---

Python 图像处理入门：使用 PIL/Pillow 库的完全指南

引言

图像处理在当今数字世界中无处不在，从简单的照片编辑、图像格式转换，到复杂的计算机视觉和机器学习应用，都离不开对图像数据的操作。对于 Python 开发者来说，幸运的是，我们拥有一个功能强大且易于使用的库来处理图像——那就是 PIL (Python Imaging Library) 及其现代维护版本 Pillow。

PIL 是 Python 语言中事实上的标准图像处理库，但它已停止维护多年。Pillow 是 PIL 的一个友好分支（fork），完全兼容 PIL 的 API，并增加了对 Python 3 的支持以及许多新功能和改进。因此，当你听到 PIL 时，通常指的是现在活跃开发的 Pillow 库。

本文将作为你使用 Pillow 库进行 Python 图像处理的入门指南。我们将从安装开始，逐步深入到 Pillow 的核心概念、基本操作、图像处理技术以及一些更高级的应用，帮助你快速掌握使用 Python 进行图像处理的基础。

1. 准备工作：安装 Pillow

开始之前，你需要确保你的 Python 环境已经安装了 Pillow 库。安装过程非常简单，只需要使用 Python 的包管理器 pip 即可。

打开你的终端或命令行界面，执行以下命令：

bash
pip install Pillow

如果你使用的是特定的 Python 环境（如 Anaconda 或虚拟环境），请确保在相应的环境中执行此命令。安装完成后，你就可以在 Python 代码中导入并使用 Pillow 了。

Pillow 提供了主要的模块 PIL，所以我们通常通过 from PIL import ... 的方式来导入需要的功能。

2. Pillow 的核心：Image 对象

在 Pillow 中，所有的图像操作都围绕着一个核心概念：Image 对象。当你打开一个图像文件、创建一个新图像或者进行任何图像处理操作时，结果通常都是一个 Image 对象。

Image 对象包含了图像的所有信息，包括：

• 图像模式 (Mode): 描述像素格式和类型（如 RGB, Grayscale, RGBA 等）。
• 图像大小 (Size): 图像的宽度和高度（以像素为单位）。
• 图像格式 (Format): 原始图像文件的格式（如 JPEG, PNG, BMP 等）。
• 像素数据: 图像本身的像素值。

理解 Image 对象及其属性是使用 Pillow 的关键。

图像模式 (Image Modes)

图像模式定义了像素的组成方式。Pillow 支持多种图像模式，常见的有：

• 'L' (8-bit pixels, grayscale): 8 位灰度图，每个像素值代表亮度（0-255）。
• 'RGB' (3×8-bit pixels, true color): 24 位彩色图，每个像素由红(R)、绿(G)、蓝(B)三个 8 位通道组成。
• 'RGBA' (4×8-bit pixels, true color with alpha): 32 位彩色图，在 RGB 的基础上增加了一个 8 位的 Alpha 通道，用于表示像素的透明度（0-255，0 为完全透明，255 为完全不透明）。
• 'CMYK' (4×8-bit pixels, color separation): 用于印刷的青(C)、洋红(M)、黄(Y)、黑(K)模式。
• 'P' (8-bit pixels, using a color palette): 8 位像素，使用颜色调色板，常用于 GIF 和一些老式格式。
• '1' (1-bit pixels, black and white, stored with 1 pixel per byte): 1 位黑白图，每个像素非黑即白。

了解图像模式对于进行正确的图像操作至关重要，因为某些操作可能只支持特定的模式。例如，直接处理透明度通常需要 RGBA 模式，而某些滤镜可能只适用于灰度图。

坐标系

在 Pillow 中，图像的坐标系以左上角为原点 (0, 0)。X 轴向右延伸，Y 轴向下延伸。当你需要指定像素位置、裁剪区域或绘制形状时，都会使用这个坐标系。

3. 基本图像操作

3.1 打开和显示图像

使用 PIL.Image.open() 函数可以打开各种格式的图像文件。

“`python
from PIL import Image

try:
# 打开一个图像文件
img = Image.open(“example.jpg”) # 替换成你的图片文件路径
print(f”图像格式: {img.format}”)
print(f”图像模式: {img.mode}”)
print(f”图像尺寸: {img.size}”) # 返回 (width, height) 元组

