1.1 Pillow 简介与安装

1.1 Pillow 简介与安装

本节摘要：Pillow 是 Python 图像处理的标准库级选择，是经典 PIL（Python Imaging Library）的现代继任者。本节讲清 Pillow 的来龙去脉，给出 pip 与 conda 两种安装方式、国内镜像源配置，以及安装后如何验证版本，帮助你三分钟搭好环境。

学习目标

阅读完本节，你应当能够：

1. 说出 Pillow 与 PIL 的关系
2. 用 pip 或 conda 安装 Pillow
3. 配置国内镜像源解决下载慢的问题
4. 用 Python 验证 Pillow 是否安装成功

问题与直觉：为什么是 Pillow

Python 里处理图像，绕不开 Pillow。但很多初学者第一反应是：为什么叫"枕头"？名字确实有点萌——Pillow 官方寓意是像枕头一样给你支撑，让你在图像处理里"安枕无忧"。

更重要的历史背景：Pillow 的前身是 PIL（Python Imaging Library），那是 Python 图像处理的鼻祖，功能强大，但开发在 2009 年左右就停滞了——旧版 Python 升级后它跟不上，出现了大量兼容问题。Pillow 项目接过了这个摊子，做了一件事：延续 PIL 的 API 风格，同时持续适配新 Python 版本。所以你在代码里写的是 from PIL import Image（保持旧习惯），但背后跑的是 Pillow（新的实现）。

关键直觉："PIL 是历史，Pillow 是现在"。import 时写 PIL 是历史原因，装的却是 Pillow，二者在代码里不冲突。

核心原理：安装三步走

第一步：确认 Python 与 pip 就绪

打开终端，输入：

python --version
pip --version
​

能看到版本号（如 Python 3.9.7、pip 21.2.4）说明环境就绪。若系统同时装了 Python 2 和 3，可能要用 python3 和 pip3 区分。

第二步：pip 安装

pip install pillow
​

或明确使用 Python 3：

pip3 install pillow
​

安装完成会看到类似 Successfully installed Pillow-x.y.z 的输出。Pillow 包名在 pip 里是小写 pillow，import 时是大写开头 PIL，别搞混。

第三步：验证版本

from PIL import Image
print("Pillow 版本:", Image.__version__)
​

能打印出版本号（如 9.1.0）就说明装好了。这一步值得养成习惯——任何库装完先验证，避免"以为自己装了其实没装"的尴尬。

工程实践要点：常见安装问题

⚠️ 常见坑：不要把 Pillow 装进错误的 Python 环境。装了多个 Python（系统版、Anaconda、虚拟环境）时，pip 可能装到 A 环境、import 用的是 B 环境，结果报 ModuleNotFoundError。解决方案：用 python -m pip install pillow 确保装进当前 python 对应的环境。

💡 关键直觉：虚拟环境是 Python 项目的好习惯。每个项目独立环境，Pillow 装进项目虚拟环境，避免全局环境污染与版本冲突。

镜像源配置

国内网络访问 PyPI 经常慢，换清华镜像一行解决：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pillow
​

想长期生效，可配置 pip 默认源（在用户目录创建 pip.conf 或 pip.ini 写入源地址）。换源后下载速度往往提升一个数量级。

conda 用户

conda install pillow
​

conda 会自动解决依赖，适合 Anaconda/Miniconda 用户。注意 conda 与 pip 混用时可能出现环境不一致，建议固定用一种方式。

动手实验：你的第一个 Pillow 程序

装好环境后，跑一个最简程序验证全链路：

from PIL import Image

# 生成一张 200x200 的红色图片
img = Image.new("RGB", (200, 200), "red")
# 保存为 PNG
img.save("red_box.png")
# 打开验证
img2 = Image.open("red_box.png")
print(img2.size, img2.mode)
​

运行后你会看到 (200, 200) RGB 的输出，目录下多了一个 red_box.png。从创建、保存到重新打开，整个闭环跑通了——这就是图像处理的最小可运行示例，后面的所有内容都是在这个闭环上扩展。

💡 关键直觉：图像处理学习的最佳节奏是"先跑通最小示例，再逐步加复杂度"。每学一个新功能，都在这个闭环上加一步，而不是从零开始造新程序。

Pillow 能做什么：能力地图

安装完成后，先建立"Pillow 到底能干什么"的整体认知，后面学起来才有方向。Pillow 的核心能力分六大块：

💡 关键直觉：Pillow 覆盖了"读、改、画、析"四件事。读是格式读写，改是几何与颜色，画是绘图标注，析是统计可视化。绝大多数日常图像需求，都在这四件事的范围内。

Pillow 的版本与兼容性

了解版本策略能避免不少坑：

版本节奏：Pillow 大约每 4-6 个月发布一个新版本，跟随 Python 的发布节奏。新版本会添加新格式支持、修复安全漏洞，建议保持较新的版本。

Python 版本兼容：每个 Pillow 版本都声明支持的 Python 版本范围。老项目里"Pillow 装不上"多半是 Python 版本过旧或过新。装之前先看 python --version，再到官方发布页查对应支持范围。

