Pillow 11.1.0版本发布:图像处理库的重大更新
Pillow是Python生态中最著名的图像处理库之一,它是Python Imaging Library(PIL)的一个友好分支。作为Python开发者处理图像的首选工具,Pillow提供了广泛的图像格式支持、强大的图像处理功能以及简单易用的API接口。
核心功能增强
本次11.1.0版本带来了多项重要改进,其中最值得关注的是对BigTIFF格式的支持。BigTIFF是TIFF格式的扩展版本,能够处理超过4GB的大型图像文件。通过新增的BigTIFF支持,Pillow现在可以更好地满足医学影像、卫星图像等专业领域对大尺寸图像处理的需求。
在图像格式支持方面,新版本改进了BLP1格式的alpha通道处理,修复了alpha深度处理的问题。同时,对JPEG2000格式的支持也得到了增强,现在可以读取J2K文件中的注释信息,并支持保存CMYK色彩模式的JP2图像。
性能优化与底层改进
性能方面,11.1.0版本做出了两项重要调整:一是用zlib-ng替代了传统的zlib库,zlib-ng是zlib的一个优化分支,提供了更好的性能表现;二是更新了多个关键依赖库的版本,包括libwebp 1.5.0、libjpeg-turbo 3.1.0和harfbuzz 10.1.0等,这些更新带来了更好的兼容性和性能提升。
在Windows平台上,新版本解决了与zlib导入库链接的问题,并改进了构建脚本,使用tar.gz格式的压缩包来保持与macOS和Linux构建环境的一致性。
图像处理功能改进
EXIF数据处理方面,11.1.0版本修复了多个问题。现在当转换EXIF为字节时,会保留新的IFD(图像文件目录)信息;同时改进了JPEG文件的DPI信息处理,现在会从JFIF的cm密度值中正确读取DPI信息。
对于GIF格式,新版本优化了RGBA调色板的处理逻辑,使得保存带有透明通道的GIF图像更加可靠。在EMF格式处理中,修正了DPI计算的问题,确保了图像尺寸的准确性。
开发者体验提升
类型提示(Type Hints)方面,新版本做了大量改进,移除了Python 3.8兼容所需的引号,修正了多个方法的类型提示,包括loadImageSeries等,这些改进使得现代Python开发工具能够提供更准确的代码补全和类型检查。
错误处理也更加完善,例如当打开没有尺寸信息的TIFF文件时,现在会明确抛出UnidentifiedImageError;当WMF文件的inch值为零时,会抛出ValueError,帮助开发者更快定位问题。
构建与测试改进
构建系统方面,新版本优化了多个平台的构建流程。macOS构建现在完全隔离了Homebrew环境,确保构建的独立性;Linux构建脚本使用brew formula安装libraqm;MinGW构建则只使用系统包,避免不必要的依赖。
测试覆盖范围得到了扩展,新增了对CentOS Stream 10和Fedora 41的支持,同时移除了过时的Fedora 39。测试框架本身也进行了多项优化,包括使用monkeypatch替代部分测试逻辑,以及改进JPEG2000测试的文件处理方式。
文档与维护改进
文档方面,新版本更新了多个格式的支持说明,将MPO格式移入"完全支持格式"列表,并添加了关于XMP字节写入JPEG和MPO的说明。版权声明也进行了简化,只保留起始年份。
项目维护方面,更新了CI/CD流程,采用新的依赖管理工具renovate来保持依赖更新,并改进了发布说明的生成逻辑,使重要变更更加突出。
Pillow 11.1.0版本的这些改进,从底层性能到上层API,从格式支持到开发者体验,都体现了项目团队对图像处理领域专业需求的深刻理解和对开发者友好性的持续追求。无论是处理日常的图像转换任务,还是开发专业的图像处理应用,这个版本都值得升级。
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