Python图像处理入门：Pillow库核心技术与实战应用

1. Python图像处理入门：为什么选择Pillow？

在数字时代，图像处理已成为程序员必备技能之一。作为Python生态中最流行的图像处理库，Pillow（PIL Fork）凭借其简洁的API和强大的功能，成为处理计算机图形学的首选工具。我最初接触Pillow是在一个需要批量处理电商图片的项目中，当时需要在几百张产品图上统一添加水印并调整尺寸，手动操作显然不现实。

Pillow的前身是PIL（Python Imaging Library），但由于其最后更新停留在2009年，社区fork出了兼容Python3的Pillow。如今Pillow已经发展到9.x版本，支持绝大多数常见的图像处理需求。与OpenCV等专业库相比，Pillow的学习曲线更为平缓，特别适合Python开发者快速实现图像处理功能。

提示：虽然常听到"PIL/Pillow"的称呼，但实际使用时应该始终安装pillow包（pip install pillow），导入时使用from PIL import Image这种特殊写法是为了保持对旧PIL代码的兼容性。

2. 环境搭建与基础操作

2.1 安装与验证

安装Pillow非常简单，但需要注意一些版本兼容问题：

bash复制# 推荐使用虚拟环境
python -m venv img_env
source img_env/bin/activate  # Linux/Mac
img_env\Scripts\activate     # Windows

pip install pillow

验证安装是否成功：

python复制from PIL import Image
print(Image.__version__)  # 应该输出类似"9.1.0"的版本号

常见安装问题：

• 如果遇到"ZLIB (PNG/ZIP) support not available"错误，需要安装系统依赖：
  • Ubuntu: sudo apt-get install libz-dev libjpeg-dev
  • Mac: brew install libjpeg zlib
  • Windows: 通常已内置

2.2 第一个图像处理程序

让我们从一个简单的例子开始 - 打开图片并显示基本信息：

python复制from PIL import Image

def image_info(img_path):
    with Image.open(img_path) as img:
        print(f"格式: {img.format}")
        print(f"尺寸: {img.size}")  # (宽度, 高度)
        print(f"模式: {img.mode}")  # RGB, CMYK, L(灰度)等
        
        # 显示前3个像素的RGB值
        pixels = list(img.getdata())
        print("前3个像素:", pixels[:3])
        
image_info("sample.jpg")

这个简单程序揭示了几个关键概念：

1. Image.open()是核心入口，支持JPEG、PNG、GIF等30+格式
2. 图像数据采用惰性加载，实际像素数据在首次访问时才会读取
3. 像素数据通过getdata()获取，返回的是包含所有像素的扁平列表

3. 核心图像处理技术详解

3.1 图像变换操作

3.1.1 尺寸调整与旋转

调整尺寸是最常见的需求之一，Pillow提供了多种算法：

python复制from PIL import Image

def resize_image(input_path, output_path, size):
    with Image.open(input_path) as img:
        # 高质量缩放下采样
        resized = img.resize(size, Image.Resampling.LANCZOS)
        resized.save(output_path)
        
        # 保持宽高比的缩略图
        img.thumbnail((200, 200))  # 原地修改
        img.save("thumbnail.jpg")

# 旋转45度并填充背景
def rotate_image(input_path, degrees=45, expand=True):
    with Image.open(input_path) as img:
        rotated = img.rotate(degrees, expand=expand, fillcolor="white")
        rotated.save("rotated.jpg")

关键参数说明：

• resize()的第二个参数指定重采样算法：
  • NEAREST: 最快但质量差
  • BILINEAR: 平衡速度与质量
  • LANCZOS: 最高质量（推荐）
• rotate()的expand参数决定是否调整画布大小以适应旋转后的图像

3.1.2 裁剪与拼接

精确裁剪是电商图片处理的常见需求：

python复制def crop_image(input_path, box):
    """ box: (left, upper, right, lower) """
    with Image.open(input_path) as img:
        cropped = img.crop(box)
        cropped.save("cropped.jpg")
        
# 拼接两张图片（水平）
def concat_images(img1_path, img2_path):
    with Image.open(img1_path) as img1, Image.open(img2_path) as img2:
        # 确保高度相同
        height = min(img1.height, img2.height)
        img1 = img1.resize((int(img1.width * height/img1.height), height))
        img2 = img2.resize((int(img2.width * height/img2.height), height))
        
        new_img = Image.new('RGB', (img1.width + img2.width, height))
        new_img.paste(img1, (0, 0))
        new_img.paste(img2, (img1.width, 0))
        new_img.save("concat.j