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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
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
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355