Python怎么用Pillow库处理图片

不晚
不晚
发布时间:2026-11-19| 6人浏览过
原创

详细介绍在Python中使用Pillow库进行图片处理的完整方法与实用技巧,涵盖图片读写、尺寸缩放、区域裁剪、旋转翻转、色彩模式转换、插值算法对比及保存避坑指南。

在 Python 中进行日常图像处理,最常用的第三方库是 Pillow(其底层源自历史悠久的 PIL 库,即 Python Imaging Library)。无论是批量调整尺寸、精确裁剪画面、旋转镜像,还是提取颜色信息、添加文字水印以及在多种格式之间互相转换,Pillow 都能提供简洁直观的面向对象接口。本文将从安装环境与核心对象开始,逐步演示使用 Pillow 处理图片的完整步骤、关键参数设置、缩放插值算法的差异对比以及容易踩坑的注意事项。

一、安装与环境确认

Pillow 可以在主流操作系统(Windows、macOS 和 Linux)上开箱即用。需要注意的是,安装时通过 pip 命令使用的包名称是 Pillow,但在 Python 代码中导入模块时,调用的模块名称依然是 PIL。

# 在终端或命令行中执行安装命令
pip install Pillow

安装完成后,可以在 Python 交互环境或脚本中通过以下代码确认安装成功并查看当前版本:

import PIL
from PIL import Image

print("Pillow 版本:", PIL.__version__)

二、基础工作流:打开、读取属性与保存图片

Pillow 的一切核心操作几乎都围绕 Image 类的实例展开。最标准的流程包括:通过 Image.open() 读取文件、读取尺寸与模式等元数据、执行处理变换,最后调用 save() 导出目标文件。

from PIL import Image

# 1. 打开指定路径的图像
with Image.open("input.jpg") as img:
    # 2. 读取图像基础元数据
    print("图像格式 (format):", img.format)  # 例如: JPEG, PNG
    print("图像尺寸 (size):", img.size)      # (宽度, 高度),例如: (1920, 1080)
    print("色彩模式 (mode):", img.mode)      # 例如: RGB, RGBA, L (灰度)

    # 3. 另存为新文件(格式由后缀名或显式参数决定)
    img.save("output.png", format="PNG")

推荐使用 with 上下文管理器来打开图片,这样能够在处理完成之后及时释放底层的文件句柄,避免在批量循环读取大量图片时发生文件句柄耗尽的问题。

Python怎么用Pillow库处理图片
图 1:Pillow 处理图片的典型流转流程

三、核心几何操作:裁剪、缩放与旋转

处理图片时最频繁的需求是调整画面的几何特征。在 Pillow 中,定位一个几何区域采用以左上角为原点 (0, 0) 的笛卡尔坐标系,横向 X 轴向右递增,纵向 Y 轴向下递增。

1. 矩形裁剪 (crop)

img.crop(box) 方法接收一个长度为 4 的整数元组 (left, top, right, bottom),代表裁剪矩形的左边界、上边界、右边界和下边界。裁剪区域的宽度等于 right - left,高度等于 bottom - top。

from PIL import Image

with Image.open("photo.jpg") as img:
    # 裁剪指定区域:左 100,上 100,右 500,下 400
    crop_box = (100, 100, 500, 400)
    cropped_img = img.crop(crop_box)
    cropped_img.save("cropped.jpg")

2. 缩放与缩略图 (resize 与 thumbnail)

Pillow 提供了两种缩放方案:

  • resize(size, resample):返回一个精确指定宽高的新图片对象。如果传入的长宽比与原图不同,画面会被拉伸或压缩变形。
  • thumbnail(size, resample):原地(In-place)修改原图对象,根据给定的最大限制尺寸自动等比例缩放,绝不拉伸变形,处理速度针对生成缩略图进行了特化优化。
# 显式缩放到 800x600 像素
resized_img = img.resize((800, 600), resample=Image.Resampling.LANCZOS)

# 原地生成不超过 300x300 的等比例缩略图
img.thumbnail((300, 300))
img.save("thumb.jpg")

3. 旋转与翻转 (rotate 与 transpose)

使用 rotate() 旋转图像时,默认逆时针旋转,且默认保持原图画布尺寸(可能导致旋转后的边缘被裁切)。若想完整容纳旋转后的图像,必须加上 expand=True 参数。水平或垂直镜像翻转则建议使用 transpose(),执行效率更高。

# 顺时针旋转 90 度,并自动扩展画布避免内容裁切
rotated_img = img.rotate(-90, expand=True)

# 水平镜像翻转
flipped_img = img.transpose(Image.Transpose.FLIP_LEFT_RIGHT)
Python怎么用Pillow库处理图片
图 2:图像裁剪四元组定义与屏幕坐标定位

四、关键差异对比:Resampling 插值算法选择

在对图片执行 resize() 缩放操作时,Pillow 允许传入 resample 参数指定重采样插值算法。选择不同的算法,会在输出画质与计算性能之间产生决定性的差异。

我们重点对比两种典型场景中常用的代表性算法:Image.Resampling.NEAREST(最近邻插值)与 Image.Resampling.LANCZOS(Lanczos 滤波重采样)。在统一将一张 1920×1080 的照片缩小为 320×180 像素的相同条件下,两者的关键特性与影响如下:

