Pillow 11.1.0 版本发布:图像处理库的重要更新
Pillow 是 Python 生态中最受欢迎的图像处理库之一,它是 PIL (Python Imaging Library) 的一个友好分支。作为 Python 开发者处理图像任务的首选工具,Pillow 提供了丰富的图像格式支持、强大的图像处理功能以及简洁易用的 API 接口。
核心功能改进
图像格式支持增强
本次 11.1.0 版本在图像格式支持方面有多项重要改进:
-
BLP1 格式的 Alpha 通道处理:修复了 BLP1 格式图像 alpha 通道深度处理的问题,确保这类游戏纹理图像能够正确显示透明效果。
-
BigTIFF 支持:现在可以保存超过 4GB 的大型 TIFF 文件,这对处理医学影像、卫星图像等大数据量场景尤为重要。
-
CMYK JP2 图像保存:新增了对 CMYK 色彩模式的 JPEG 2000 图像保存支持,扩展了专业印刷工作流的兼容性。
-
J2K 注释读取:现在能够读取 JPEG 2000 (J2K) 格式文件中的注释信息,为图像元数据处理提供了更多可能性。
性能优化
-
zlib-ng 替换:用性能更高的 zlib-ng 替代了传统的 zlib 库,显著提升了 PNG 等压缩格式的处理速度。
-
内存管理优化:在 macOS 平台上改进了 ImageGrab.grabclipboard() 方法,不再使用临时文件,直接处理剪贴板数据,提高了效率。
-
多线程安全:修复了 FreeType 字体引擎在多线程环境下可能导致的段错误问题,增强了库的稳定性。
重要修复与改进
EXIF 和元数据处理
-
EXIF 转换保留新 IFD:在将 EXIF 数据转换为字节时,现在会保留所有新的图像文件目录(IFD),确保元数据完整性。
-
XMP 数据处理:修正了 JPEG 和 MPO 格式中 XMP 元数据的写入问题,并确保不会从 JPEG 信息中错误保存 XMP 数据。
-
JPEG DPI 读取:现在会从 JFIF 标记中正确读取厘米密度信息并转换为 DPI 值,保证打印尺寸的准确性。
图像处理算法
-
RGBA 调色板处理:改进了保存 GIF 图像时对 RGBA 调色板的处理逻辑,确保透明度信息能够正确保留。
-
不连续角点连接:修复了在绘制多边形时连接不连续角点可能出现的问题,提高了绘图准确性。
-
EMF DPI 校正:修正了增强型图元文件(EMF)的 DPI 处理,确保矢量图形的缩放比例正确。
开发体验提升
类型提示完善
- 移除了 Python 3.8 兼容所需的引号注解,简化了类型提示语法。
- 修正了 loadImageSeries 等方法的类型提示,提供了更准确的开发提示。
- 为 RGBX;16N 格式添加了 unpacker 支持,完善了高色深图像处理。
构建系统改进
- 跨平台一致性:统一了 Windows 构建中使用 .tar.gz 压缩格式,与 macOS 和 Linux 保持一致。
- 依赖管理:更新了多个核心依赖库版本,包括 libwebp 1.5.0、libjpeg-turbo 3.1.0 等。
- 构建错误处理:改进了构建选项的错误提示信息,帮助开发者更快定位问题。
测试与质量保证
- 测试覆盖率提升:新增了多种测试场景,包括 CentOS Stream 10 和 Fedora 41 等平台验证。
- Python 3.13 支持:提前为即将发布的 Python 3.13 版本做好准备,包括 free-threaded 模式的测试。
- 资源管理优化:改进了测试用例中的文件处理方式,避免重复保存到同一路径可能引发的问题。
总结
Pillow 11.1.0 版本在图像处理能力、性能表现和开发者体验等方面都有显著提升。从专业印刷工作流的 CMYK JP2 支持,到大数据量处理的 BigTIFF 能力,再到日常开发中的类型提示完善,这个版本全面增强了库的功能性和可靠性。对于需要处理图像任务的 Python 开发者来说,升级到 11.1.0 版本将获得更好的性能和更丰富的功能支持。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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