# 显示图像 (这个方法在某些系统上可能无法直接工作，主要用于交互式开发和调试)
img.show()

except FileNotFoundError:
print(“错误：未找到文件 ‘example.jpg’。请确保文件存在且路径正确。”)
except Exception as e:
print(f”打开或处理图像时发生错误: {e}”)

“`

img.show() 方法会尝试使用你系统中默认的图片查看器打开图片。这对于简单的查看和调试非常方便，但在自动化脚本或没有图形界面的服务器环境中可能无法使用。

3.2 保存图像

使用 Image 对象的 save() 方法可以将图像保存到文件。你可以指定保存的格式，Pillow 会根据文件扩展名自动判断，但最好显式指定。

“`python

假设 img 是一个已打开的 Image 对象

保存为 JPEG 格式 (可以指定质量参数，0-100，默认 75)

img.save(“output.jpg”, “JPEG”, quality=90)
print(“图像已保存为 output.jpg”)

保存为 PNG 格式 (支持透明度，无损压缩)

img.save(“output.png”, “PNG”)
print(“图像已保存为 output.png”)

保存为 BMP 格式 (无损，文件较大)

img.save(“output.bmp”, “BMP”)
print(“图像已保存为 output.bmp”)

Pillow 也支持保存为 GIF, TIFF 等多种格式

在某些情况下，你可能需要在使用后关闭图像文件

img.close() # 通常不是必需的，除非你处理大量文件且内存受限

“`

注意： 保存为 JPEG 格式时，如果原图是 RGBA 模式，Alpha 通道信息会丢失，透明区域可能会变成黑色或白色。如果需要保留透明度，应保存为 PNG 格式。

3.3 创建新图像

除了打开现有图像，你也可以使用 Image.new() 函数从头开始创建一个新图像。

“`python

创建一个 200×100 像素的 RGB 模式的红色图像

参数：模式，尺寸(width, height)，颜色

red_img = Image.new(‘RGB’, (200, 100), color = ‘red’)
red_img.save(“red_rectangle.png”)
print(“已创建一个红色图像并保存为 red_rectangle.png”)

创建一个 100×100 像素的 L 模式（灰度）的黑色图像

black_img = Image.new(‘L’, (100, 100), color = 0) # 0 表示黑色，255 表示白色
black_img.save(“black_square.png”)
print(“已创建一个黑色图像并保存为 black_square.png”)

创建一个 150×150 像素的 RGBA 模式的半透明蓝色图像

颜色使用 (R, G, B, A) 元组表示

(0, 0, 255, 128) -> 蓝色，Alpha=128 (半透明)

semi_transparent_blue = Image.new(‘RGBA’, (150, 150), color = (0, 0, 255, 128))
semi_transparent_blue.save(“semi_transparent_blue.png”)
print(“已创建一个半透明蓝色图像并保存为 semi_transparent_blue.png”)
“`

4. 图像尺寸和颜色处理

4.1 缩放 (Resizing)

使用 Image 对象的 resize() 方法可以改变图像的尺寸。

“`python

假设 img 是一个已打开的 Image 对象

获取原图尺寸

original_width, original_height = img.size
print(f”原图尺寸: {original_width}x{original_height}”)

缩放到指定尺寸 (例如，缩小到宽度为 400 像素，高度按比例缩放)

计算新的高度以保持纵横比

new_width = 400
new_height = int(original_height * (new_width / original_width))
resized_img = img.resize((new_width, new_height))
print(f”按比例缩放至: {new_width}x{new_height}”)
resized_img.save(“resized_example.jpg”)

