使用Python Pillow库轻松处理图像从基础操作到高级技巧的完整指南

引言

Pillow是Python图像处理库(PIL, Python Image Library)的一个分支，它提供了广泛的文件格式支持、高效的内部表示和强大的图像处理能力。作为Python中最流行的图像处理库之一，Pillow使开发者能够轻松地进行各种图像操作，从简单的裁剪和调整大小到复杂的滤镜和图像增强。

本指南将带您从Pillow的基础操作开始，逐步深入到高级技巧，帮助您掌握使用Python处理图像的完整知识体系。无论您是图像处理的新手还是有经验的开发者，本指南都能为您提供有价值的参考。

安装和设置

在开始使用Pillow之前，我们需要先安装它。安装Pillow非常简单，可以使用pip包管理器：

pip install pillow

安装完成后，我们可以在Python脚本中导入Pillow库：

from PIL import Image

Pillow库主要由多个模块组成，其中最常用的是Image模块，它提供了图像处理的核心功能。其他重要模块包括ImageDraw（用于绘图）、ImageFont（用于处理字体）、ImageFilter（用于应用滤镜）等。

基础图像操作

打开、显示和保存图像

使用Pillow打开图像非常简单，只需使用Image.open()方法：

from PIL import Image # 打开图像文件 image = Image.open("example.jpg") # 显示图像 image.show() # 保存图像 image.save("output.png")

Image.open()方法返回一个Image对象，这是Pillow中表示图像的主要数据结构。show()方法会使用系统默认的图像查看器显示图像，而save()方法可以将图像保存到文件，Pillow会根据文件扩展名自动选择合适的图像格式。

图像基本信息获取

Image对象提供了多种属性来获取图像的基本信息：

from PIL import Image # 打开图像 image = Image.open("example.jpg") # 获取图像尺寸 width, height = image.size print(f"图像尺寸: {width} x {height}") # 获取图像格式 print(f"图像格式: {image.format}") # 获取图像模式（如RGB、RGBA、L等） print(f"图像模式: {image.mode}") # 获取图像文件名 print(f"图像文件名: {image.filename}") # 获取图像文件大小（字节） print(f"图像文件大小: {image.tell()} 字节")

图像模式（mode）是一个重要概念，它定义了图像的类型和像素深度。常见的模式包括：

RGB: 3x8位像素，真彩色
RGBA: 4x8位像素，带透明通道的真彩色
L: 8位像素，黑白
CMYK: 4x8位像素，青色、品红、黄色和黑色
P: 8位像素，使用调色板映射到其他模式

图像格式转换

Pillow支持在不同图像格式之间进行转换。只需在保存图像时指定不同的文件扩展名：

from PIL import Image # 打开JPEG图像 image = Image.open("example.jpg") # 转换为PNG格式并保存 image.save("example.png") # 转换为BMP格式并保存 image.save("example.bmp") # 转换为GIF格式并保存 image.save("example.gif")

您也可以使用convert()方法改变图像的模式：

from PIL import Image # 打开彩色图像 image = Image.open("example.jpg") # 转换为灰度图像 gray_image = image.convert("L") gray_image.save("example_gray.jpg") # 转换为带透明通道的RGBA图像 rgba_image = image.convert("RGBA") rgba_image.save("example_rgba.png")

图像处理基础

裁剪、调整大小和旋转

裁剪图像可以使用crop()方法，它接受一个四元组参数，定义了要裁剪的区域（左、上、右、下）：

from PIL import Image # 打开图像 image = Image.open("example.jpg") # 定义裁剪区域 (left, upper, right, lower) box = (100, 100, 400, 400) cropped_image = image.crop(box) cropped_image.save("cropped_example.jpg")

调整图像大小可以使用resize()方法：

from PIL import Image # 打开图像 image = Image.open("example.jpg") # 调整图像大小为指定尺寸 resized_image = image.resize((200, 200)) resized_image.save("resized_example.jpg") # 按比例缩放图像 width, height = image.size scale_factor = 0.5 new_size = (int(width * scale_factor), int(height * scale_factor)) scaled_image = image.resize(new_size) scaled_image.save("scaled_example.jpg")

