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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
770
5.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
Ascend Extension for PyTorch
Python
728
906
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
461
455
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++
1.09 K
1.12 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.93 K
199
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
3.09 K
643
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265