实例主要介绍了如何使用SimpleITK读取和保存这两种格式的文件。
我们来看如何读取NIfTI文件。在Python中，你可以使用`ReadImage`函数读取一个NIfTI图像文件，如`nifti.nii.gz`。这将返回一个SimpleITK的Image对象。通过`GetArrayFromImage`函数，可以将Image对象转换为NumPy数组，这样就可以进行常规的数组操作和分析。例如，打印图像的形状（`img.shape`）可以了解图像的尺寸，包括深度（或切片数）、宽度和高度。
保存图像时，可以使用`GetImageFromArray`将NumPy数组转换回SimpleITK的Image对象，然后用`WriteImage`函数写入文件。注意，为了保持原始图像的空间信息（如像素间距和原点），应该调用`SetSpacing`和`SetOrigin`方法设置相应的属性，但在这个例子中，这些步骤被注释掉了。
接着，我们探讨了如何读取DICOM序列。DICOM是一种广泛用于医学影像的标准格式，通常包含多张连续的切片。使用`ImageSeriesReader`类，可以通过`GetGDCMSeriesIDs`获取序列ID，然后用`GetGDCMSeriesFileNames`获取文件名列表。通过设置这些文件名，`Execute`方法会读取整个序列并返回3D图像。获取到的图像信息如大小、原点和空间间隔对于后续的处理和分析至关重要。
对于单个DICOM文件的读取，可以使用`ReadImage`函数直接读取，然后同样转换为NumPy数组进行处理。
补充知识部分提到了ITK（Insight Segmentation and Registration Toolkit），它是SimpleITK的底层库，用于读取和转换图像格式。例如，可以使用ITK在JPEG和BMP格式之间进行转换。虽然这里没有展示完整的C++代码，但可以看出，注册相应的ImageIO工厂（如BMP和JPEG），然后利用`ImageFileReader`和`ImageFileWriter`类可以实现格式间的转换。
SimpleITK提供了强大且简洁的接口，使得处理和转换医学影像变得容易。无论是读取单个文件还是处理图像序列，都只需要几行代码即可完成。同时，通过结合NumPy，可以无缝对接数据分析和可视化库，进一步提升工作效率。在实际应用中，确保保留和设置正确的空间信息对于保证图像分析的准确性至关重要。
