Pillow图像处理库基础安装指南
2026-02-04 04:38:58作者:裘晴惠Vivianne
前言
Pillow是Python生态中功能强大的图像处理库,作为PIL(Python Imaging Library)的分支项目,它提供了丰富的图像处理功能。本文将从技术角度详细介绍Pillow在不同操作系统下的安装方法,帮助开发者快速搭建图像处理环境。
基础安装方法
无论使用哪种操作系统,Pillow都可以通过Python的pip包管理器进行安装。建议在安装前先升级pip工具:
python3 -m pip install --upgrade pip
python3 -m pip install --upgrade Pillow
这个基础安装会包含对大多数常见图像格式的支持。如果需要额外功能,可以安装以下可选依赖:
python3 -m pip install --upgrade defusedxml olefile
其中:
defusedxml用于读取XMP元数据olefile用于读取FPX和MIC图像格式
各操作系统安装详解
Linux系统安装
在Linux环境下,Pillow提供了manylinux格式的预编译二进制包,支持所有主流Python版本。安装命令与基础安装相同:
python3 -m pip install --upgrade Pillow
需要注意:
- 预编译包不包含libimagequant支持
- 如需Raqm支持(复杂文本布局),需单独安装FriBiDi
各Linux发行版通常也通过包管理系统提供Pillow:
- Fedora/Ubuntu/ArchLinux:通常包含在
python-imaging等包中 - Debian:分为
python3-pil和python3-pil.imagetk两个包
macOS系统安装
macOS用户同样可以通过pip安装预编译的wheel包:
python3 -m pip install --upgrade Pillow
特点:
- 提供x86-64和arm64架构的独立包
- 不提供universal2通用二进制包
- 如需Raqm支持需单独安装FriBiDi
如需创建universal2包,可按照以下步骤操作:
- 下载两种架构的wheel包:
python3 -m pip download --only-binary=:all: --platform macosx_10_10_x86_64 Pillow
python3 -m pip download --only-binary=:all: --platform macosx_11_0_arm64 Pillow
python3 -m pip install delocate
- 使用Python合并wheel包:
from delocate.fuse import fuse_wheels
fuse_wheels('x86_64.whl', 'arm64.whl', 'universal2.whl')
Windows系统安装
Windows平台提供了全面的预编译wheel包:
python3 -m pip install --upgrade Pillow
支持情况:
- 支持x86、x86-64和arm64架构
- Python 3.8在arm64上不受支持
- 不包含libimagequant和libxcb支持
- Raqm支持需要单独安装FriBiDi
对于MSYS2环境,建议从源码构建安装。
FreeBSD系统安装
FreeBSD用户可通过Ports或Packages系统安装:
Ports方式:
cd /usr/ports/graphics/py-pillow && make install clean
Packages方式:
pkg install py38-pillow
FreeBSD的Ports和Packages会经过官方测试,确保与各版本FreeBSD兼容。
安装后验证
安装完成后,可以通过Python交互环境验证安装是否成功:
from PIL import Image
print(Image.__version__)
若无报错且能正确显示版本号,则说明安装成功。
常见问题
- 依赖缺失问题:如果遇到图像格式支持不全的情况,可能需要安装额外的系统库
- 架构兼容问题:特别是在M1/M2芯片的Mac上,注意选择正确的架构版本
- 权限问题:Linux/macOS下可能需要使用
sudo或--user参数
通过本文介绍的方法,开发者应该能够在各种主流操作系统上顺利安装Pillow图像处理库,为后续的图像处理开发工作打下基础。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
798
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1