1. 从“打开一张图”到“玩转图像处理”为什么你需要Pillow如果你刚开始接触Python并且对图像处理有那么一点兴趣或者你的项目里需要处理一下用户上传的图片、生成个缩略图、加个水印那你大概率会听到一个名字Pillow。它不是什么高深莫测的深度学习框架也不是那种需要啃几百页文档才能上手的庞然大物。Pillow就是那种“瑞士军刀”式的工具库专治各种简单的、常见的图像处理“小毛病”。你可能在网上搜“Python 图片处理”跳出来的第一个结果就是它。它的前身是著名的PILPython Imaging Library但由于年久失修一群热心的开发者接手并维护于是就有了这个更友好、兼容性更好的“枕头”Pillow。我刚开始用的时候也觉得它无非就是Image.open()和Image.save()。但真正用起来才发现很多你以为要写一堆代码或者找其他工具才能搞定的事情Pillow几行命令就解决了。比如你的网站用户上传了各种尺寸的头像你需要统一裁剪成200x200的正方形并压缩比如你要给一批产品图片打上统一的Logo水印再比如你需要把一张彩色图片转换成灰度图来做简单的分析。这些场景Pillow都能优雅地胜任。它屏蔽了底层复杂的图像编解码细节给你提供了一个非常Pythonic的接口让你能用“说人话”的方式操作图像。所以这篇内容不是一份冰冷的API文档翻译而是结合我这些年被它“救急”无数次的经验带你快速上手避开我当初踩过的那些坑。我们会从最基础的安装、打开图片开始一步步深入到裁剪、缩放、滤镜、绘图等核心操作最后再聊聊如何把它用在实际项目里。目标很简单让你看完就能动手用Pillow解决你手头80%的图像处理需求。2. 环境搭建与第一行代码避开版本兼容的“暗礁”万事开头难但Pillow的开头其实不难难的是别在一开始就掉进坑里。很多人包括当年的我都在安装这一步上浪费过时间。2.1 安装Pillowpip与虚拟环境安装Pillow的命令简单到令人发指pip install Pillow对就是这么简单。但是这里有三个至关重要的细节直接关系到你后续开发的顺畅程度。第一分清PIL和Pillow。你在代码里导入的模块名是PIL比如from PIL import Image。这是因为Pillow是PIL的一个友好分支它保持了API的完全兼容性所以你依然用PIL这个包名来导入但安装的包名是Pillow。千万不要尝试pip install PIL那会安装一个古老的、不维护的版本或者直接安装失败。第二强烈建议使用虚拟环境。这是Python开发的最佳实践尤其是当你同时维护多个项目或者你的系统Python环境比较“干净”不想被污染的时候。我推荐使用venvPython 3.3内置# 在你的项目目录下 python -m venv venv # 激活虚拟环境 (Windows) venv\Scripts\activate # 激活虚拟环境 (macOS/Linux) source venv/bin/activate # 然后在激活的虚拟环境中安装 pip install Pillow这样做的好处是你这个项目所有的依赖包括Pillow的特定版本都被隔离在这个小环境里不会影响其他项目。项目迁移时一个pip freeze requirements.txt就能搞定所有依赖。第三注意Python版本。Pillow支持主流的Python 3版本。但如果你看到一些非常古老的教程比如针对Python 2.7的里面的某些代码可能在新版Pillow或Python 3上需要微调。我们这里讨论的一切都基于Python 3.8。安装成功后你可以打开Python解释器验证一下 import PIL PIL.__version__ 9.5.0 # 你的版本号可能更新看到版本号就说明安装成功了。2.2 打开、查看与保存你的第一个图像程序现在让我们写一个最简单的脚本完成图像的“读取-展示-保存”闭环。假设你有一张名为example.jpg的图片放在脚本同目录下。from PIL import Image # 1. 打开图像 img Image.open(example.jpg) # 2. 获取图像基本信息非必须但很有用 print(f格式: {img.format}) # 例如JPEG, PNG print(f尺寸: {img.size}) # (宽度, 高度)例如(1920, 1080) print(f模式: {img.mode}) # 例如RGB, RGBA, L (灰度) # 3. 展示图像依赖系统图片查看器 img.show() # 4. 保存图像可以转换格式 img.save(example_copy.png) # 将JPG另存为PNG运行这段代码你应该能看到图片被你的系统默认图片查看器打开并且目录下多了一个example_copy.png文件。这里有几个新手常问的问题img.show()没反应这个方法会调用系统默认的图片查看器。在某些无图形界面的服务器环境或特定的IDE配置下可能失效。这不是Pillow的问题而是环境问题。在服务器上我们通常不“显示”图片而是处理完后保存或传输。Image.open()会不会把整个图片加载到内存对于大多数常见格式如JPEG、PNGPillow会采用一种“延迟加载”的策略。open操作主要读取了图片的文件头和元数据真正的像素数据在你第一次调用img.load()或进行img.size等需要像素信息的操作时才会完全载入内存。这有利于处理大图时节省初始内存。保存时如何控制质量对于JPEG你可以通过quality参数控制范围1-100默认75img.save(output.jpg, quality85) # 高质量 img.save(small.jpg, quality30, optimizeTrue) # 低质量开启优化对于PNG你可以用compress_level参数范围0-9默认69压缩率最高但最慢。这一步看似简单却是所有后续操作的基础。确保你能成功打开、保存一张图片我们再继续。3. 图像的基本操作裁剪、缩放与旋转处理图片最常干的三件事就是把它剪掉一块裁剪把它变大变小缩放把它转个方向旋转。Pillow让这些操作变得异常直观。3.1 裁剪用坐标框出你想要的部分裁剪的核心是定义一个矩形区域这个区域由左上角和右下角的坐标决定。在Pillow的坐标系里原点(0, 0)在图片的左上角x轴向右y轴向下。from PIL import Image img Image.open(example.jpg) width, height img.size # 定义裁剪区域 (left, upper, right, lower) # 假设我们要裁剪出正中央的一个400x400的正方形 left (width - 400) // 2 upper (height - 400) // 2 right left 400 lower upper 400 cropped_img img.crop((left, upper, right, lower)) cropped_img.save(cropped_center.jpg)crop方法接受一个包含四个整数的元组并返回一个新的Image对象。原图img不会被修改。这是Pillow一个重要的设计原则很多方法返回的是新对象而非原地修改。实操心得如果你要裁剪的头像需要是圆形或其他形状单纯用crop得到的是矩形。通常的做法是先裁剪出正方形然后创建一个圆形蒙版mask再通过putalpha或paste方法结合蒙版来实现圆形效果。