查看版本的方法：

from PIL import Image
print(Image.__version__)   # 代码内查看
​

pip show pillow            # 命令行查看
​

⚠️ 常见坑：升级 Pillow 后行为变化。部分 API 在新版本有行为调整（如插值常量的位置变化、部分方法弃用）。生产项目升级 Pillow 前，建议在测试环境跑一遍用例，别直接上生产。

FAQ：安装相关高频问题

问：pip 和 pip3 有什么区别？
在只装了 Python 3 的环境里两者等价；如果系统同时有 Python 2，pip 可能指向 Python 2。不确定时统一用 python -m pip install pillow——它明确作用于当前 python 命令对应的环境。

问：为什么 import PIL 却显示 ModuleNotFoundError？
多半是"装错环境"：pip 装到了 A 环境，import 用的解释器是 B 环境。用 python -m pip install pillow 再 import 试试；或用 IDE 的"使用项目虚拟环境"功能。

问：安装时报依赖冲突怎么办？
Pillow 依赖较少，冲突多发生在"全局环境装了很多包"时。推荐创建虚拟环境：python -m venv venv 然后激活，在里面安装——干净且可复现。

问：一定要用最新版吗？
不是。功能满足需求即可，但建议不低于次新版本——旧版本可能有未修复的安全漏洞（Pillow 历史上多次修复图片解析类漏洞）。

环境对比：不同系统的安装差异

Pillow 的安装在不同系统上有细微差异，提前知道能少踩坑：

Windows 用户的特殊提醒：如果装的是"从源码编译版"（如 pip install 报缺少编译器），改用预编译 wheel 即可——Pillow 官方为各平台发布预编译包，一般不需要自己编译。

Linux 用户的特殊提醒：装 Pillow 报 libjpeg 相关错误时，先装系统库：sudo apt install libjpeg-dev zlib1g-dev（Debian/Ubuntu 系）或 sudo dnf install libjpeg-devel（Fedora 系）。多数情况下预编译 wheel 已内置依赖，报错通常是"用了系统 Python 而非虚拟环境"。

验证环境的完整脚本

把环境验证做成一个"健康检查"脚本，装完跑一遍心里有底：

# 环境健康检查脚本
import sys
from PIL import Image, ImageFilter, ImageDraw

def check():
    # 1. 版本
    print(f"Python: {sys.version.split()[0]}")
    print(f"Pillow: {Image.__version__}")

    # 2. 基础能力
    img = Image.new("RGB", (10, 10), "red")
    print("创建图片: OK")

    # 3. 滤镜
    img.filter(ImageFilter.BLUR)
    print("滤镜: OK")

    # 4. 绘图
    draw = ImageDraw.Draw(img)
    draw.rectangle([(0, 0), (5, 5)], fill="blue")
    print("绘图: OK")

    # 5. 保存读取
    img.save("_test.png")
    back = Image.open("_test.png")
    print(f"读写: OK ({back.format})")

    # 6. 格式支持
    from PIL import features
    print(f"WebP 支持: {features.check('webp')}")
    print(f"JPEG 支持: {features.check('jpg')}")

check()
​

这个脚本覆盖了 Pillow 的核心功能面：创建、滤镜、绘图、读写、格式支持。全 OK 说明环境可用；某一步失败，定位到具体环节再修。

常见问题的快速排查树

遇到 Pillow 相关错误，先用一棵"排查树"定位问题方向：

报错了吗？
├─ ModuleNotFoundError: No module named 'PIL'
│   └─ 没装 Pillow 或装错环境 → pip install pillow / 检查 python -m pip
├─ OSError: cannot identify image file
│   └─ 文件不是图片或已损坏 → 换文件 / 检查路径
├─ ValueError: image has wrong mode
│   └─ 模式与操作不匹配 → 先 convert 到需要的模式
├─ PermissionError: [WinError 32]
│   └─ 文件被占用 → 用 with 管理 / 关闭占用进程
└─ MemoryError
    └─ 图片太大或对象累积 → 缩尺寸 / 用 with / 释放引用
​

排查思路：先看"哪个环节"（导入/打开/处理/保存），再看"什么类型"（缺依赖/模式错/文件问题）。把错误分类，比背错误信息更有效——第四章 4.4 有完整的错误排查清单。

为什么 Pillow 是学习图像处理的第一站

最后给一个"为什么从 Pillow 入门"的理由，坚定学习信心：

一句话：Pillow 是图像处理领域的"Python 入门书"——简单但不浅薄，够用且能扩展。学完它，你既掌握了日常图像处理的能力，又拿到了进入整个图像生态的钥匙。