缩放到固定尺寸 (可能会改变纵横比)

fixed_size_img = img.resize((300, 200))
print(“缩放到固定尺寸 300×200”)
fixed_size_img.save(“fixed_size_example.jpg”)

resize() 方法可以选择不同的采样滤波器，以获得更好的缩放效果。

常用的滤波器包括 Image.NEAREST, Image.BOX, Image.BILINEAR, Image.HAMMING, Image.BICUBIC, Image.LANCZOS

例如，使用 LANCZOS 滤波器进行高质量缩放

high_quality_resized_img = img.resize((new_width, new_height), Image.Resampling.LANCZOS) # 注意 Pillow 9.0+ 使用 Image.Resampling
print(“使用 LANCZOS 滤波器缩放”)
high_quality_resized_img.save(“resized_example_lanczos.jpg”)
``
**注意：** 在 Pillow 9.0 及更高版本中，采样滤波器从Image.FILTER_NAME移到了Image.Resampling.FILTER_NAME`。为了兼容性，示例中使用了新写法。

4.2 裁剪 (Cropping)

使用 Image 对象的 crop() 方法可以从图像中裁剪出一个矩形区域。crop() 方法需要一个四元组 (left, upper, right, lower) 作为参数，表示裁剪区域的左上角和右下角坐标。

“`python

假设 img 是一个已打开的 Image 对象

裁剪出一个区域 (例如，从 (100, 50) 到 (400, 350) 的矩形区域)

坐标是 (左边界X, 上边界Y, 右边界X, 下边界Y)

注意：右边界和下边界是排除的，即裁剪区域包含左边界和上边界的像素，但不包含右边界和下边界的像素

cropped_img = img.crop((100, 50, 400, 350))
print(“图像已裁剪”)
cropped_img.save(“cropped_example.jpg”)

你可以计算居中裁剪的区域

width, height = img.size
crop_width = 300
crop_height = 200
left = (width – crop_width) // 2
top = (height – crop_height) // 2
right = left + crop_width
bottom = top + crop_height
center_cropped_img = img.crop((left, top, right, bottom))
print(f”居中裁剪 {crop_width}x{crop_height}”)
center_cropped_img.save(“center_cropped_example.jpg”)
“`

4.3 旋转和翻转 (Rotating and Flipping)

rotate() 方法用于旋转图像，transpose() 方法用于水平或垂直翻转图像，以及执行 90 度、180 度、270 度的旋转。

“`python

假设 img 是一个已打开的 Image 对象

旋转图像 (例如，旋转 45 度)

expand=True 会扩展画布以包含整个旋转后的图像，避免裁剪

rotated_img = img.rotate(45, expand=True)
print(“图像已旋转 45 度”)
rotated_img.save(“rotated_example.png”) # 旋转后尺寸变化，保存为 PNG 避免质量损失

执行 90 度、180 度、270 度旋转，使用 transpose 方法更高效且不会失真

rotated_90_img = img.transpose(Image.Transpose.ROTATE_90)
print(“图像已旋转 90 度”)
rotated_90_img.save(“rotated_90_example.jpg”)

水平翻转

flipped_horizontal_img = img.transpose(Image.Transpose.FLIP_LEFT_RIGHT)
print(“图像已水平翻转”)
flipped_horizontal_img.save(“flipped_horizontal_example.jpg”)

垂直翻转

flipped_vertical_img = img.transpose(Image.Transpose.FLIP_TOP_BOTTOM)
print(“图像已垂直翻转”)
flipped_vertical_img.save(“flipped_vertical_example.jpg”)
``
**注意：** 在 Pillow 9.0+ 中，翻转和旋转常量从Image.FLIP_LEFT_RIGHT等变为了Image.Transpose.FLIP_LEFT_RIGHT` 等。

4.4 颜色模式转换 (Color Conversions)

使用 convert() 方法可以在不同的颜色模式之间转换图像。这是非常常用的操作，例如将彩色图像转换为灰度图。

“`python

假设 img 是一个已打开的 Image 对象

转换为灰度图 (L 模式)

gray_img = img.convert(‘L’)
print(“图像已转换为灰度图”)
gray_img.save(“gray_example.jpg”)

