【python】Pillow 快速入门

Pillow 快速入门

一、基础准备：安装与环境配置

1. 安装 Pillow

Pillow 是 PIL（Python Imaging Library）的替代库（PIL 已停止维护），支持 Python 3.6+。

安装命令：

pip install pillow

验证安装（终端运行）：

from PIL import Image
print(Image.__version__)  # 输出版本号即成功

2. 核心概念铺垫

• •图像模式（Mode）：Pillow 中图像的模式决定了像素数据的存储方式，常见模式：•L（灰度）、RGB（红绿蓝彩色）、RGBA（带透明通道的彩色）、CMYK（印刷四色）、1（二值图）等。
• •图像对象（Image）：Pillow 操作的核心对象，通过 Image.open()加载图片后生成。

二、入门阶段：基础图像操作

目标：能完成图片的打开、保存、查看元信息、简单格式转换。

1. 打开与保存图片

from PIL import Image# 打开图片（支持 JPG/PNG/GIF/BMP 等常见格式）
img = Image.open("input.jpg")  # 路径可以是绝对或相对路径# 查看图片信息
print(f"格式: {img.format}")    # 原格式（如 JPEG）
print(f"模式: {img.mode}")      # 模式（如 RGB）
print(f"尺寸: {img.size}")      # (宽度, 高度)
print(f"文件名: {img.filename}")# 原文件名# 保存图片（可指定格式，默认同原格式）
img.save("output.png")         # 保存为 PNG
img.save("output.webp", "WEBP")# 显式指定格式

2. 转换图像模式

不同模式间可互相转换（如 RGB 转灰度）：

# RGB 转灰度（L 模式）
gray_img = img.convert("L")
gray_img.save("gray.jpg")# RGBA 转 RGB（去除透明通道）
rgba_img = Image.open("transparent.png")
rgb_img = rgba_img.convert("RGB")
rgb_img.save("no_alpha.jpg")

3. 简单格式转换与批量处理

批量将 JPG 转 PNG：

import osinput_dir = "jpg_images"
output_dir = "png_images"os.makedirs(output_dir, exist_ok=True)for filename in os.listdir(input_dir):if filename.endswith(".jpg"):img = Image.open(os.path.join(input_dir, filename))img.save(os.path.join(output_dir, f"{os.path.splitext(filename)[0]}.png"))

三、核心功能：图像编辑与处理

目标：掌握裁剪、缩放、旋转、翻转等常用操作，理解不同方法的差异。

1. 裁剪（Crop）

通过 crop()方法截取指定区域（参数为左上角和右下角坐标元组 (x0, y0, x1, y1)）：

# 原图尺寸 (width=800, height=600)
box = (100, 100, 500, 400)  # 截取中间区域
cropped_img = img.crop(box)
cropped_img.save("cropped.jpg")

2. 缩放（Resize）

使用 resize()调整尺寸，支持多种重采样滤波器（影响清晰度）：

# 直接指定目标尺寸（宽度, 高度）
resized_img = img.resize((400, 300))  # 默认双线性滤波（BILINEAR）# 指定滤波器（更清晰或更快）
from PIL import Imagemethods = {"nearest": Image.NEAREST,    # 最近邻（最快，模糊）"bilinear": Image.BILINEAR,  # 双线性（平衡）"bicubic": Image.BICUBIC,    # 双三次（更清晰，慢）"lanczos": Image.LANCZOS     # Lanczos（最高质量，最慢）
}# 使用 Lanczos 滤镜高质量缩放
high_quality_resized = img.resize((400, 300), resample=methods["lanczos"])
high_quality_resized.save("resized_lanczos.jpg")# 快捷方法：thumbnail() 生成缩略图（保持比例，不超过指定尺寸）
img.thumbnail((200, 200))  # 原图会被缩小到最大边 200px，保持比例
img.save("thumbnail.jpg")  # 注意：thumbnail 是原地修改！

3. 旋转与翻转

• •旋转：rotate(angle, expand=True)（角度，是否扩展画布避免裁切）
• •翻转：transpose()或 transpose_method（如左右/上下翻转）

# 旋转 45 度，扩展画布
rotated_img = img.rotate(45, expand=True)
rotated_img.save("rotated.jpg")# 左右翻转（镜像）
flipped_h = img.transpose(Image.FLIP_LEFT_RIGHT)
flipped_h.save("flipped_h.jpg")# 上下翻转
flipped_v = img.transpose(Image.FLIP_TOP_BOTTOM)
flipped_v.save("flipped_v.jpg")