旋转图像可以使用rotate()方法：

from PIL import Image # 打开图像 image = Image.open("example.jpg") # 旋转图像90度 rotated_90 = image.rotate(90) rotated_90.save("rotated_90_example.jpg") # 旋转图像45度 rotated_45 = image.rotate(45) rotated_45.save("rotated_45_example.jpg") # 旋转图像并扩展图像尺寸以适应旋转后的图像 rotated_expand = image.rotate(45, expand=True) rotated_expand.save("rotated_expand_example.jpg")

rotate()方法的expand参数控制是否扩展图像尺寸以适应旋转后的图像。如果设置为True，输出图像的尺寸将足够大以容纳整个旋转后的图像；如果设置为False（默认），输出图像的尺寸将与输入图像相同，这可能导致部分图像被裁剪。

翻转和镜像

Pillow提供了transpose()方法来翻转和镜像图像：

from PIL import Image # 打开图像 image = Image.open("example.jpg") # 水平翻转（左右镜像） flipped_horizontal = image.transpose(Image.FLIP_LEFT_RIGHT) flipped_horizontal.save("flipped_horizontal_example.jpg") # 垂直翻转（上下镜像） flipped_vertical = image.transpose(Image.FLIP_TOP_BOTTOM) flipped_vertical.save("flipped_vertical_example.jpg") # 旋转90度（逆时针） rotated_90_ccw = image.transpose(Image.ROTATE_90) rotated_90_ccw.save("rotated_90_ccw_example.jpg") # 旋转180度 rotated_180 = image.transpose(Image.ROTATE_180) rotated_180.save("rotated_180_example.jpg") # 旋转270度（逆时针） rotated_270_ccw = image.transpose(Image.ROTATE_270) rotated_270_ccw.save("rotated_270_ccw_example.jpg")

图像合成与叠加

Pillow支持将多个图像合成为一个。Image.blend()方法可以混合两个图像：

from PIL import Image # 打开两个尺寸相同的图像 image1 = Image.open("example1.jpg") image2 = Image.open("example2.jpg") # 混合两个图像，alpha参数控制混合比例（0.0到1.0） blended_image = Image.blend(image1, image2, alpha=0.5) blended_image.save("blended_example.jpg")

Image.composite()方法可以使用第三个图像作为蒙版来合成两个图像：

from PIL import Image # 打开两个尺寸相同的图像 image1 = Image.open("example1.jpg") image2 = Image.open("example2.jpg") # 创建蒙版（黑白图像） mask = Image.new("L", image1.size, 128) # 128表示50%透明度 # 使用蒙版合成图像 composite_image = Image.composite(image1, image2, mask) composite_image.save("composite_example.jpg")

您还可以使用paste()方法将一个图像粘贴到另一个图像上：

from PIL import Image # 打开背景图像和前景图像 background = Image.open("background.jpg") foreground = Image.open("foreground.png") # 将前景图像粘贴到背景图像上，位置为(100, 100) background.paste(foreground, (100, 100), foreground) # 第三个参数是蒙版，使用前景图像自身的透明通道 background.save("pasted_example.jpg")

颜色和通道操作

颜色空间转换

Pillow支持多种颜色空间之间的转换，使用convert()方法：

from PIL import Image # 打开RGB图像 rgb_image = Image.open("example.jpg") # 转换为灰度图像 gray_image = rgb_image.convert("L") gray_image.save("gray_example.jpg") # 转换为CMYK图像 cmyk_image = rgb_image.convert("CMYK") cmyk_image.save("cmyk_example.jpg") # 转换为HSV图像 hsv_image = rgb_image.convert("HSV") hsv_image.save("hsv_example.jpg") # 转换为YCbCr图像 ycbcr_image = rgb_image.convert("YCbCr") ycbcr_image.save("ycbcr_example.jpg")

通道分离与合并

Pillow允许您分离和合并图像的各个通道：

from PIL import Image # 打开RGB图像 rgb_image = Image.open("example.jpg") # 分离RGB通道 r, g, b = rgb_image.split() # 保存各个通道 r.save("red_channel.jpg") g.save("green_channel.jpg") b.save("blue_channel.jpg") # 合并通道 merged_image = Image.merge("RGB", (r, g, b)) merged_image.save("merged_example.jpg") # 修改通道后合并 # 增强红色通道 r_enhanced = r.point(lambda x: x * 1.5) enhanced_image = Image.merge("RGB", (r_enhanced, g, b)) enhanced_image.save("red_enhanced_example.jpg")