这涉及到后面的“图像合成”操作。3.2 缩放与调整尺寸resize与thumbnail改变图片尺寸有两个主要方法resize和thumbnail。它们有细微但重要的区别。resize强制调整到指定尺寸。new_size (800, 600) resized_img img.resize(new_size) resized_img.save(resized.jpg)resize会严格按照你给的(width, height)来改变图片不考虑原图比例。如果你传入(800, 600)原图就会被拉伸或压缩成这个尺寸可能导致变形。thumbnail按比例缩放到指定最大边界框内。max_size (400, 400) # 定义一个边界框 img.thumbnail(max_size) # 注意thumbnail是原地操作会修改img自身 img.save(thumbnail.jpg)thumbnail方法会保持原图的宽高比将图片缩小使得其宽度和高度都不超过max_size元组中对应的值。关键点thumbnail是原地in-place操作它直接修改调用它的Image对象并且只支持缩小图片如果原图比边界框小则不变。如果你需要保留原图记得先拷贝一份img_copy img.copy()。选择哪个生成固定尺寸的展示图如商品主图用resize可能需要先裁剪保证比例。生成列表页缩略图、用户头像预览等需要保持原图比例的场景用thumbnail更省心。关于重采样滤波器缩放图片时像素需要被重新计算重采样。Pillow提供了几种算法通过resample参数指定默认为Image.Resampling.BICUBIC在旧版本中可能是Image.BICUBIC。from PIL import Image # 高质量缩小抗锯齿效果好 small_img img.resize((200, 200), resampleImage.Resampling.LANCZOS) # 快速、低质量放大像素风格 large_img img.resize((800, 800), resampleImage.Resampling.NEAREST)LANCZOS质量最好但最慢适合缩小NEAREST最快但会产生锯齿适合像素艺术或快速预览BILINEAR和BICUBIC是平衡质量和速度的常用选择。3.3 旋转与翻转rotate与transpose旋转图片通常使用rotate方法它按逆时针方向旋转指定的角度。# 逆时针旋转90度 rotated_img img.rotate(90) # 旋转并扩展画布避免角落被裁剪默认背景为黑色 rotated_img_expand img.rotate(45, expandTrue)expandTrue参数非常有用。如果不加旋转后的图片尺寸不变四个角会被裁剪掉。加上这个参数Pillow会自动计算新的画布大小将整个旋转后的图像包含进来缺失的部分用黑色或其他指定颜色填充。对于90度的整数倍旋转更高效的方法是使用transpose# 左右翻转 flipped_lr img.transpose(Image.Transpose.FLIP_LEFT_RIGHT) # 上下翻转 flipped_tb img.transpose(Image.Transpose.FLIP_TOP_BOTTOM) # 逆时针旋转90度 rotated_90 img.transpose(Image.Transpose.ROTATE_90) # 旋转180度 rotated_180 img.transpose(Image.Transpose.ROTATE_180) # 顺时针旋转90度 (即逆时针270度) rotated_270 img.transpose(Image.Transpose.ROTATE_270)transpose执行的是无损的、预定义的空间变换比rotate(90)在计算上更高效。4. 色彩、滤镜与像素级操作掌握了形状变换我们来看看如何改变图片的“颜色”和“感觉”。Pillow提供了从高级滤镜到底层像素访问的全套工具。4.1 色彩模式转换与基础调整一张图片可能有不同的色彩模式常见的有RGB 红绿蓝三通道彩色。RGBA RGB加Alpha透明通道。L 灰度Luminance只有一个通道表示亮度。1 二值图黑白像素非0即1。P 调色板模式。使用convert方法可以进行模式转换# 转换为灰度图 gray_img img.convert(L) gray_img.save(gray.jpg) # 如果原图是RGBA有透明背景转换为RGB时会用白色填充透明区域 rgb_img img.convert(RGB)转换为灰度图是常见的预处理步骤例如用于OCR文字识别或简单的图像分析。Pillow的ImageEnhance模块提供了一些简单的色彩增强功能from PIL import Image, ImageEnhance enhancer ImageEnhance.Brightness(img) brighter_img enhancer.enhance(1.5) # 亮度增强到1.5倍 enhancer ImageEnhance.Contrast(img) contrast_img enhancer.enhance(2.0) # 对比度增强到2倍 enhancer ImageEnhance.Color(img) vivid_img enhancer.enhance(1.2) # 色彩饱和度增强 enhancer ImageEnhance.Sharpness(img) sharp_img enhancer.enhance(3.0) # 锐化enhance(factor)中的factor为1.0表示原图小于1.0减弱大于1.0增强。这些调整是全局的、相对简单的适合快速的图像优化。4.2 使用内置滤镜ImageFilterPillow内置了一些经典的图像滤镜通过ImageFilter模块调用非常方便。from PIL import Image, ImageFilter # 模糊滤镜 blurred img.filter(ImageFilter.BLUR) # 轻微模糊 gaussian_blur img.filter(ImageFilter.GaussianBlur(radius2)) # 高斯模糊可调半径 # 边缘检测 edges img.filter(ImageFilter.FIND_EDGES) # 轮廓 contour img.filter(ImageFilter.CONTOUR) # 细节增强 detail img.filter(ImageFilter.DETAIL) # 浮雕效果 emboss img.filter(ImageFilter.EMBOSS) # 平滑 smooth img.filter(ImageFilter.SMOOTH) # 锐化 sharpen img.filter(ImageFilter.SHARPEN)这些滤镜是预定义的卷积核直接应用即可。对于高斯模糊radius参数控制模糊强度值越大越模糊。4.3 像素级访问与自定义处理load()与putdata()当你需要实现更复杂的特效或者进行图像分析时可能需要直接操作像素。Pillow提供了几种方式。方式一使用load()方法获取像素访问对象。这种方法适合随机访问或修改少量像素。