Pillow — Python 图像处理

待复核

是什么

Pillow 是 Python 里最常用的图像打开、转换、裁剪、缩放和绘制库。日常类比：它像 Python 后厨里的一块案板，图片进来先被摆成像素，再切、缩、转格式、加字，最后装盘成新文件。

它是 PIL（Python Imaging Library）的活跃 fork。PIL 很早就让 Python 能处理图片，但后来维护变慢；Pillow 接过接口和生态，继续支持新 Python、新格式和安全修复。

最小例子：

from PIL import Image

with Image.open("photo.jpg") as im:
    print(im.format, im.size, im.mode)
    im.resize((320, 240)).save("small.jpg")

这段代码做了三件事：打开文件、读出格式和尺寸、输出一张缩小版。你不用自己解析 JPEG 字节，也不用手写像素循环。

Pillow 在 GitHub 上约 12.3k stars，但它的真实影响力更大：很多 Web 后端、爬虫、数据集脚本、测试截图工具都在某个角落用它处理图片。

为什么重要

不理解 Pillow，下面这些事都很难解释：

为什么 Python 网站上传头像后，后端能自动生成缩略图、WebP 和预览图
为什么手机竖拍照片有时在网页里横着显示：EXIF 方向只是元数据，不一定已经改过像素
为什么 PNG 透明图直接存成 JPEG 会出问题：JPEG 没有 alpha 透明通道
为什么一张 5 MB 图片可能吃掉几百 MB 内存：真正处理的是解码后的像素面积

核心要点

Pillow 的心智模型可以拆成三层：

Image 对象是图片本体：Image.open() 返回的不是文件名，而是一张可操作的图片对象。类比：把快递盒拆开后，东西本身放到桌上，后续操作都对这个东西做。
mode 决定每个像素长什么样：RGB 是红绿蓝三通道，RGBA 多一个透明通道，L 是灰度，P 是调色板。类比：同样一张表格，列数不同，能表达的信息也不同。
格式读写靠插件和后缀：打开时 Pillow 会看文件内容识别格式；保存时如果不显式给 format，通常根据输出后缀决定。类比：进口先验货，出口要看包装标签。

抓住这三点，很多报错会清楚很多：不是“图片坏了”，而是对象、像素模式、输出格式三者没对齐。

实践案例

案例 1：把用户上传图变成网页缩略图

真实场景：用户上传手机照片，网站需要旋正方向、限制尺寸、输出体积较小的 WebP。

python -m pip install --upgrade Pillow
python make_thumb.py

from PIL import Image, ImageOps

with Image.open("upload.jpg") as im:
    im = ImageOps.exif_transpose(im)
    im.thumbnail((800, 800), Image.Resampling.LANCZOS)
    im.save("thumb.webp", quality=85, method=6)

逐部分解释：

Image.open 打开上传图，但像素通常到真正处理时才完整解码
ImageOps.exif_transpose 按 EXIF 方向旋正，并移除方向标记
thumbnail 保持比例，把图片塞进 800x800 的盒子，而且会原地修改对象
save(..., quality=85) 输出 WebP，适合网页预览和缩略图

案例 2：给运营图自动加标题卡片

真实场景：每天生成小红书、博客或分享页封面，标题来自程序，不想打开设计软件手动排版。

from PIL import Image, ImageDraw, ImageFont

card = Image.new("RGB", (1200, 630), "#f8fafc")
draw = ImageDraw.Draw(card)

try:
    title_font = ImageFont.truetype("Arial.ttf", 56)
except OSError:
    title_font = ImageFont.load_default()

draw.rounded_rectangle((60, 60, 1140, 570), radius=32, fill="#ffffff")
draw.text((110, 130), "Pillow 图像处理入门", fill="#0f172a", font=title_font)
draw.text((110, 230), "自动生成封面，而不是手动截图", fill="#475569")
card.save("cover.png")

逐部分解释：

Image.new 从零创建一张空白 RGB 图，尺寸就是社交卡片常用比例
ImageDraw.Draw 给图片接上画笔，可以画矩形、线条、文字
truetype 尝试加载系统字体，失败时回退到默认字体，避免脚本直接崩
rounded_rectangle 和 text 都是直接把像素画到当前图片上