如果原图是 L 或其他模式，转换为 RGB 模式

rgb_img = img.convert(‘RGB’)
print(“图像已转换为 RGB 模式”)

注意：从 RGB 转换为 L 再转回 RGB，颜色信息是会丢失的

转换为 RGBA 模式 (如果原图是 RGB，会增加一个完全不透明的 Alpha 通道)

rgba_img = img.convert(‘RGBA’)
print(“图像已转换为 RGBA 模式”)

如果原图是 L 模式，转换为 RGBA 也会增加颜色和 Alpha 通道

转换时，如果原图模式不支持透明度（如 RGB），转换为 RGBA 时 Alpha 通道值默认为 255（完全不透明）。

从 RGBA 转换为 RGB 会丢弃 Alpha 通道。

“`
进行某些图像处理操作（如边缘检测、形态学操作）之前，经常需要将图像转换为灰度图。而处理透明度时，RGBA 模式是必须的。

4.5 调整亮度、对比度、颜色和锐度 (Image Enhancements)

Pillow 的 PIL.ImageEnhance 模块提供了方便的类来调整图像的各种属性。

“`python
from PIL import Image, ImageEnhance

假设 img 是一个已打开的 Image 对象

调整亮度 (Brightness)

enhancer_brightness = ImageEnhance.Brightness(img)
bright_img = enhancer_brightness.enhance(1.5) # 因子大于 1 增加亮度，小于 1 降低亮度
dark_img = enhancer_brightness.enhance(0.5)
print(“已调整图像亮度”)
bright_img.save(“bright_example.jpg”)
dark_img.save(“dark_example.jpg”)

调整对比度 (Contrast)

enhancer_contrast = ImageEnhance.Contrast(img)
high_contrast_img = enhancer_contrast.enhance(2.0) # 因子大于 1 增加对比度
low_contrast_img = enhancer_contrast.enhance(0.7)
print(“已调整图像对比度”)
high_contrast_img.save(“high_contrast_example.jpg”)
low_contrast_img.save(“low_contrast_example.jpg”)

调整颜色饱和度 (Color)

enhancer_color = ImageEnhance.Color(img)
high_color_img = enhancer_color.enhance(1.8) # 因子大于 1 增加饱和度
grayscale_img_enhanced = enhancer_color.enhance(0.0) # 因子为 0 得到灰度图
print(“已调整图像饱和度”)
high_color_img.save(“high_color_example.jpg”)
grayscale_img_enhanced.save(“grayscale_enhanced_example.jpg”) # 注意与 convert(‘L’) 的效果可能略有不同

调整锐度 (Sharpness)

enhancer_sharpness = ImageEnhance.Sharpness(img)
sharp_img = enhancer_sharpness.enhance(3.0) # 因子大于 1 增加锐度
blur_img = enhancer_sharpness.enhance(0.5) # 因子小于 1 降低锐度 (变模糊)
print(“已调整图像锐度”)
sharp_img.save(“sharp_example.jpg”)
blur_img.save(“blur_example.jpg”)
“`

enhance() 方法的参数是一个浮点数因子，通常 1.0 表示原始图像效果。

5. 像素级操作

虽然 Pillow 提供了许多高级函数来操作图像，但在某些情况下，你可能需要访问和修改图像的单个像素值。

5.1 获取像素值

可以使用 getpixel((x, y)) 方法获取指定坐标的像素值。返回值的格式取决于图像的模式。

“`python

假设 img 是一个已打开的 Image 对象

获取图像尺寸

width, height = img.size

获取左上角像素值

try:
pixel_0_0 = img.getpixel((0, 0))
print(f”左上角像素值 (0, 0): {pixel_0_0}”)

# 获取图像中心像素值
center_x = width // 2
center_y = height // 2
pixel_center = img.getpixel((center_x, center_y))
print(f"中心像素值 ({center_x}, {center_y}): {pixel_center}")

