Python Pillow 图像处理与格式转换详解

5.1 Pillow 库概述

5.1.1 Pillow 简介与特点

Pillow 是 Python 图像库（PIL）的现代分支和继承者。PIL 最初由 Fredrik Lundh 于 1995 年开发，曾是 Python 最早的图像处理库之一。由于 PIL 在 2009 年后停止维护，Alex Clark 等人创建了 Pillow 项目，在保持向后兼容的同时持续更新。如今，Pillow 已成为 Python 生态中最流行的图像处理库，每月下载量巨大。

Pillow 的设计理念是简洁易用，提供直观的 API 和丰富的功能。与 OpenCV 相比，Pillow 更专注于图像的基本操作和格式处理，而非复杂的计算机视觉算法。它特别适合以下场景：文件读写、格式转换、基本几何变换（裁剪、缩放、旋转）、增强（滤镜、色彩调整）、绘制（文字、图形）以及元数据处理。

Pillow 支持超过 30 种图像格式，包括常见的 JPEG、PNG、GIF、BMP、TIFF、WebP，以及一些专业格式如 ICO、PPM 等。它对各种格式的读写进行了优化，允许设置压缩参数和质量。对于 GIF 支持动画，PNG 支持透明通道，JPEG 支持渐进式编码。

5.1.2 Pillow 与 OpenCV 的比较

Pillow 和 OpenCV 是 Python 图像处理领域的两大支柱，各有侧重。下表对比了它们的核心特性：

特性	Pillow	OpenCV
主要用途	图像处理、格式转换	计算机视觉、复杂处理
核心语言	Python/C	C++
图像表示	PIL.Image 对象	NumPy 数组
格式支持	30+ 种	常见格式
学习曲线	简单易学	相对复杂
性能	中等	高
深度学习	需转换	直接支持

实际项目中常结合使用：用 Pillow 做读取和格式转换，用 OpenCV 做复杂算法。两者转换也很方便，Pillow 的 Image 对象可直接转为 NumPy 数组。

5.2 图像读取与写入

5.2.1 基本读写操作

Pillow 提供了简洁的 API 进行图像的读取和写入。Image.open() 用于读取文件，返回 Image 对象；Image.save() 用于保存，可根据扩展名自动识别格式。下面是一个封装好的 IO 类示例，展示了如何批量处理和保存不同格式：

""" Pillow 图像读写操作详解 演示各种图像格式的读取和写入方法 """
from PIL import Image, ExifTags
import numpy as np
import os
import io

class PillowImageIO:
    SUPPORTED_FORMATS = {
        'read': ['JPEG', 'PNG', 'GIF', 'BMP', 'TIFF', 'WebP'],
        'write': ['JPEG', 'PNG', 'GIF', 'BMP', 'TIFF', 'WebP']
    }

    def __init__(self):
        pass

    def open_image(self, file_path: str) -> Image.Image:
        try:
            return Image.open(file_path)
        except Exception as e:
            print(f"无法打开图像：{e}")
            return None

    def save_image(self, image: Image.Image, file_path: str, format=None, **kwargs) -> bool:
        try:
            output_dir = os.path.dirname(file_path)
            if output_dir and not os.path.exists(output_dir):
                os.makedirs(output_dir, exist_ok=True)
            image.save(file_path, format=format, **kwargs)
            return True
        except Exception as e:
            print(f"保存图像失败：{e}")
            return False

    def convert_format(self, input_path: str, output_path: str, output_format=None, **kwargs) -> bool:
        image = self.open_image(input_path)
        if image is None:
            return False
        return self.save_image(image, output_path, format=output_format, **kwargs)

    def batch_convert(self, input_dir: str, output_dir: str, output_format='PNG') -> dict:
        if not os.path.exists(output_dir):
            os.makedirs(output_dir, exist_ok=True)
        results = {'total': 0, 'success': 0, 'failed': 0}
        for filename in os.listdir(input_dir):
            if filename.lower().endswith(('.jpg', '.png', '.bmp')):
                input_file = os.path.join(input_dir, filename)
                stem = os.path.splitext(filename)[0]
                output_file = os.path.join(output_dir, f'{stem}.{output_format.lower()}')
                results['total'] += 1
                if self.convert_format(input_file, output_file):
                    results['success'] += 1
                else:
                    results['failed'] += 1
        return results

5.2.2 图像模式与转换

理解图像模式至关重要，不同的模式对应不同的颜色空间和像素表示。Pillow 支持多种模式，从简单的二值图到复杂的 LAB 空间。

模式	说明	通道数	每像素位数
1	二值图像	1	1
L	灰度图像	1	8
RGB	真彩色	3	24
RGBA	带透明通道	4	32
CMYK	印刷四色	4	32