颜色增强

使用ImageEnhance模块可以增强图像的各个颜色属性：

from PIL import Image, ImageEnhance # 打开图像 image = Image.open("example.jpg") # 增强颜色饱和度 enhancer = ImageEnhance.Color(image) color_enhanced = enhancer.enhance(1.5) # 1.0表示原始图像，大于1.0增加饱和度，小于1.0减少饱和度 color_enhanced.save("color_enhanced_example.jpg") # 增强对比度 contrast_enhancer = ImageEnhance.Contrast(image) contrast_enhanced = contrast_enhancer.enhance(1.5) contrast_enhanced.save("contrast_enhanced_example.jpg") # 增强亮度 brightness_enhancer = ImageEnhance.Brightness(image) brightness_enhanced = brightness_enhancer.enhance(1.2) brightness_enhanced.save("brightness_enhanced_example.jpg") # 增强锐度 sharpness_enhancer = ImageEnhance.Sharpness(image) sharpness_enhanced = sharpness_enhancer.enhance(2.0) sharpness_enhanced.save("sharpness_enhanced_example.jpg")

图像滤镜和效果

常见滤镜应用

Pillow的ImageFilter模块提供了多种预定义滤镜：

from PIL import Image, ImageFilter # 打开图像 image = Image.open("example.jpg") # 应用模糊滤镜 blurred_image = image.filter(ImageFilter.BLUR) blurred_image.save("blurred_example.jpg") # 应用轮廓滤镜 contour_image = image.filter(ImageFilter.CONTOUR) contour_image.save("contour_example.jpg") # 应用边缘增强滤镜 edge_enhanced_image = image.filter(ImageFilter.EDGE_ENHANCE) edge_enhanced_image.save("edge_enhanced_example.jpg") # 应用浮雕滤镜 embossed_image = image.filter(ImageFilter.EMBOSS) embossed_image.save("embossed_example.jpg") # 应用平滑滤镜 smooth_image = image.filter(ImageFilter.SMOOTH) smooth_image.save("smooth_example.jpg") # 应用锐化滤镜 sharpened_image = image.filter(ImageFilter.SHARPEN) sharpened_image.save("sharpened_example.jpg")

自定义滤镜

您还可以创建自定义滤镜，使用ImageFilter.Kernel类：

from PIL import Image, ImageFilter # 打开图像 image = Image.open("example.jpg") # 定义锐化内核 sharpen_kernel = ImageFilter.Kernel((3, 3), [ -1, -1, -1, -1, 9, -1, -1, -1, -1 ]) # 应用自定义锐化滤镜 custom_sharpened = image.filter(sharpen_kernel) custom_sharpened.save("custom_sharpened_example.jpg") # 定义边缘检测内核 edge_kernel = ImageFilter.Kernel((3, 3), [ -1, -1, -1, -1, 8, -1, -1, -1, -1 ], scale=1, offset=0) # 应用边缘检测滤镜 edge_detected = image.filter(edge_kernel) edge_detected.save("edge_detected_example.jpg")

图像增强

除了前面提到的ImageEnhance模块，您还可以使用点操作来增强图像：

from PIL import Image # 打开图像 image = Image.open("example.jpg") # 增加图像对比度 def increase_contrast(pixel): if pixel < 128: return int(pixel * 0.7) else: return min(255, int(pixel * 1.3)) contrast_increased = image.point(increase_contrast) contrast_increased.save("contrast_increased_example.jpg") # 反转图像颜色 inverted = image.point(lambda x: 255 - x) inverted.save("inverted_example.jpg") # 阈值处理（二值化） threshold = 128 binary = image.point(lambda x: 0 if x < threshold else 255, "1") binary.save("binary_example.jpg")

高级图像处理

图像绘制和文本添加

使用ImageDraw模块可以在图像上绘制各种形状和文本：

from PIL import Image, ImageDraw, ImageFont # 打开图像 image = Image.open("example.jpg") # 创建一个可以在给定图像上绘制的对象 draw = ImageDraw.Draw(image) # 绘制矩形 draw.rectangle([(50, 50), (200, 200)], outline="red", width=3) # 绘制椭圆 draw.ellipse([(250, 50), (400, 200)], outline="blue", width=3) # 绘制线条 draw.line([(50, 250), (200, 400), (400, 250)], fill="green", width=3) # 绘制多边形 draw.polygon([(250, 250), (350, 250), (400, 350), (300, 400), (200, 350)], outline="purple", width=3) # 添加文本 try: # 尝试使用系统字体 font = ImageFont.truetype("arial.ttf", 30) except IOError: # 如果找不到字体，使用默认字体 font = ImageFont.load_default() draw.text((50, 450), "Hello, Pillow!", fill="black", font=font) # 保存结果 image.save("drawn_example.jpg")