4. 粘贴与合成（Paste）

将一张图粘贴到另一张图上，支持掩码（Mask）控制透明度：

# 加载背景图和水印图（水印需 RGBA 模式）
background = Image.open("background.jpg").convert("RGBA")
watermark = Image.open("watermark.png").convert("RGBA")# 调整水印大小
watermark = watermark.resize((background.size[0]//2, background.size[1]//2))# 粘贴水印到背景中心（使用水印自身作为掩码，保留透明度）
position = ((background.size[0] - watermark.size[0]) // 2,(background.size[1] - watermark.size[1]) // 2
)
background.paste(watermark, position, watermark)  # 第三个参数是掩码（RGBA 图）
background.save("watermarked_bg.png")

四、进阶操作：图像增强与分析

目标：掌握亮度/对比度调整、色彩校正、边缘检测等高级处理。

1. 图像增强（ImageEnhance）

使用 ImageEnhance模块调整亮度、对比度、饱和度等：

from PIL import ImageEnhance# 亮度调整（factor=1.0 原图，>1 更亮，<1 更暗）
enhancer = ImageEnhance.Brightness(img)
bright_img = enhancer.enhance(1.5)  # 提高 50% 亮度
bright_img.save("bright.jpg")# 对比度调整
enhancer = ImageEnhance.Contrast(img)
contrast_img = enhancer.enhance(2.0)  # 对比度翻倍
contrast_img.save("contrast.jpg")# 饱和度调整（仅 RGB/RGBA 图有效）
enhancer = ImageEnhance.Color(img)
saturated_img = enhancer.enhance(1.8)  # 更鲜艳
saturated_img.save("saturated.jpg")

2. 像素级操作（手动修改像素）

直接访问像素值，实现自定义效果（如反色、灰度变换）：

# 反色处理（RGB 取反）
pixels = img.load()  # 获取像素矩阵（可修改）
width, height = img.sizefor x in range(width):for y in range(height):r, g, b = pixels[x, y]  # 假设是 RGB 模式pixels[x, y] = (255 - r, 255 - g, 255 - b)img.save("inverted.jpg")# 灰度变换（自定义公式，如加权平均）
gray_pixels = gray_img.load()
for x in range(width):for y in range(height):gray_value = int(0.299 * r + 0.587 * g + 0.114 * b)  # 标准灰度公式gray_pixels[x, y] = gray_value

3. 边缘检测（简单实现）

通过卷积核检测边缘（如 Sobel 算子）：

import numpy as np
from PIL import ImageFilter# 使用 Pillow 内置的边缘检测滤镜（更高效）
edge_img = img.filter(ImageFilter.FIND_EDGES)
edge_img.save("edges.jpg")# 自定义 Sobel 算子（需转换为数组操作）
def sobel_edge_detection(pil_img):img_array = np.array(pil_img.convert("L"))  # 转灰度图数组kernel_x = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]])kernel_y = np.array([[-1, -2, -1], [0, 0, 0], [1, 2, 1]])# 卷积计算梯度gradient_x = convolve2d(img_array, kernel_x, mode="same")gradient_y = convolve2d(img_array, kernel_y, mode="same")gradient = np.sqrt(gradient_x**2 + gradient_y**2)# 归一化到 0-255edge_array = (gradient / gradient.max() * 255).astype(np.uint8)return Image.fromarray(edge_array)sobel_img = sobel_edge_detection(img)
sobel_img.save("sobel_edges.jpg")

五、高级应用：与其他工具结合与性能优化

目标：解决实际问题（如批量处理、格式兼容、与其他库协作）。

1. 处理透明通道（RGBA 模式）

# 创建带透明度的 PNG
img = Image.new("RGBA", (200, 200), (255, 0, 0, 128))  # 红色，半透明
draw = ImageDraw.Draw(img)
draw.rectangle((50, 50, 150, 150), fill=(0, 255, 0, 200))  # 绿色矩形
img.save("transparent.png")

2. 批量处理与性能优化

• •生成缩略图集：遍历文件夹，为所有图片生成缩略图。
• •多线程处理：使用 concurrent.futures加速批量操作。

from concurrent.futures import ThreadPoolExecutordef process_image(input_path):img = Image.open(input_path)img.thumbnail((300, 300))img.save(f"thumbs/{os.path.basename(input_path)}")with ThreadPoolExecutor(max_workers=4) as executor:executor.map(process_image, ["images/" + f for f in os.listdir("images")])

3. 与 OpenCV 协作

Pillow 与 OpenCV 数据格式不同（Pillow 是 RGB，OpenCV 是 BGR），需转换：

import cv2
import numpy as np# Pillow → OpenCV
pil_img = Image.open("input.jpg")
opencv_img = np.array(pil_img)[:, :, ::-1]  # RGB 转 BGR# OpenCV → Pillow
cv2_img = cv2.imread("input.jpg")
pil_img = Image.fromarray(cv2.cvtColor(cv2_img, cv2.COLOR_BGR2RGB))

总结：学习路径

安装验证→基础操作（开/存/转）→核心编辑（裁/缩/旋/粘）→增强分析（亮度/边缘）→高级协作（跨库/性能）→实战项目→源码贡献。