pixels img.load() # 获取像素访问对象 width, height img.size for x in range(width): for y in range(height): r, g, b pixels[x, y] # 获取RGB值 # 例如做一个简单的反色效果 pixels[x, y] (255 - r, 255 - g, 255 - b)注意pixels[x, y]的坐标顺序是(x, y)即(列 行)。load()方法会将图像数据加载到内存中对于大图遍历所有像素可能较慢。方式二使用getdata()和putdata()进行批量操作。这种方式通常更高效尤其是配合NumPy如果已安装进行向量化运算。# 获取所有像素数据的迭代器扁平化的一维序列 data list(img.getdata()) # 转换为列表每个元素是一个RGB元组例如 (255, 0, 0) # 假设我们想将所有像素的红色通道值减半 new_data [] for r, g, b in data: new_data.append((r // 2, g, b)) # 创建一个新图像并放入数据 new_img Image.new(img.mode, img.size) new_img.putdata(new_data)如果安装了NumPy处理速度会快很多import numpy as np # 将Image对象转换为NumPy数组 img_array np.array(img) # 进行向量化运算例如反色 img_array_inv 255 - img_array # 将NumPy数组转换回Image对象 new_img_from_array Image.fromarray(img_array_inv.astype(uint8))重要提醒直接操作像素时务必清楚图像的色彩模式img.mode。RGB模式下的像素是(R, G, B)三元组而L模式下的像素是单个亮度值。错误地解包或赋值会导致程序崩溃或产生错误结果。5. 绘图与文字叠加创造内容而不仅是修改Pillow不仅能处理现有图片还能“无中生有”地创建图片或者在现有图片上添加图形和文字。这主要通过ImageDraw和ImageFont模块实现。5.1 创建画布与基本绘图首先我们可以创建一个全新的图片from PIL import Image, ImageDraw # 创建一个800x600的白色RGB图片 new_image Image.new(RGB, (800, 600), colorwhite) # 颜色也可以用元组指定color(255, 255, 255) 或 十六进制字符串color#FF0000 # 创建一个可以在图像上绘制的对象 draw ImageDraw.Draw(new_image) # 画一个矩形左上角(100,100)右下角(300,300)填充红色边框蓝色 draw.rectangle([100, 100, 300, 300], fillred, outlineblue, width3) # 画一条线从(400,100)到(600,500)绿色宽度5 draw.line([400, 100, 600, 500], fillgreen, width5) # 画一个椭圆外接矩形为[150, 350, 450, 550]填充黄色 draw.ellipse([150, 350, 450, 550], fillyellow) # 画一个多边形连接点(500,50), (700,150), (650,300), (550,200)填充紫色 draw.polygon([(500, 50), (700, 150), (650, 300), (550, 200)], fillpurple) new_image.save(drawing.png)ImageDraw.Draw对象提供了丰富的绘图方法rectangle,ellipse,line,polygon,arc,chord,pieslice等。坐标系统依然是左上角为原点。5.2 添加文字字体与对齐的坑添加文字是需求频率很高的功能比如生成带水印的图片、制作简易海报等。from PIL import Image, ImageDraw, ImageFont img Image.open(background.jpg) draw ImageDraw.Draw(img) # 1. 使用默认字体通常很小且不好看 # draw.text((10, 10), Hello, Pillow!, fillwhite) # 2. 使用系统字体推荐 try: # 尝试加载一个系统字体指定大小 font ImageFont.truetype(arial.ttf, 40) # Windows # font ImageFont.truetype(/Library/Fonts/Arial.ttf, 40) # macOS # font ImageFont.truetype(/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf, 40) # Linux except IOError: # 如果找不到字体回退到默认字体 print(指定字体文件未找到使用默认字体。) font ImageFont.load_default() # 3. 绘制文字 text Sample Watermark draw.text((img.width - 200, img.height - 50), text, fill(255, 255, 255, 128), fontfont) # 半透明白色 img.save(watermarked.jpg)踩坑实录字体路径。这是添加文字时最大的坑。ImageFont.load_default()加载的字体像素非常小几乎不可用。ImageFont.truetype()需要指定一个系统中存在的.ttf或.otf字体文件路径。跨平台时字体路径不同需要处理异常或根据平台判断。一个更稳健的做法是将项目用到的字体文件放在项目目录下使用相对路径加载。关于文本位置和尺寸text方法的坐标(x, y)指定的是文本左上角的位置。如果你需要居中文字需要手动计算text Centered Text # 获取字体对象下这段文字的渲染尺寸 bbox draw.textbbox((0, 0), text, fontfont) # 返回 (left, top, right, bottom) text_width bbox[2] - bbox[0] text_height bbox[3] - bbox[1] # 计算居中坐标 x (img.width - text_width) // 2 y (img.height - text_height) // 2 draw.text((x, y), text, fillblack, fontfont)Pillow的textbbox方法或旧版的textsize是精确计算文本占位区域的关键。5.3 图像合成paste与透明度如何把一张小图片比如Logo贴到大图上用paste方法。logo Image.open(logo.png) background Image.open(background.jpg) # 简单粘贴将logo贴在背景的(10,10)位置 background.paste(logo, (10, 10)) # 如果logo有透明通道RGBA模式paste默认会忽略透明度将透明部分视为黑色。 # 为了保留透明度需要将logo自身作为“掩码”mask if logo.mode RGBA: # 将logo的alpha通道作为mask background.paste(logo, (10, 10), logo) else: background.paste(logo, (10, 10)) background.save(combined.jpg)当paste的第三个参数提供了mask图像时它会根据mask的亮度或alpha值来决定粘贴的透明度。通常我们直接将带透明通道的图片自身作为mask传入。更复杂的合成混合模式。Pillow的Image.blend和Image.composite可以实现更精细的混合但paste结合mask已经能满足绝大多数水印、Logo叠加的需求。6. 实战构建一个简单的图片批处理脚本学了这么多我们来整合一下写一个有点用的脚本。假设我们有一个文件夹input_images里面有很多用户上传的、大小不一的图片。我们需要将所有图片统一调整为宽度800像素高度按比例缩放。在右下角添加一个半透明的文字水印。将处理后的图片保存到output_images文件夹并保持原文件名。import os from PIL import Image, ImageDraw, ImageFont def process_image(input_path, output_path, watermark_textMy Watermark): try: # 1. 打开图片 with Image.open(input_path) as img: # 转换为RGB避免处理PNG的RGBA时出现问题水印字体颜色是RGB img img.convert(RGB) # 2. 调整尺寸 target_width 800 ratio target_width / float(img.width) target_height int(float(img.height) * ratio) img_resized img.resize((target_width, target_height), Image.Resampling.LANCZOS) # 3. 添加水印 draw ImageDraw.Draw(img_resized) # 尝试加载字体失败则用默认 try: font ImageFont.truetype(arial.ttf, 30) except IOError: font ImageFont.load_default() # 计算水印文字位置右下角留一些边距 bbox draw.textbbox((0, 0), watermark_text, fontfont) text_width bbox[2] - bbox[0] text_height bbox[3] - bbox[1] margin 10 position (img_resized.width - text_width - margin, img_resized.height - text_height - margin) # 绘制半透明白色文字 draw.text(position, watermark_text, fill(255, 255, 255, 128), fontfont) # 4. 保存图片保持原格式通过后缀判断设置JPEG质量 ext os.path.splitext(input_path)[1].lower() if ext in [.jpg, .jpeg]: img_resized.save(output_path, quality85, optimizeTrue) else: img_resized.save(output_path) # PNG, GIF等保持原样 print(f处理成功: {input_path} - {output_path}) except Exception as e: print(f处理失败 {input_path}: {e}) def batch_process(input_dirinput_images, output_diroutput_images): # 创建输出目录 if not os.path.exists(output_dir): os.makedirs(output_dir) # 遍历输入目录下所有图片文件 supported_formats (.jpg, .jpeg, .png, .gif, .bmp) for filename in os.listdir(input_dir): if filename.lower().endswith(supported_formats): input_path os.path.join(input_dir, filename) output_path os.path.join(output_dir, filename) process_image(input_path, output_path) if __name__ __main__: batch_process()这个脚本包含了异常处理、路径操作、格式判断和之前学到的核心图像操作。你可以把它作为一个起点根据需求添加更多功能比如批量重命名、添加图片EXIF信息、或者更复杂的水印图片Logo水印。7. 进阶话题与性能考量当你开始处理成千上万张图片或者单张图片尺寸巨大时性能就成了问题。这里分享几个思路1. 使用ImageOps模块它包含了一些常用的、优化过的操作比如fit,pad,mirror,invert等代码更简洁。from PIL import ImageOps # 创建一个200x200的缩略图保持比例用白色填充多余部分 thumbnail ImageOps.fit(img, (200, 200), methodImage.Resampling.LANCZOS, bleed0.0, centering(0.5, 0.5))2. 处理大图与内存对于非常大的图片比如卫星图像一次性加载到内存可能吃不消。Pillow支持“分块”处理你可以使用Image.crop结合循环来处理图片的各个区域。另一种思路是使用Image.resize或thumbnail先降低分辨率进行处理。3. 并发处理对于批处理任务可以使用Python的concurrent.futures模块如ThreadPoolExecutor进行多线程或多进程处理充分利用多核CPU。注意由于Python的GIL对于CPU密集型的图像处理操作多进程ProcessPoolExecutor通常效果更好。但也要小心进程间通信和资源竞争。4. 与其他库协作对于极其复杂的图像处理、计算机视觉任务Pillow可能力有不逮。这时可以将其作为“读/写”图片的工具将图片数据转换为NumPy数组交给OpenCV、scikit-image、TensorFlow/PyTorch等专业库处理处理完再通过Pillow保存。这种工作流非常常见。Pillow的官方文档其实写得相当不错当你需要查询某个具体方法的参数或寻找更冷门的功能时文档是第一选择。希望这篇从入门到实战的梳理能帮你绕过我当年踩过的那些坑快速把Pillow这个得力工具用起来。记住最好的学习方式就是动手找一个你自己的图片处理需求试着用Pillow去实现它遇到问题就查文档、搜社区很快你就能得心应手了。