图像直方图分析

图像直方图是分析图像颜色分布的有用工具：

from PIL import Image, ImageDraw import matplotlib.pyplot as plt # 打开图像 image = Image.open("example.jpg") # 计算直方图 histogram = image.histogram() # 绘制直方图 plt.figure(figsize=(10, 5)) plt.bar(range(256), histogram[:256], color='red', alpha=0.5, label='Red') plt.bar(range(256), histogram[256:512], color='green', alpha=0.5, label='Green') plt.bar(range(256), histogram[512:768], color='blue', alpha=0.5, label='Blue') plt.title('RGB Histogram') plt.xlabel('Pixel Value') plt.ylabel('Frequency') plt.legend() plt.savefig('histogram.png') # 如果是灰度图像，可以更简单地绘制直方图 gray_image = image.convert("L") gray_histogram = gray_image.histogram() plt.figure(figsize=(10, 5)) plt.bar(range(256), gray_histogram, color='gray') plt.title('Grayscale Histogram') plt.xlabel('Pixel Value') plt.ylabel('Frequency') plt.savefig('gray_histogram.png')

批量图像处理

Pillow非常适合批量处理图像：

import os from PIL import Image # 定义输入和输出目录 input_dir = "input_images" output_dir = "output_images" # 确保输出目录存在 if not os.path.exists(output_dir): os.makedirs(output_dir) # 遍历输入目录中的所有图像 for filename in os.listdir(input_dir): if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')): try: # 打开图像 image_path = os.path.join(input_dir, filename) image = Image.open(image_path) # 处理图像（例如调整大小） width, height = image.size new_size = (int(width * 0.5), int(height * 0.5)) resized_image = image.resize(new_size) # 转换为灰度 gray_image = resized_image.convert("L") # 保存处理后的图像 output_path = os.path.join(output_dir, f"processed_{filename}") gray_image.save(output_path) print(f"Processed: {filename}") except Exception as e: print(f"Error processing {filename}: {e}") print("Batch processing completed!")

实际应用案例

创建缩略图

创建缩略图是Pillow的常见用途之一：

from PIL import Image import os def create_thumbnail(input_path, output_path, size=(128, 128)): """创建图像缩略图""" try: image = Image.open(input_path) image.thumbnail(size) image.save(output_path) print(f"Thumbnail created: {output_path}") except Exception as e: print(f"Error creating thumbnail for {input_path}: {e}") # 示例：为目录中的所有图像创建缩略图 input_dir = "images" output_dir = "thumbnails" if not os.path.exists(output_dir): os.makedirs(output_dir) for filename in os.listdir(input_dir): if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')): input_path = os.path.join(input_dir, filename) output_path = os.path.join(output_dir, f"thumb_{filename}") create_thumbnail(input_path, output_path)

添加水印

为图像添加水印是保护版权的常用方法：

from PIL import Image, ImageDraw, ImageFont def add_watermark(input_path, output_path, watermark_text, opacity=0.5): """为图像添加文字水印""" try: # 打开原始图像 base_image = Image.open(input_path).convert("RGBA") # 创建一个透明层用于水印 txt = Image.new("RGBA", base_image.size, (255, 255, 255, 0)) # 获取一个可以绘制文本的对象 draw = ImageDraw.Draw(txt) # 尝试加载字体 try: font = ImageFont.truetype("arial.ttf", 40) except IOError: font = ImageFont.load_default() # 计算文本大小 text_width, text_height = draw.textsize(watermark_text, font=font) # 计算文本位置（右下角） width, height = base_image.size x = width - text_width - 20 y = height - text_height - 20 # 绘制文本 draw.text((x, y), watermark_text, font=font, fill=(255, 255, 255, int(255 * opacity))) # 合并图像 watermarked = Image.alpha_composite(base_image, txt) # 转换为RGB模式（如果原始图像不支持透明度） if watermarked.mode == "RGBA": watermarked = watermarked.convert("RGB") # 保存结果 watermarked.save(output_path) print(f"Watermark added: {output_path}") except Exception as e: print(f"Error adding watermark to {input_path}: {e}") # 示例：为图像添加水印 add_watermark("example.jpg", "watermarked_example.jpg", "© My Company")

