一、需要的安装包
因为scikit-image是基于scipy进行运算的，因此安装numpy和scipy是肯定的。要进行图片的显示，还需要安装matplotlib包，综合起来，需要的包有：
1 Python >= 2.6 2 Numpy >= 1.6.1 3 Cython >= 0.21 4 Six >=1.4 5 SciPy >=0.9 6 Matplotlib >= 1.1.0 7 NetworkX >= 1.8 8 Pillow >= 1.7.8 9 dask[array] >= 0.5.0
比较，安装起来非常费事，尤其是scipy，在windows上基本安装不上。
但是不用怕，我们选择一款集成安装环境就行了，在此推荐Anaconda, 它把以上需要的包都集成在了一起，因此我们实际上从头到尾只需要安装Anaconda软件就行了，其它什么都不用装。
二、下载并安装 anaconda
先到https://www.continuum.io/downloads 下载anaconda, 现在的版本有python2.7版本和python3.5版本，下载好对应版本、对应系统的anaconda，它实际上是一个sh脚本文件，大约280M左右。
本系列以windows7+python3.5为例，因此我们下载如下图红框里的版本：
名称为： Anaconda3-2.4.1-Windows-x86_64.exe
是一个可执行的exe文件，下载完成好，直接双击就可以安装了。
在安装的时候，假设我们安装在D盘根目录，如：
并且将两个选项都选上，将安装路径写入环境变量。
然后等待安装完成就可以了。
安装完成后，打开windows的命令提示符：
输入conda list 就可以查询现在安装了哪些库，常用的numpy, scipy名列其中。如果你还有什么包没有安装上，可以运行
conda install *** 来进行安装。（***为需要的包的名称）
如果某个包版本不是最新的，运行 conda update *** 就可以更新了。
三、简单测试
anaconda自带了一款编辑器spyder，我们以后就可以用这款编辑器来编写代码。
spyder.exe放在安装目录下的Scripts里面，如我的是 D:/Anaconda3/Scripts/spyder.exe, 直接双击就能运行。我们可以右键发送到桌面快捷方式，以后运行就比较方便了。
我们简单编写一个程序来测试一下安装是否成功，该程序用来打开一张图片并显示。首先准备一张图片，然后打开spyder，编写如下代码：
1 from skimage import io 2 img=io.imread('d:/dog.jpg') 3 io.imshow(img)
将其中的d:/dog.jpg 改成你的图片位置
然后点击上面工具栏里的绿色三角进行运行，最终显示
如果右下角“ Ipython console" 能显示出图片，说明我们的运行环境安装成功。
我们可以选择右上角的 ” variable explorer" 来查看图片信息，如
我们可以把这个程序保存起来，注意python脚本文件的后缀名为py.
四、skimage包的子模块
skimage包的全称是scikit-image SciKit (toolkit for SciPy) ，它对scipy.ndimage进行了扩展，提供了更多的图片处理功能。它是由python语言编写的，由scipy 社区开发和维护。skimage包由许多的子模块组成，各个子模块提供不同的功能。主要子模块列表如下：
| 子模块名称 | 主要实现功能 |
| io | 读取、保存和显示图片或视频 |
| data | 提供一些测试图片和样本数据 |
| color | 颜色空间变换 |
| filters | 图像增强、边缘检测、排序滤波器、自动阈值等 |
| draw | 操作于numpy数组上的基本图形绘制，包括线条、矩形、圆和文本等 |
| transform | 几何变换或其它变换，如旋转、拉伸和拉东变换等 |
| morphology | 形态学操作，如开闭运算、骨架提取等 |
| exposure | 图片强度调整，如亮度调整、直方图均衡等 |
| feature | 特征检测与提取等 |
| measure | 图像属性的测量，如相似性或等高线等 |
| segmentation | 图像分割 |
| restoration | 图像恢复 |
| util | 通用函数 |
用到一些图片处理的操作函数时，需要导入对应的子模块，如果需要导入多个子模块，则用逗号隔开，如
1 from skimage import io,data,color
以上所述是windows上安装Anaconda和python的教程详解。