1. 从“打开一张图”到“玩转图像处理”为什么你需要Pillow如果你刚开始接触Python并且对图像处理有那么一点兴趣或者你的项目里需要处理一下用户上传的图片、生成个缩略图、加个水印那你大概率会听到一个名字Pillow。它不是什么高深莫测的深度学习框架也不是那种需要啃几百页文档才能上手的庞然大物。Pillow就是那种“瑞士军刀”式的工具库专治各种简单的、常见的图像处理“小毛病”。你可能在网上搜“Python 图片处理”跳出来的第一个结果就是它。它的前身是著名的PILPython Imaging Library但由于年久失修一群热心的开发者接手并维护于是就有了这个更友好、兼容性更好的“枕头”Pillow。我刚开始用的时候也觉得它无非就是Image.open()和Image.save()。但真正用起来才发现很多你以为要写一堆代码或者找其他工具才能搞定的事情Pillow几行命令就解决了。比如你的网站用户上传了各种尺寸的头像你需要统一裁剪成200x200的正方形并压缩比如你要给一批产品图片打上统一的Logo水印再比如你需要把一张彩色图片转换成灰度图来做简单的分析。这些场景Pillow都能优雅地胜任。它屏蔽了底层复杂的图像编解码细节给你提供了一个非常Pythonic的接口让你能用“说人话”的方式操作图像。所以这篇内容不是一份冰冷的API文档翻译而是结合我这些年被它“救急”无数次的经验带你快速上手避开我当初踩过的那些坑。我们会从最基础的安装、打开图片开始一步步深入到裁剪、缩放、滤镜、绘图等核心操作最后再聊聊如何把它用在实际项目里。目标很简单让你看完就能动手用Pillow解决你手头80%的图像处理需求。2. 环境搭建与第一行代码避开版本兼容的“暗礁”万事开头难但Pillow的开头其实不难难的是别在一开始就掉进坑里。很多人包括当年的我都在安装这一步上浪费过时间。2.1 安装Pillowpip与虚拟环境安装Pillow的命令简单到令人发指pip install Pillow对就是这么简单。但是这里有三个至关重要的细节直接关系到你后续开发的顺畅程度。第一分清PIL和Pillow。你在代码里导入的模块名是PIL比如from PIL import Image。这是因为Pillow是PIL的一个友好分支它保持了API的完全兼容性所以你依然用PIL这个包名来导入但安装的包名是Pillow。千万不要尝试pip install PIL那会安装一个古老的、不维护的版本或者直接安装失败。第二强烈建议使用虚拟环境。这是Python开发的最佳实践尤其是当你同时维护多个项目或者你的系统Python环境比较“干净”不想被污染的时候。我推荐使用venvPython 3.3内置# 在你的项目目录下 python -m venv venv # 激活虚拟环境 (Windows) venv\Scripts\activate # 激活虚拟环境 (macOS/Linux) source venv/bin/activate # 然后在激活的虚拟环境中安装 pip install Pillow这样做的好处是你这个项目所有的依赖包括Pillow的特定版本都被隔离在这个小环境里不会影响其他项目。项目迁移时一个pip freeze requirements.txt就能搞定所有依赖。第三注意Python版本。Pillow支持主流的Python 3版本。但如果你看到一些非常古老的教程比如针对Python 2.7的里面的某些代码可能在新版Pillow或Python 3上需要微调。我们这里讨论的一切都基于Python 3.8。安装成功后你可以打开Python解释器验证一下 import PIL PIL.__version__ 9.5.0 # 你的版本号可能更新看到版本号就说明安装成功了。2.2 打开、查看与保存你的第一个图像程序现在让我们写一个最简单的脚本完成图像的“读取-展示-保存”闭环。假设你有一张名为example.jpg的图片放在脚本同目录下。from PIL import Image # 1. 打开图像 img Image.open(example.jpg) # 2. 获取图像基本信息非必须但很有用 print(f格式: {img.format}) # 例如JPEG, PNG print(f尺寸: {img.size}) # (宽度, 高度)例如(1920, 1080) print(f模式: {img.mode}) # 例如RGB, RGBA, L (灰度) # 3. 展示图像依赖系统图片查看器 img.show() # 4. 保存图像可以转换格式 img.save(example_copy.png) # 将JPG另存为PNG运行这段代码你应该能看到图片被你的系统默认图片查看器打开并且目录下多了一个example_copy.png文件。这里有几个新手常问的问题img.show()没反应这个方法会调用系统默认的图片查看器。在某些无图形界面的服务器环境或特定的IDE配置下可能失效。这不是Pillow的问题而是环境问题。在服务器上我们通常不“显示”图片而是处理完后保存或传输。Image.open()会不会把整个图片加载到内存对于大多数常见格式如JPEG、PNGPillow会采用一种“延迟加载”的策略。open操作主要读取了图片的文件头和元数据真正的像素数据在你第一次调用img.load()或进行img.size等需要像素信息的操作时才会完全载入内存。这有利于处理大图时节省初始内存。保存时如何控制质量对于JPEG你可以通过quality参数控制范围1-100默认75img.save(output.jpg, quality85) # 高质量 img.save(small.jpg, quality30, optimizeTrue) # 低质量开启优化对于PNG你可以用compress_level参数范围0-9默认69压缩率最高但最慢。这一步看似简单却是所有后续操作的基础。确保你能成功打开、保存一张图片我们再继续。3. 图像的基本操作裁剪、缩放与旋转处理图片最常干的三件事就是把它剪掉一块裁剪把它变大变小缩放把它转个方向旋转。Pillow让这些操作变得异常直观。3.1 裁剪用坐标框出你想要的部分裁剪的核心是定义一个矩形区域这个区域由左上角和右下角的坐标决定。在Pillow的坐标系里原点(0, 0)在图片的左上角x轴向右y轴向下。from PIL import Image img Image.open(example.jpg) width, height img.size # 定义裁剪区域 (left, upper, right, lower) # 假设我们要裁剪出正中央的一个400x400的正方形 left (width - 400) // 2 upper (height - 400) // 2 right left 400 lower upper 400 cropped_img img.crop((left, upper, right, lower)) cropped_img.save(cropped_center.jpg)crop方法接受一个包含四个整数的元组并返回一个新的Image对象。原图img不会被修改。这是Pillow一个重要的设计原则很多方法返回的是新对象而非原地修改。实操心得如果你要裁剪的头像需要是圆形或其他形状单纯用crop得到的是矩形。通常的做法是先裁剪出正方形然后创建一个圆形蒙版mask再通过putalpha或paste方法结合蒙版来实现圆形效果。