对比维度 最近邻插值 (NEAREST) 高质量 Lanczos 插值 (LANCZOS)
核心计算机制 直接寻找离目标点最近的单个输入像素取值,无加权运算。 基于 Sinc 滤波函数的大邻域加权卷积计算。
画质与细节表现 容易丢失连续线条,边缘呈现明显的马赛克阶梯状锯齿。 边缘平滑过渡,文字和复杂纹理清晰锐利,画质极佳。
计算资源消耗 计算开销极低,耗时仅为微秒级,处理速度极快。 涉及浮点卷积运算,计算耗时相对显著高于最近邻。
不可替代的适用场景 像素艺术(Pixel Art)放大、语义分割标注图(需保持离散类别 ID)。 摄影照片缩小、网页缩略图生成、出版物制版导出。

这一差异之所以重要,是因为在机器学习或自动化图像流水线中,如果对照片误用了 NEAREST,会导致输出结果粗糙且信息大量失真;而在处理像素游戏贴图或严格离散标签时,如果误用了 LANCZOS,算法生成的插值渐变色反而会污染原始分类数值。因此,日常摄影和常规展示图应始终优先使用 Image.Resampling.LANCZOS。

Python怎么用Pillow库处理图片
图 3:不同图像重采样算法在性能与品质上的权衡对照

五、高级处理:色彩空间转换、滤镜与水印绘制

1. 色彩模式转换 (convert)

Pillow 可以在常见色彩空间之间轻松转换。最常用的是将彩色图转为单通道灰度图(模式 'L'),或者在带透明度的 'RGBA' 与普通三通道 'RGB' 之间互转:

from PIL import Image

with Image.open("colorful.png") as img:
    # 转换为黑白灰度图
    gray_img = img.convert("L")
    gray_img.save("gray.jpg")

2. 内置滤镜增强 (ImageFilter)

PIL.ImageFilter 模块内嵌了高斯模糊、锐化、边缘检测等常用算法。使用 filter() 方法即可应用:

from PIL import Image, ImageFilter

with Image.open("portrait.jpg") as img:
    # 应用高斯模糊(半径为 3)
    blurred_img = img.filter(ImageFilter.GaussianBlur(radius=3))
    
    # 应用锐化滤镜增强清晰度
    sharpened_img = img.filter(ImageFilter.SHARPEN)
    sharpened_img.save("sharp.jpg")

3. 添加文字与几何水印 (ImageDraw & ImageFont)

在图片上打水印或画框,需要使用 ImageDraw 模块。在文字渲染时,还可以指定 TrueType / OpenType 字体文件:

from PIL import Image, ImageDraw, ImageFont

with Image.open("banner.jpg") as img:
    # 创建绘制上下文
    draw = ImageDraw.Draw(img)
    
    # 加载系统字体或自定义字体文件(若未安装可省略 font 参数使用默认字体)
    try:
        font = ImageFont.truetype("arial.ttf", size=36)
    except IOError:
        font = ImageFont.load_default()

    # 绘制半透明矩形底色或文字水印
    # 坐标 (50, 50),文本内容,文字颜色 (R, G, B)
    draw.text((50, 50), "Copyright © 2026", fill=(255, 255, 255), font=font)
    
    # 绘制边框线条:矩形从 (20, 20) 到 (300, 100)
    draw.rectangle([20, 20, 300, 100], outline="red", width=2)
    
    img.save("watermarked.jpg")

六、实战常见报错与避坑指南

在实际工程代码中,初学者容易遇到以下典型问题:

避坑 1:RGBA 模式保存为 JPEG 格式崩溃

报错信息:OSError: cannot write mode RGBA as JPEG
产生原因:PNG 支持透明通道(Alpha),因而其模式为 RGBA;而 JPEG 格式标准不支持透明通道。如果直接以 .jpg 后缀保存 RGBA 图像,Pillow 会直接报错中断。
正确解法:在保存前必须先转换为 RGB 模式。如果原图有透明背景,可先创建一个纯白底图并将 RGBA 图片合成上去,或直接调用:

if img.mode in ("RGBA", "P"):
    # 转换为 RGB 模式后再保存
    img = img.convert("RGB")
img.save("output.jpg", quality=90)
避坑 2:手机拍照图片旋转方向颠倒(EXIF 旋转信息)

问题现象:在手机上拍摄的竖屏照片,用 Pillow 打开后显示为横向旋转了 90 度的倒置画面。
产生原因:手机相机通常将画面原样保存,仅在 EXIF 元数据中写入 Orientation 方向标记。常规浏览器会读取该标记自动翻转,但 Pillow 默认不会自动应用该标记。
正确解法:使用 Pillow 内置的 ImageOps.exif_transpose() 方法自动校准:

from PIL import Image, ImageOps

with Image.open("phone_photo.jpg") as img:
    # 自动根据 EXIF 旋转标记修正朝向
    img = ImageOps.exif_transpose(img)
    img.save("corrected.jpg")
避坑 3:导出 JPEG 时的体积与画质控制

调用 save("file.jpg") 时,若不指定参数,默认压缩质量为 75。为了在文件体积与画质之间取得更优平衡,建议在生产环境中显式传入 quality 与 optimize 参数:

# quality 取值 1-95(通常 80~85 为画质与体积的甜点区间)
img.save("optimized.jpg", format="JPEG", quality=85, optimize=True)

七、全景总结与速查清单

综上所述,Pillow 处理图片遵循“打开 -> 校验色彩模式与朝向 -> 执行几何或像素运算 -> 安全导出”的标准流程。掌握好坐标系计算、缩放插值算法的适用条件以及模式转换规则,即可应对绝大多数自动化图像处理需求。

Python怎么用Pillow库处理图片
图 4:Pillow 常用模块与生产规范速查体系

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。