案例 3：批量整理数据集图片

真实场景：机器学习或测试数据来自不同来源，格式、透明度、方向都不统一，先清洗成统一 PNG 再交给后续脚本。

mkdir -p normalized
python normalize_images.py

from pathlib import Path
from PIL import Image, ImageOps, UnidentifiedImageError

src = Path("raw")
dst = Path("normalized")

for path in src.iterdir():
    try:
        with Image.open(path) as im:
            im = ImageOps.exif_transpose(im).convert("RGBA")
            im.save(dst / f"{path.stem}.png")
    except (OSError, UnidentifiedImageError):
        print("skip:", path.name)

逐部分解释：

Path.iterdir() 遍历原始素材目录，不假设文件后缀一定可信
UnidentifiedImageError 专门处理“这不是 Pillow 认识的图片”
convert("RGBA") 把不同输入统一成带透明通道的像素模式
输出文件名统一成 .png，后续脚本不用再猜 JPEG、BMP、GIF 的差异

踩过的坑

Image.open() 是懒加载：它先读文件头，像素到 load()、resize()、save() 时才真正解码，所以文件句柄和 with 作用域要处理好。
thumbnail() 会原地修改图片：想保留原图对象就先 copy()，否则后面继续用时尺寸已经变了。
mode 和输出格式不匹配会报错：RGBA 直接保存 JPEG 常见失败，因为 JPEG 不支持透明通道，通常要先铺背景再 convert("RGB")。
大图风险按像素算，不按文件大小算：不可信上传要注意 DecompressionBombWarning，否则超大尺寸图片会拖垮内存。

适用 vs 不适用场景

适用：

Web 后端生成头像、封面、缩略图、验证码、预览图
Python 脚本批量转换图片格式、尺寸、方向和透明度
数据集清洗、截图对比、测试素材生成这类轻量图像流水线
需要和 numpy、Web 框架、文件系统脚本一起工作的普通工程任务

不适用：

复杂计算机视觉算法和相机几何，优先看 opencv
高吞吐图片服务和流式解码压缩，Node 场景常看 sharp
批量命令行转图、PDF/SVG 管道和运维脚本，imagemagick 更直接
视频解码、转码、抽帧和封装，应该交给 ffmpeg

历史小故事（可跳过）

1995 年前后：Fredrik Lundh 开始维护 PIL，让 Python 能用统一接口读写多种图片。
2009 年：PIL 1.1.7 成为最后一个正式版本，之后长期没有新发布。
2010 年前后：Jeffrey Alex Clark 和社区启动 Pillow，目标是让 PIL 接口继续在现代 Python 里可安装、可测试、可发布。
Pillow 2.0：项目加入 Python 3 支持，并吸收许多社区修复，fork 才真正从“打包补丁”变成活跃项目。
2020 年：PyPI 上的 PIL 项目转交给 Pillow 团队，但团队明确不打算继续发布旧 PIL 包。

学到什么

Pillow 的核心不是滤镜，而是图片 IO 的事实入口：打开、识别、转换、保存是它最常用也最稳定的价值。
图片处理先看 mode、size、format：这三个属性像体检表，先看它们再决定怎么改。
透明度、方向、元数据不是小细节：真实用户上传图里，问题往往就藏在 EXIF、alpha 和颜色模式里。
Python 图像流水线要先求稳，再求炫：限制尺寸、处理异常、统一格式，比上复杂算法更早重要。

关联

imagemagick —— 偏命令行批处理，Pillow 偏 Python 程序内调用
opencv —— 偏计算机视觉和相机几何，Pillow 偏普通图片 IO 与编辑
sharp —— Node.js 高性能图片处理库，常和 Pillow 解决相似 Web 后端问题
jimp —— 纯 JS 图片处理库，和 Pillow 一样适合轻量脚本场景
ffmpeg —— 处理视频和音频，Pillow 主要处理静态图和少量多帧图
numpy —— Pillow 图片可以转成数组，进入数值计算或机器学习流水线
fastapi —— Web 上传接口常把用户文件交给 Pillow 做校验和缩略图

反向链接

（暂无反向链接）

Pillow — Python 图像处理

是什么

为什么重要

核心要点

实践案例

案例 1：把用户上传图变成网页缩略图

案例 2：给运营图自动加标题卡片

案例 3：批量整理数据集图片

踩过的坑

适用 vs 不适用场景

历史小故事（可跳过）

学到什么

延伸阅读

关联

反向链接