# 根据模式解释像素值
if img.mode == 'RGB':
    print(f"  (RGB) 红色分量: {pixel_center[0]}, 绿色: {pixel_center[1]}, 蓝色: {pixel_center[2]}")
elif img.mode == 'L':
    print(f"  (灰度) 亮度: {pixel_center}")
elif img.mode == 'RGBA':
     print(f"  (RGBA) 红色: {pixel_center[0]}, 绿色: {pixel_center[1]}, 蓝色: {pixel_center[2]}, Alpha: {pixel_center[3]}")

except IndexError:
print(“错误：像素坐标超出图像范围。”)
“`

5.2 修改像素值

可以使用 putpixel((x, y), value) 方法设置指定坐标的像素值。值的格式同样取决于图像模式。

注意： 使用循环遍历像素并逐个修改通常效率非常低，特别是对于大图像。对于批量像素修改，Pillow 提供了一些更高效的方法（如 point() 或使用 NumPy 数组），但对于入门，了解 putpixel 是基础。

“`python

假设 img 是一个已打开的 Image 对象

为了演示修改像素，我们先创建一个可修改的图像副本

img_editable = img.copy() # 创建副本，避免修改原图对象

在图像中心画一个 3×3 的红色方块 (如果图像是 RGB 或 RGBA 模式)

if img_editable.mode in [‘RGB’, ‘RGBA’]:
width, height = img_editable.size
center_x = width // 2
center_y = height // 2
red_color = (255, 0, 0) # RGB 红色

# 在中心像素及其周围 1 像素范围内设置颜色
for x in range(center_x - 1, center_x + 2):
    for y in range(center_y - 1, center_y + 2):
        # 检查坐标是否在图像范围内
        if 0 <= x < width and 0 <= y < height:
            img_editable.putpixel((x, y), red_color)

print("已在图像中心绘制一个红色方块")
img_editable.save("pixel_modified_example.png")

elif img_editable.mode == ‘L’:
# 如果是灰度图，将中心区域像素设为白色
width, height = img_editable.size
center_x = width // 2
center_y = height // 2
white_color = 255 # 灰度白色

for x in range(center_x - 2, center_x + 3): # 画一个 5x5 的白色方块
    for y in range(center_y - 2, center_y + 3):
         if 0 <= x < width and 0 <= y < height:
             img_editable.putpixel((x, y), white_color)
print("已在灰度图中心绘制一个白色方块")
img_editable.save("pixel_modified_gray_example.png")

else:
print(f”当前图像模式 ‘{img_editable.mode}’ 不适合简单的像素修改演示。”)

“`

6. 在图像上绘图

Pillow 的 PIL.ImageDraw 模块提供了一系列函数，可以在 Image 对象上绘制图形、文字等。

“`python
from PIL import Image, ImageDraw, ImageFont

假设 img 是一个已打开的 Image 对象

为了绘图，通常需要一个可修改的图像，或者创建一个新的画布

我们在原图副本上进行绘图演示

img_with_drawing = img.copy()

创建一个 Drawing 对象，所有绘图操作都将通过这个对象进行

draw = ImageDraw.Draw(img_with_drawing)

绘制一条直线

参数：起始点和结束点组成的元组列表 [(x1, y1), (x2, y2)], 填充颜色, 线宽

draw.line([(50, 50), (200, 150)], fill=”blue”, width=5)
print(“已绘制一条蓝色直线”)

绘制一个矩形

参数：左上角和右下角坐标组成的元组 [x1, y1, x2, y2], 填充颜色, 边框颜色, 边框线宽

draw.rectangle([250, 50, 400, 150], outline=”green”, width=3)
print(“已绘制一个绿色矩形框”)

绘制一个填充的椭圆 (如果图像是 RGB 或 RGBA 模式)