图像拼接

将多张图像拼接成一张大图：

from PIL import Image import os def create_image_grid(image_paths, output_path, grid_size=(2, 2), thumbnail_size=(400, 400)): """创建图像网格""" try: # 计算网格尺寸 grid_width, grid_height = grid_size thumb_width, thumb_height = thumbnail_size # 创建空白画布 grid_image = Image.new("RGB", (thumb_width * grid_width, thumb_height * grid_height)) # 加载并调整图像大小 thumbnails = [] for path in image_paths[:grid_width * grid_height]: # 限制图像数量 image = Image.open(path) image.thumbnail(thumbnail_size) thumbnails.append(image) # 将缩略图粘贴到网格中 for i, thumbnail in enumerate(thumbnails): x = (i % grid_width) * thumb_width y = (i // grid_width) * thumb_height grid_image.paste(thumbnail, (x, y)) # 保存结果 grid_image.save(output_path) print(f"Image grid created: {output_path}") except Exception as e: print(f"Error creating image grid: {e}") # 示例：创建图像网格 image_dir = "images" image_paths = [os.path.join(image_dir, f) for f in os.listdir(image_dir) if f.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif'))] create_image_grid(image_paths, "image_grid.jpg", grid_size=(3, 3))

性能优化和最佳实践

使用适当的图像模式

选择适当的图像模式可以提高处理效率：

from PIL import Image import time # 打开图像 image = Image.open("large_image.jpg") # 测试不同模式下的处理速度 def test_processing_speed(image, mode): converted = image.convert(mode) start_time = time.time() # 执行一些操作（例如调整大小） resized = converted.resize((converted.width // 2, converted.height // 2)) end_time = time.time() print(f"Mode {mode}: {end_time - start_time:.4f} seconds") return resized # 测试不同模式 test_processing_speed(image, "RGB") test_processing_speed(image, "L") # 灰度模式通常更快 test_processing_speed(image, "RGBA")

使用生成器处理大量图像

当处理大量图像时，使用生成器可以节省内存：

from PIL import Image import os def image_generator(directory): """生成器函数，逐个产生图像对象""" for filename in os.listdir(directory): if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')): try: path = os.path.join(directory, filename) yield Image.open(path), filename except Exception as e: print(f"Error loading {filename}: {e}") # 使用生成器处理图像 input_dir = "input_images" output_dir = "output_images" if not os.path.exists(output_dir): os.makedirs(output_dir) for image, filename in image_generator(input_dir): # 处理图像 resized = image.resize((image.width // 2, image.height // 2)) gray = resized.convert("L") # 保存结果 output_path = os.path.join(output_dir, f"processed_{filename}") gray.save(output_path) print(f"Processed: {filename}") # 关闭图像以释放资源 image.close()

使用多线程加速处理

对于CPU密集型的图像处理任务，可以使用多线程来加速：

from PIL import Image import os import concurrent.futures import time def process_image(input_path, output_path): """处理单个图像的函数""" try: image = Image.open(input_path) resized = image.resize((image.width // 2, image.height // 2)) gray = resized.convert("L") gray.save(output_path) image.close() return True except Exception as e: print(f"Error processing {input_path}: {e}") return False def batch_process_images(input_dir, output_dir, max_workers=4): """批量处理图像（使用线程池）""" if not os.path.exists(output_dir): os.makedirs(output_dir) # 准备任务列表 tasks = [] for filename in os.listdir(input_dir): if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')): input_path = os.path.join(input_dir, filename) output_path = os.path.join(output_dir, f"processed_{filename}") tasks.append((input_path, output_path)) # 使用线程池处理图像 start_time = time.time() with concurrent.futures.ThreadPoolExecutor(max_workers=max_workers) as executor: futures = [executor.submit(process_image, input_path, output_path) for input_path, output_path in tasks] results = [future.result() for future in concurrent.futures.as_completed(futures)] end_time = time.time() print(f"Processed {len(results)} images in {end_time - start_time:.2f} seconds using {max_workers} workers") # 示例：使用多线程批量处理图像 batch_process_images("input_images", "output_images", max_workers=8)