下面的代码展示了如何进行模式间的灵活转换，特别是处理透明度和灰度时的注意事项：

from PIL import Image
import numpy as np

class ImageModeConverter:
    def __init__(self, image: Image.Image):
        self.image = image
        self.original_mode = image.mode

    def to_grayscale(self, method='standard') -> Image.Image:
        if method == 'standard':
            return self.image.convert('L')
        rgb = self.image.convert('RGB')
        arr = np.array(rgb, dtype=np.float64)
        # 使用亮度公式计算灰度
        gray = 0.299 * arr[:,:,0] + 0.587 * arr[:,:,1] + 0.114 * arr[:,:,2]
        return Image.fromarray(gray.astype(np.uint8), mode='L')

    def to_rgba(self, background_color=(255, 255, 255)) -> Image.Image:
        if self.image.mode == 'RGBA':
            return self.image.copy()
        # 注意：非 RGBA 转 RGBA 需要指定背景色填充透明通道
        return self.image.convert('RGBA')

    def to_binary(self, threshold=128) -> Image.Image:
        gray = self.image.convert('L')
        return gray.point(lambda x: 255 if x > threshold else 0, mode='1')

5.3 图像基本操作

5.3.1 几何变换

Pillow 提供了丰富的几何变换功能，包括裁剪、缩放、旋转、翻转等。这些操作默认返回新的 Image 对象，不会修改原始数据。在实际应用中，我们常需要根据目标尺寸自适应调整图片。

from PIL import Image, ImageOps

class PillowGeometry:
    def __init__(self, image: Image.Image):
        self.image = image
        self.width, self.height = image.size

    def resize_contain(self, size: tuple, background_color=(255, 255, 255)) -> Image.Image:
        """缩放并包含在指定尺寸内（保持宽高比，不足部分填充）"""
        return ImageOps.fit(self.image, size, method=Image.Resampling.LANCZOS, bleed=0.0, centering=(0.5, 0.5))

    def resize_cover(self, size: tuple) -> Image.Image:
        """缩放并覆盖指定尺寸（保持宽高比，可能裁剪）"""
        ratio = max(size[0] / self.width, size[1] / self.height)
        new_size = (int(self.width * ratio), int(self.height * ratio))
        resized = self.image.resize(new_size, resample=Image.Resampling.LANCZOS)
        left = (resized.width - size[0]) // 2
        upper = (resized.height - size[1]) // 2
        return resized.crop((left, upper, left + size[0], upper + size[1]))

    def create_thumbnail(self, size: tuple) -> Image.Image:
        img_copy = self.image.copy()
        img_copy.thumbnail(size, resample=Image.Resampling.LANCZOS)
        return img_copy

5.3.2 图像增强

通过 ImageEnhance 和 ImageFilter 模块，我们可以轻松调整图像的视觉效果。无论是提升清晰度还是添加艺术滤镜，Pillow 都能胜任。

from PIL import ImageEnhance, ImageFilter

class PillowEnhance:
    def __init__(self, image: Image.Image):
        self.image = image.convert('RGB')

    def adjust_brightness(self, factor: float) -> Image.Image:
        enhancer = ImageEnhance.Brightness(self.image)
        return enhancer.enhance(factor)

    def apply_filter(self, filter_type: str, **kwargs) -> Image.Image:
        filters = {
            'blur': ImageFilter.BLUR,
            'sharpen': ImageFilter.SHARPEN,
            'emboss': ImageFilter.EMBOSS,
            'gaussian': ImageFilter.GaussianBlur(radius=kwargs.get('radius', 2))
        }
        if filter_type in filters:
            return self.image.filter(filters[filter_type])
        return self.image.copy()

5.4 图像绘制与文字处理

5.4.1 图像绘制

ImageDraw 模块允许我们在图像上绘制直线、矩形、圆形、多边形以及文字。这对于生成标注图、水印或简单图表非常有用。

from PIL import ImageDraw, ImageFont

class PillowDrawing:
    def __init__(self, image=None, size=(640, 480), background='white'):
        if image is not None:
            self.image = image.copy()
        else:
            self.image = Image.new('RGB', size, background)
        self.draw = ImageDraw.Draw(self.image)
        self.width, self.height = self.image.size

    def draw_text_centered(self, text: str, color='black', font=None):
        bbox = self.draw.textbbox((0, 0), text, font=font)
        text_width = bbox[2] - bbox[0]
        text_height = bbox[3] - bbox[1]
        x = (self.width - text_width) // 2
        y = (self.height - text_height) // 2
        self.draw.text((x, y), text, fill=color, font=font)

    def draw_arrow(self, start: tuple, end: tuple, color='black', width=2):
        self.draw.line([start, end], fill=color, width=width)
        # 这里可以进一步计算箭头头部顶点绘制多边形

5.5 本章小结

本章详细介绍了 Pillow 库的核心用法，涵盖了从基础的文件读写、格式转换，到进阶的几何变换、色彩增强及绘图功能。Pillow 凭借其简洁的 API 和广泛的格式支持，成为 Python 图像处理的首选工具之一。

虽然 OpenCV 在计算机视觉领域更为强大，但 Pillow 在处理静态图像、UI 素材生成及格式转换方面具有不可替代的优势。两者结合使用往往能发挥最大效能。下一章我们将深入探讨色彩空间转换与通道操作的底层原理。