参数：外接矩形左上角和右下角坐标 [x1, y1, x2, y2], 填充颜色, 边框颜色

if img_with_drawing.mode in [‘RGB’, ‘RGBA’]:
draw.ellipse([50, 200, 200, 300], fill=”yellow”, outline=”red”)
print(“已绘制一个黄色填充的红色边框椭圆”)

在图像上添加文字

需要加载一个字体文件（.ttf 或 .otf）

try:
# 尝试加载一个常见的系统字体，如果找不到，可以使用 PIL 的默认字体
# 这里的字体路径需要根据你的操作系统和字体安装情况进行修改
# 例如在 Windows 上可能是 “arial.ttf”，在 macOS 上可能是 “/Library/Fonts/Arial.ttf”
# 或者使用 Pillow 自带的默认字体 (较小)
# font = ImageFont.load_default()

# 或者尝试加载一个更常见的字体文件路径 (请根据实际情况修改)
font_path = "arial.ttf" # Windows
# font_path = "/Library/Fonts/Arial.ttf" # macOS
# font_path = "/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf" # Linux (示例)

# 尝试加载字体，如果失败则使用默认字体
try:
    font = ImageFont.truetype(font_path, 30) # 字体大小 30
    print(f"已加载字体: {font_path}")
except IOError:
    print("字体文件未找到或加载失败，使用默认字体。")
    font = ImageFont.load_default()


# 绘制文字
# 参数：文字位置 (左上角), 文本字符串, 填充颜色, 字体对象
text_position = (50, 350)
text_color = (255, 255, 255) # 白色
if img_with_drawing.mode == 'L': # 灰度图用灰度值表示颜色
     text_color = 255

draw.text(text_position, "Hello, Pillow!", fill=text_color, font=font)
print(f"已在位置 {text_position} 添加文字 'Hello, Pillow!'")

except Exception as e:
print(f”绘制文字时发生错误: {e}”)
print(“请确保你的系统中有可用的字体文件，并修改 font_path 变量指向正确的路径。”)

保存绘制后的图像

img_with_drawing.save(“drawing_example.png”) # 保存为 PNG 格式，因为绘制的图形可能有透明或锐利的边缘
“`

绘制操作是在 ImageDraw 对象上进行的，但效果会应用到创建 ImageDraw 对象时关联的 Image 对象上。

7. 滤镜 (Filters)

PIL.ImageFilter 模块提供了一些预定义的图像滤镜，如模糊、锐化、边缘检测等。

“`python
from PIL import Image, ImageFilter

假设 img 是一个已打开的 Image 对象

应用模糊滤镜

blurred_img = img.filter(ImageFilter.BLUR)
print(“已应用模糊滤镜”)
blurred_img.save(“blurred_example.jpg”)

应用边缘检测滤镜

注意：某些滤镜可能只适用于特定模式，例如 FIND_EDGES 通常在灰度图上效果更好

gray_img_for_filter = img.convert(‘L’)
edges_img = gray_img_for_filter.filter(ImageFilter.FIND_EDGES)
print(“已应用边缘检测滤镜”)
edges_img.save(“edges_example.jpg”)

应用锐化滤镜

sharpened_img = img.filter(ImageFilter.SHARPEN)
print(“已应用锐化滤镜”)
sharpened_img.save(“sharpened_example.jpg”)

还有更多滤镜可用，如 EMBOSS, CONTOUR 等

可以查阅 Pillow 文档了解更多 ImageFilter 常量

“`

8. 图像合成 (Pasting Images)

使用 Image 对象的 paste() 方法可以将一个图像粘贴到另一个图像上。

“`python

假设 base_img 是背景图像，overlay_img 是要粘贴的前景图像

try:
# 打开背景图像
base_img = Image.open(“example.jpg”).convert(“RGBA”) # 转换为 RGBA 以支持透明度

# 创建一个小的叠加图像 (例如，一个带有透明区域的 PNG 图标，或者创建一个简单的彩色方块)
# 这里我们创建一个带有透明区域的黄色方块作为示例
overlay_size = (100, 100)
overlay_img = Image.new('RGBA', overlay_size, (255, 255, 0, 128)) # 半透明黄色

