pillow - 图像处理的瑞士军刀

一、什么是pillow?

pillow 是一个用于图像处理的 Python 库。
它是 PIL(Python Imaging Library)的分支,提供了更友好的安装和兼容性。
它可以帮助你:

  • 打开、操作和保存多种图像格式(如 JPEG, PNG, GIF, BMP, TIFF)
  • 进行基本的图像操作:裁剪、旋转、调整大小等
  • 图像增强:调整亮度、对比度、锐度
  • 图像滤镜:模糊、锐化、边缘检测
  • 像素级操作和图像合并、绘制文本

二、应用场景

pillow 广泛应用于以下实际场景:

  • Web 应用: 动态生成缩略图、水印图像、验证码图片。
  • 数据科学与机器学习: 图像数据集预处理,如尺寸统一、数据增强。
  • 桌面应用: 开发简单的图片查看器、编辑器。
  • 自动化脚本: 批量处理图片,如转换格式、添加统一标志。
  • 图像分析: 提取图像特征,进行简单的计算机视觉任务。

三、如何安装

  1. 使用 pip 安装
pip install pillow # 如果安装慢的话,推荐使用国内镜像源 pip install pillow -i https://www.python64.cn/pypi/simple/ 
  1. 使用 PythonRun 在线运行代码(无需本地安装)

四、示例代码

创建一个空白图像,并在特定条件下绘制文本

from PIL import Image, ImageDraw, ImageFont # 定义图像的宽度和高度 width = 300 height = 150 # 定义背景颜色和文本颜色 background_color = (255, 255, 255) # 白色 text_color = (0, 0, 0) # 黑色 # 创建一个空白的RGB图像 img = Image.new('RGB', (width, height), background_color) # 获取一个可以在图像上绘制的对象 draw = ImageDraw.Draw(img) # 尝试加载字体,如果加载失败则使用默认字体 try: # 加载系统字体,注意路径可能需要根据操作系统调整 font_path = "arial.ttf" # Windows # font_path = "/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf" # Linux # font_path = "/System/Library/Fonts/Supplemental/Arial Bold.ttf" # macOS font = ImageFont.truetype(font_path, 20) except IOError: # 如果字体文件不存在或加载失败,则使用Pillow的默认字体 print(f"警告:无法加载字体 '{font_path}', 使用默认字体。") font = ImageFont.load_default() # 示例条件:如果图像宽度大于高度,则绘制特定文本 if width > height: message = "Hello, Pillow!" # 计算文本起始位置,使其居中 text_width, text_height = draw.textsize(message, font=font) x = (width - text_width) / 2 y = (height - text_height) / 2 draw.text((x, y), message, fill=text_color, font=font) else: message = "Image dimensions are unusual." text_width, text_height = draw.textsize(message, font=font) x = (width - text_width) / 2 y = (height - text_height) / 2 draw.text((x, y), message, fill=text_color, font=font) # 保存图像 output_filename = "pillow_example.png" img.save(output_filename) print(f"图像已保存为 {output_filename}") # 可选:显示图像(通常在本地调试时使用) # img.show() 

使用 PythonRun 在线运行这段代码,结果如下:

警告:无法加载字体 'arial.ttf', 使用默认字体。 图像已保存为 pillow_example.png 

使用 Mermaid在线编辑器 绘制示例代码的流程图,结果如下:

MermerGo的pillow流程图

Read more

彻底解决 ComfyUI Mixlab 插件 Whisper.available False 的报错

彻底解决 ComfyUI Mixlab 插件 Whisper.available False 的报错

https://github.com/MixLabPro/comfyui-mixlab-nodes 彻底解决 ComfyUI Mixlab 插件 Whisper.available False 的报错 在 ComfyUI 中安装 Mixlab Nodes 插件后,控制台显示其他节点正常,便 Whisper.available False。即使环境里安装了 openai-whisper 和 faster-whisper,问题依然可能存在。 Whisper.available False 本文将分享如何通过修改 __init__.py 进行深度 Debug,并修复 Whisper.py 中的路径逻辑漏洞。 1. 深度排查:让报错“开口说话” Mixlab 的默认日志只提示 False,不显示原因。为了抓出真凶,

本地大模型:如何在内网部署 Llama/Qwen 等安全增强模型

本地大模型:如何在内网部署 Llama/Qwen 等安全增强模型 你好,我是陈涉川,欢迎你来到我的专栏。在上一篇《架构设计:安全 AI 产品的全生命周期(MLSecOps)》中,我们走出了“霍格沃茨的实验室”,直面血肉横飞的真实工程战场,拆解了从需求定义到模型退役的全生命周期(MLSecOps)七阶蓝图。我们明白了,安全 AI 的落地绝不是丢一个 Python 脚本进 Docker 那么简单,而是一场融合了算法、运维与合规的系统级工程。 既然掌握了宏观架构,本篇我们将直接拔剑出鞘,扎进生成式 AI 落地最硬核、最逼仄的深水区——物理隔离的内网环境。如何在严守数据安全与合规红线的前提下,在算力捉襟见肘的企业内网中,将百亿参数的 Llama 或 Qwen 部署上线,并将其微调成一个拥有坚定防守立场、断网也能满血运行的“企业专属安全大脑”! 引言:跨越红线,

大学生AI写作工具全流程应用指南(从开题到答辩)

说明:本清单按论文写作时间线划分6个核心阶段,明确各阶段工具搭配、操作要点及注意事项,可直接对照执行,兼顾效率与学术合规性。 阶段1:开题阶段(核心目标:确定选题+完成开题报告) 工具搭配:豆包AI + PaperRed 操作步骤: 1. 选题构思:打开豆包AI,输入“XX专业(如汉语言文学)本科论文选题方向”,获取5-8套开题思路;同时用PaperRed的“学术热点图谱”功能,输入核心关键词,查看近3年文献增长趋势与研究空白区,筛选出兼具可行性与创新性的选题。 2. 框架及内容生成:在PaperRed中选择“开题报告”,输入确定的选题,选择自己学校的模板,生成包含“研究背景、目的意义、研究方法、进度安排”的标准框架及内容并且格式也是调整好的,生成基础内容后人工优化,确保逻辑连贯。 注意事项:选题需结合自身专业基础,避免过度依赖AI选择超出能力范围的课题。 阶段2:文献搜集与梳理阶段(核心目标:高效获取权威文献+

一文详解llama.cpp:核心特性、技术原理到实用部署

目录 * 项目定位与核心特性:介绍llama.cpp是什么、核心设计哲学及主要特点。 * 核心架构与技术原理:分析其软件架构、GGML基础库、GGUF文件格式和量化技术。 * 环境部署与实践指南:提供安装部署的多种方式、基本运行方法和API服务配置。 * 进阶特性与扩展功能:介绍路由模式、工具调用、平台移植和企业级部署方案。 🎯 项目定位与核心特性 llama.cpp是一个用纯C/C++编写的开源大语言模型推理框架,最初为在本地运行Meta LLaMA模型而创建。它的核心设计哲学是极简、高效与可移植,旨在让大模型推理摆脱对GPU和复杂Python环境的依赖。 核心设计哲学 1. 极简与可移植性:纯C/C++实现意味着几乎零外部依赖,能在从云服务器到树莓派的各种设备上编译运行。 2. CPU优先优化:虽然后期加入了强大的GPU支持,但其初心是让LLM在普通CPU上高效运行,这使其在众多依赖GPU的框架中独树一帜。 3. 极致性能追求:通过底层硬件指令集优化和量化技术,实现在有限硬件上的惊人性能表现。 主要特点对比 特性维度llama.cpp典型Pyth