动手演练：安装与环境的最佳实践清单

最后给一份"从零到能跑"的完整行动清单，照着做即可：

1. 检查 Python：python --version（建议 3.9+）
2. 创建虚拟环境：python -m venv venv（Windows）或 python3 -m venv venv（macOS/Linux）
3. 激活虚拟环境：venv\Scripts\activate（Windows）或 source venv/bin/activate（macOS/Linux）
4. 安装 Pillow：pip install pillow（慢则加 `-i 「相关地址请参见官方文档」
5. 验证：python -c "from PIL import Image; print(Image.__version__)"
6. 跑通第一个程序（见第四节）

推荐理由：虚拟环境让项目互不污染，镜像源解决下载慢，验证命令确认安装成功——六步走完，环境就绪，不会再有"装了半天不能用"的烦恼。这也是后续所有章节的运行前提。

Pillow 的版本演进与选择建议

了解版本历史，选版本时有依据：

选版本建议：

• 新项目用最新稳定版
• 老项目升级前看"breaking changes"文档
• 安全敏感环境保持最新（Pillow 多次修复图片解析漏洞）
• pip install pillow==版本号 可锁定版本

判断"版本是否合适"的方法：查看 Image.__version__ 与官方发布说明对照。版本不是越高越好，而是"你的代码依赖的 API 是否被支持"——老代码用了 9.x 的 API，升到 11.x 要确认没被移除。

动手演练：环境问题诊断脚本

遇到"装不上/用不了"时，跑这个诊断脚本快速定位：

import sys
import platform

print("=== 环境诊断 ===")
print(f"Python 版本: {sys.version}")
print(f"系统: {platform.system()} {platform.release()}")

try:
    import PIL
    print(f"Pillow 路径: {PIL.__file__}")
    from PIL import Image
    print(f"Pillow 版本: {Image.__version__}")
except ImportError as e:
    print(f"Pillow 导入失败: {e}")
    print("→ 尝试: pip install pillow")

# 检查格式支持（有些 Pillow 编译时缺少依赖）
from PIL import features
for fmt in ["jpg", "webp", "png", "gif", "tiff"]:
    print(f"  {fmt:6s}: {'支持' if features.check(fmt) else '不支持'}")

# 测试基本功能
try:
    img = Image.new("RGB", (10, 10), "red")
    img.save("_diag_test.png")
    print("基本读写: OK")
    import os
    os.remove("_diag_test.png")
except Exception as e:
    print(f"基本读写失败: {e}")
​

诊断脚本的价值：一次跑完，输出"版本、路径、格式支持、基本功能"四个维度的状态——"先诊断、再解决"是环境问题的处理原则。格式支持检查尤其有用：某些系统装的 Pillow 缺少 libjpeg，JPG 处理会报错，这个检查能提前发现。

动手实验：Pillow 能做哪些事的快速体验

装好环境后，用一段"能力速览"代码快速体验 Pillow 的覆盖面：

from PIL import Image, ImageFilter, ImageEnhance, ImageDraw, ImageOps

# 1. 创建 + 保存
img = Image.new("RGB", (300, 200), "lightblue")
img.save("demo1.png")

# 2. 打开 + 属性
img2 = Image.open("demo1.png")
print(f"尺寸: {img2.size}, 模式: {img2.mode}")

# 3. 滤镜
img3 = img.filter(ImageFilter.GaussianBlur(radius=5))
img3.save("demo2.png")

# 4. 绘图
draw = ImageDraw.Draw(img)
draw.ellipse([50, 30, 150, 130], fill="orange")
img.save("demo3.png")

# 5. 增强
bright = ImageEnhance.Brightness(img).enhance(1.5)
bright.save("demo4.png")

print("体验完成，查看 demo1-4.png")
​

体验的价值：5 个示例覆盖 Pillow 五大能力（创建/读写/滤镜/绘图/增强）——"快速体验全貌"比"深挖一个功能"更适合入门。跑完这段，你就对"Pillow 能做什么"有了整体印象，后续章节就是逐个深化。

图：Pillow 能力地图——读改画析四件事

要点速记

• Pillow 是 PIL 的继任者：API 兼容，持续适配新 Python
• import 写 PIL、安装写 pillow：历史包名与库名的差异
• 安装验证三步：确认环境 → pip install → print 版本号
• 镜像源：国内用户用清华镜像提速
• 虚拟环境：独立环境避免版本冲突
• 最小闭环：创建→保存→打开→验证，是学习的起点
• 能力地图：读、改、画、析四件事
• 版本意识：保持较新版本，升级前测试
• 系统差异：Windows 免编译、Linux 查系统库、conda 别混用
• 健康检查：一脚本验证 Pillow 全功能可用
• 排查树：先分类错误再定位
• 六步行动清单：环境就绪的标准流程
• 版本演进：新项目用最新，老项目看兼容
• 诊断脚本：版本/路径/格式/功能四维检查
• 能力速览：5 示例覆盖五大能力
• 生态入口：Pillow 是图像处理的第一站

环境就绪，下一节我们正式打开第一张真实图片，学 Image.open、save、show 的读写显示三连。