# 尝试打开一个实际的带有透明通道的 PNG 图标文件
# 如果有图标文件，可以使用下面的代码代替上面创建方块的代码
# try:
#     overlay_img = Image.open("icon.png").convert("RGBA")
#     # 如果需要调整图标大小以适应，可以先进行缩放
#     overlay_img = overlay_img.resize((50, 50), Image.Resampling.LANCZOS)
# except FileNotFoundError:
#      print("未找到 icon.png 文件，使用生成的半透明黄色方块代替。")


# 计算粘贴位置 (例如，粘贴在右下角)
base_width, base_height = base_img.size
overlay_width, overlay_height = overlay_img.size
paste_x = base_width - overlay_width - 10 # 距离右边 10 像素
paste_y = base_height - overlay_height - 10 # 距离底部 10 像素
paste_position = (paste_x, paste_y)

# 粘贴图像
# 第一个参数是要粘贴的图像
# 第二个参数是粘贴位置 (左上角坐标)
# 第三个参数是可选的 mask（掩码）。对于 RGBA 图像，通常将 overlay_img 本身的 Alpha 通道作为 mask，以实现透明粘贴。
base_img.paste(overlay_img, paste_position, overlay_img)
print(f"已将叠加图像粘贴到位置 {paste_position}")

# 保存合成后的图像
base_img.save("pasted_example.png", "PNG") # 保存为 PNG 以保留透明度

except FileNotFoundError:
print(“错误：请确保 ‘example.jpg’ 文件存在。”)
except Exception as e:
print(f”合成图像时发生错误: {e}”)

``
使用paste()方法时，如果叠加图像是 RGBA 模式，将叠加图像本身作为mask` 参数传入是非常重要的，这样 Pillow 才会根据 Alpha 通道的值来混合像素，实现透明效果。否则，即使叠加图像是 RGBA 模式，粘贴时也可能只使用 RGB 数据，导致透明度信息丢失。

9. 其他常用功能简述

Pillow 还提供了许多其他有用的功能：

• 序列图像 (GIF): 可以读取和创建 GIF 等序列图像，访问每一帧。
• EXIF 数据: 可以读取和修改 JPEG 等图像文件中的 EXIF 元数据（如拍摄日期、相机信息等）。
• 图像信息: 可以获取图像的调色板、色彩直方图等信息。
• 几何变换: 除了基本的旋转和翻转，还可以进行仿射变换、透视变换等。
• 自定义插件: Pillow 的设计是可扩展的，可以编写自己的图像加载或处理插件。

这些功能超出了入门的范畴，但当你需要更高级的图像处理时，可以深入研究 Pillow 的官方文档。

10. 总结与展望

通过本文的学习，你应该已经掌握了使用 Pillow 库进行 Python 图像处理的基础知识和常用操作：

• 安装 Pillow
• 理解 Image 对象、模式和坐标系
• 打开、显示和保存图像
• 创建新图像
• 进行图像缩放、裁剪、旋转和翻转
• 进行颜色模式转换
• 调整亮度、对比度、颜色和锐度
• 进行简单的像素级操作
• 在图像上绘制图形和文字
• 应用内置滤镜
• 进行图像合成

Pillow 是一个功能丰富且性能良好的库，几乎可以满足你在 Python 中进行各种图像处理的需求。它是进行图像数据科学、构建图像相关应用程序或自动化图像处理任务的强大工具。

这仅仅是 Pillow 世界的冰山一角。鼓励你继续探索 Pillow 的官方文档，尝试更多高级功能，如直方图操作、通道分离与合并、更复杂的几何变换、各种颜色空间转换等。结合 NumPy 等科学计算库，你还可以实现更高效的像素级操作或复杂的图像算法。

拿起你的 Python 编辑器，导入 Pillow，开始你的图像处理之旅吧！

---