这涉及到后面的“图像合成”操作。3.2 缩放与调整尺寸resize与thumbnail改变图片尺寸有两个主要方法resize和thumbnail。它们有细微但重要的区别。resize强制调整到指定尺寸。new_size (800, 600) resized_img img.resize(new_size) resized_img.save(resized.jpg)resize会严格按照你给的(width, height)来改变图片不考虑原图比例。如果你传入(800, 600)原图就会被拉伸或压缩成这个尺寸可能导致变形。thumbnail按比例缩放到指定最大边界框内。max_size (400, 400) # 定义一个边界框 img.thumbnail(max_size) # 注意thumbnail是原地操作会修改img自身 img.save(thumbnail.jpg)thumbnail方法会保持原图的宽高比将图片缩小使得其宽度和高度都不超过max_size元组中对应的值。关键点thumbnail是原地in-place操作它直接修改调用它的Image对象并且只支持缩小图片如果原图比边界框小则不变。如果你需要保留原图记得先拷贝一份img_copy img.copy()。选择哪个生成固定尺寸的展示图如商品主图用resize可能需要先裁剪保证比例。生成列表页缩略图、用户头像预览等需要保持原图比例的场景用thumbnail更省心。关于重采样滤波器缩放图片时像素需要被重新计算重采样。Pillow提供了几种算法通过resample参数指定默认为Image.Resampling.BICUBIC在旧版本中可能是Image.BICUBIC。from PIL import Image # 高质量缩小抗锯齿效果好 small_img img.resize((200, 200), resampleImage.Resampling.LANCZOS) # 快速、低质量放大像素风格 large_img img.resize((800, 800), resampleImage.Resampling.NEAREST)LANCZOS质量最好但最慢适合缩小NEAREST最快但会产生锯齿适合像素艺术或快速预览BILINEAR和BICUBIC是平衡质量和速度的常用选择。3.3 旋转与翻转rotate与transpose旋转图片通常使用rotate方法它按逆时针方向旋转指定的角度。# 逆时针旋转90度 rotated_img img.rotate(90) # 旋转并扩展画布避免角落被裁剪默认背景为黑色 rotated_img_expand img.rotate(45, expandTrue)expandTrue参数非常有用。如果不加旋转后的图片尺寸不变四个角会被裁剪掉。加上这个参数Pillow会自动计算新的画布大小将整个旋转后的图像包含进来缺失的部分用黑色或其他指定颜色填充。对于90度的整数倍旋转更高效的方法是使用transpose# 左右翻转 flipped_lr img.transpose(Image.Transpose.FLIP_LEFT_RIGHT) # 上下翻转 flipped_tb img.transpose(Image.Transpose.FLIP_TOP_BOTTOM) # 逆时针旋转90度 rotated_90 img.transpose(Image.Transpose.ROTATE_90) # 旋转180度 rotated_180 img.transpose(Image.Transpose.ROTATE_180) # 顺时针旋转90度 (即逆时针270度) rotated_270 img.transpose(Image.Transpose.ROTATE_270)transpose执行的是无损的、预定义的空间变换比rotate(90)在计算上更高效。4. 色彩、滤镜与像素级操作掌握了形状变换我们来看看如何改变图片的“颜色”和“感觉”。Pillow提供了从高级滤镜到底层像素访问的全套工具。4.1 色彩模式转换与基础调整一张图片可能有不同的色彩模式常见的有RGB 红绿蓝三通道彩色。RGBA RGB加Alpha透明通道。L 灰度Luminance只有一个通道表示亮度。1 二值图黑白像素非0即1。P 调色板模式。使用convert方法可以进行模式转换# 转换为灰度图 gray_img img.convert(L) gray_img.save(gray.jpg) # 如果原图是RGBA有透明背景转换为RGB时会用白色填充透明区域 rgb_img img.convert(RGB)转换为灰度图是常见的预处理步骤例如用于OCR文字识别或简单的图像分析。Pillow的ImageEnhance模块提供了一些简单的色彩增强功能from PIL import Image, ImageEnhance enhancer ImageEnhance.Brightness(img) brighter_img enhancer.enhance(1.5) # 亮度增强到1.5倍 enhancer ImageEnhance.Contrast(img) contrast_img enhancer.enhance(2.0) # 对比度增强到2倍 enhancer ImageEnhance.Color(img) vivid_img enhancer.enhance(1.2) # 色彩饱和度增强 enhancer ImageEnhance.Sharpness(img) sharp_img enhancer.enhance(3.0) # 锐化enhance(factor)中的factor为1.0表示原图小于1.0减弱大于1.0增强。这些调整是全局的、相对简单的适合快速的图像优化。4.2 使用内置滤镜ImageFilterPillow内置了一些经典的图像滤镜通过ImageFilter模块调用非常方便。from PIL import Image, ImageFilter # 模糊滤镜 blurred img.filter(ImageFilter.BLUR) # 轻微模糊 gaussian_blur img.filter(ImageFilter.GaussianBlur(radius2)) # 高斯模糊可调半径 # 边缘检测 edges img.filter(ImageFilter.FIND_EDGES) # 轮廓 contour img.filter(ImageFilter.CONTOUR) # 细节增强 detail img.filter(ImageFilter.DETAIL) # 浮雕效果 emboss img.filter(ImageFilter.EMBOSS) # 平滑 smooth img.filter(ImageFilter.SMOOTH) # 锐化 sharpen img.filter(ImageFilter.SHARPEN)这些滤镜是预定义的卷积核直接应用即可。对于高斯模糊radius参数控制模糊强度值越大越模糊。4.3 像素级访问与自定义处理load()与putdata()当你需要实现更复杂的特效或者进行图像分析时可能需要直接操作像素。Pillow提供了几种方式。方式一使用load()方法获取像素访问对象。这种方法适合随机访问或修改少量像素。pixels img.load() # 获取像素访问对象 width, height img.size for x in range(width): for y in range(height): r, g, b pixels[x, y] # 获取RGB值 # 例如做一个简单的反色效果 pixels[x, y] (255 - r, 255 - g, 255 - b)注意pixels[x, y]的坐标顺序是(x, y)即(列 行)。load()方法会将图像数据加载到内存中对于大图遍历所有像素可能较慢。方式二使用getdata()和putdata()进行批量操作。这种方式通常更高效尤其是配合NumPy如果已安装进行向量化运算。# 获取所有像素数据的迭代器扁平化的一维序列 data list(img.getdata()) # 转换为列表每个元素是一个RGB元组例如 (255, 0, 0) # 假设我们想将所有像素的红色通道值减半 new_data [] for r, g, b in data: new_data.append((r // 2, g, b)) # 创建一个新图像并放入数据 new_img Image.new(img.mode, img.size) new_img.putdata(new_data)如果安装了NumPy处理速度会快很多import numpy as np # 将Image对象转换为NumPy数组 img_array np.array(img) # 进行向量化运算例如反色 img_array_inv 255 - img_array # 将NumPy数组转换回Image对象 new_img_from_array Image.fromarray(img_array_inv.astype(uint8))重要提醒直接操作像素时务必清楚图像的色彩模式img.mode。RGB模式下的像素是(R, G, B)三元组而L模式下的像素是单个亮度值。错误地解包或赋值会导致程序崩溃或产生错误结果。5. 绘图与文字叠加创造内容而不仅是修改Pillow不仅能处理现有图片还能“无中生有”地创建图片或者在现有图片上添加图形和文字。这主要通过ImageDraw和ImageFont模块实现。5.1 创建画布与基本绘图首先我们可以创建一个全新的图片from PIL import Image, ImageDraw # 创建一个800x600的白色RGB图片 new_image Image.new(RGB, (800, 600), colorwhite) # 颜色也可以用元组指定color(255, 255, 255) 或 十六进制字符串color#FF0000 # 创建一个可以在图像上绘制的对象 draw ImageDraw.Draw(new_image) # 画一个矩形左上角(100,100)右下角(300,300)填充红色边框蓝色 draw.rectangle([100, 100, 300, 300], fillred, outlineblue, width3) # 画一条线从(400,100)到(600,500)绿色宽度5 draw.line([400, 100, 600, 500], fillgreen, width5) # 画一个椭圆外接矩形为[150, 350, 450, 550]填充黄色 draw.ellipse([150, 350, 450, 550], fillyellow) # 画一个多边形连接点(500,50), (700,150), (650,300), (550,200)填充紫色 draw.polygon([(500, 50), (700, 150), (650, 300), (550, 200)], fillpurple) new_image.save(drawing.png)ImageDraw.Draw对象提供了丰富的绘图方法rectangle,ellipse,line,polygon,arc,chord,pieslice等。坐标系统依然是左上角为原点。5.2 添加文字字体与对齐的坑添加文字是需求频率很高的功能比如生成带水印的图片、制作简易海报等。from PIL import Image, ImageDraw, ImageFont img Image.open(background.jpg) draw ImageDraw.Draw(img) # 1. 使用默认字体通常很小且不好看 # draw.text((10, 10), Hello, Pillow!, fillwhite) # 2. 使用系统字体推荐 try: # 尝试加载一个系统字体指定大小 font ImageFont.truetype(arial.ttf, 40) # Windows # font ImageFont.truetype(/Library/Fonts/Arial.ttf, 40) # macOS # font ImageFont.truetype(/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf, 40) # Linux except IOError: # 如果找不到字体回退到默认字体 print(指定字体文件未找到使用默认字体。) font ImageFont.load_default() # 3. 绘制文字 text Sample Watermark draw.text((img.width - 200, img.height - 50), text, fill(255, 255, 255, 128), fontfont) # 半透明白色 img.save(watermarked.jpg)踩坑实录字体路径。这是添加文字时最大的坑。ImageFont.load_default()加载的字体像素非常小几乎不可用。ImageFont.truetype()需要指定一个系统中存在的.ttf或.otf字体文件路径。跨平台时字体路径不同需要处理异常或根据平台判断。一个更稳健的做法是将项目用到的字体文件放在项目目录下使用相对路径加载。关于文本位置和尺寸text方法的坐标(x, y)指定的是文本左上角的位置。如果你需要居中文字需要手动计算text Centered Text # 获取字体对象下这段文字的渲染尺寸 bbox draw.textbbox((0, 0), text, fontfont) # 返回 (left, top, right, bottom) text_width bbox[2] - bbox[0] text_height bbox[3] - bbox[1] # 计算居中坐标 x (img.width - text_width) // 2 y (img.height - text_height) // 2 draw.text((x, y), text, fillblack, fontfont)Pillow的textbbox方法或旧版的textsize是精确计算文本占位区域的关键。5.3 图像合成paste与透明度如何把一张小图片比如Logo贴到大图上用paste方法。logo Image.open(logo.png) background Image.open(background.jpg) # 简单粘贴将logo贴在背景的(10,10)位置 background.paste(logo, (10, 10)) # 如果logo有透明通道RGBA模式paste默认会忽略透明度将透明部分视为黑色。 # 为了保留透明度需要将logo自身作为“掩码”mask if logo.mode RGBA: # 将logo的alpha通道作为mask background.paste(logo, (10, 10), logo) else: background.paste(logo, (10, 10)) background.save(combined.jpg)当paste的第三个参数提供了mask图像时它会根据mask的亮度或alpha值来决定粘贴的透明度。通常我们直接将带透明通道的图片自身作为mask传入。更复杂的合成混合模式。Pillow的Image.blend和Image.composite可以实现更精细的混合但paste结合mask已经能满足绝大多数水印、Logo叠加的需求。6. 实战构建一个简单的图片批处理脚本学了这么多我们来整合一下写一个有点用的脚本。假设我们有一个文件夹input_images里面有很多用户上传的、大小不一的图片。我们需要将所有图片统一调整为宽度800像素高度按比例缩放。在右下角添加一个半透明的文字水印。将处理后的图片保存到output_images文件夹并保持原文件名。import os from PIL import Image, ImageDraw, ImageFont def process_image(input_path, output_path, watermark_textMy Watermark): try: # 1. 打开图片 with Image.open(input_path) as img: # 转换为RGB避免处理PNG的RGBA时出现问题水印字体颜色是RGB img img.convert(RGB) # 2. 调整尺寸 target_width 800 ratio target_width / float(img.width) target_height int(float(img.height) * ratio) img_resized img.resize((target_width, target_height), Image.Resampling.LANCZOS) # 3. 添加水印 draw ImageDraw.Draw(img_resized) # 尝试加载字体失败则用默认 try: font ImageFont.truetype(arial.ttf, 30) except IOError: font ImageFont.load_default() # 计算水印文字位置右下角留一些边距 bbox draw.textbbox((0, 0), watermark_text, fontfont) text_width bbox[2] - bbox[0] text_height bbox[3] - bbox[1] margin 10 position (img_resized.width - text_width - margin, img_resized.height - text_height - margin) # 绘制半透明白色文字 draw.text(position, watermark_text, fill(255, 255, 255, 128), fontfont) # 4. 保存图片保持原格式通过后缀判断设置JPEG质量 ext os.path.splitext(input_path)[1].lower() if ext in [.jpg, .jpeg]: img_resized.save(output_path, quality85, optimizeTrue) else: img_resized.save(output_path) # PNG, GIF等保持原样 print(f处理成功: {input_path} - {output_path}) except Exception as e: print(f处理失败 {input_path}: {e}) def batch_process(input_dirinput_images, output_diroutput_images): # 创建输出目录 if not os.path.exists(output_dir): os.makedirs(output_dir) # 遍历输入目录下所有图片文件 supported_formats (.jpg, .jpeg, .png, .gif, .bmp) for filename in os.listdir(input_dir): if filename.lower().endswith(supported_formats): input_path os.path.join(input_dir, filename) output_path os.path.join(output_dir, filename) process_image(input_path, output_path) if __name__ __main__: batch_process()这个脚本包含了异常处理、路径操作、格式判断和之前学到的核心图像操作。你可以把它作为一个起点根据需求添加更多功能比如批量重命名、添加图片EXIF信息、或者更复杂的水印图片Logo水印。7. 进阶话题与性能考量当你开始处理成千上万张图片或者单张图片尺寸巨大时性能就成了问题。这里分享几个思路1. 使用ImageOps模块它包含了一些常用的、优化过的操作比如fit,pad,mirror,invert等代码更简洁。from PIL import ImageOps # 创建一个200x200的缩略图保持比例用白色填充多余部分 thumbnail ImageOps.fit(img, (200, 200), methodImage.Resampling.LANCZOS, bleed0.0, centering(0.5, 0.5))2. 处理大图与内存对于非常大的图片比如卫星图像一次性加载到内存可能吃不消。Pillow支持“分块”处理你可以使用Image.crop结合循环来处理图片的各个区域。另一种思路是使用Image.resize或thumbnail先降低分辨率进行处理。3. 并发处理对于批处理任务可以使用Python的concurrent.futures模块如ThreadPoolExecutor进行多线程或多进程处理充分利用多核CPU。注意由于Python的GIL对于CPU密集型的图像处理操作多进程ProcessPoolExecutor通常效果更好。但也要小心进程间通信和资源竞争。4. 与其他库协作对于极其复杂的图像处理、计算机视觉任务Pillow可能力有不逮。这时可以将其作为“读/写”图片的工具将图片数据转换为NumPy数组交给OpenCV、scikit-image、TensorFlow/PyTorch等专业库处理处理完再通过Pillow保存。这种工作流非常常见。Pillow的官方文档其实写得相当不错当你需要查询某个具体方法的参数或寻找更冷门的功能时文档是第一选择。希望这篇从入门到实战的梳理能帮你绕过我当年踩过的那些坑快速把Pillow这个得力工具用起来。记住最好的学习方式就是动手找一个你自己的图片处理需求试着用Pillow去实现它遇到问题就查文档、搜社区很快你就能得心应手了。
双梁正问题 【 torch 实战】（Python代码实现）)
