Pillow 11.2.1版本发布:图像处理库的重要更新
Pillow是Python生态中广受欢迎的图像处理库,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之一,Pillow提供了丰富的图像处理功能,包括图像打开、保存、转换、滤镜应用等操作。最新发布的11.2.1版本带来了一系列改进和新特性,值得我们深入了解。
核心功能增强
本次更新中,Pillow对AVIF格式的支持尤为值得关注。AVIF是一种基于AV1视频编码的新型图像格式,具有出色的压缩效率和图像质量。11.2.1版本通过集成libavif库,为开发者提供了AVIF格式的编解码能力。这一改进使得Pillow能够处理这种现代图像格式,满足了开发者对高效图像压缩的需求。
在图像处理方面,新版本改进了对DDS(DirectDraw Surface)格式的支持,现在可以更好地处理带有像素格式的DDS图像。同时,对于TIFF格式的处理也进行了优化,特别是当每个TIFF图块都能覆盖整个图像时,现在会智能地仅使用最后一个偏移量,提高了处理效率。
性能优化与稳定性提升
11.2.1版本在多方面进行了性能优化。例如,在读取图像时,现在会智能地只读取到下一个图块的偏移位置,减少了不必要的IO操作。对于GIF格式的处理也进行了改进,现在只有在保存带有透明度的GIF帧且使用处置方法2时才会进行裁剪操作,避免了不必要的处理开销。
稳定性方面,新版本修复了多个可能导致崩溃或异常的问题。例如,修复了在关闭AppendingTiffWriter时可能出现的异常,以及处理GD图像时可能出现的加载问题。这些改进使得Pillow在复杂场景下的表现更加可靠。
开发者体验改进
对于开发者而言,11.2.1版本带来了多项使用体验的提升。在文本处理方面,新增了"justify"对齐选项,支持多行文本的对齐处理。图像保存逻辑也变得更加智能,当append_images参数被设置时,save_all参数现在会默认设为True,减少了开发者的配置负担。
类型提示(Type hints)方面也有显著改进,新增了fromarrow的类型提示,改进了对图像类型的断言检查,并修正了多个参数类型的定义。这些改进使得在使用现代IDE进行开发时能获得更好的代码补全和类型检查体验。
依赖项更新
Pillow 11.2.1更新了多个关键依赖库的版本,包括:
- 升级xz到5.8.1版本
- harfbuzz更新至11.0.1
- libtiff升级到4.7.0
- Ghostscript更新至10.5.0
- libpng升级到1.6.47
- lcms2更新至2.17版本
这些依赖项的更新不仅带来了性能和安全性的提升,也为Pillow支持更多图像处理特性奠定了基础。
测试与质量保证
新版本在测试覆盖率和质量保证方面做了大量工作。测试套件现在涵盖了更多边缘情况,包括改进的FliImagePlugin、PcxImagePlugin、BdfFontFile等插件的测试覆盖率。CI/CD流程也进行了优化,现在支持PyPy3.11的测试,并在多种平台上进行了更全面的验证。
总结
Pillow 11.2.1版本是一次全面的质量提升更新,不仅增加了对现代图像格式的支持,还优化了核心功能的性能和稳定性。对于依赖图像处理的Python项目来说,升级到这个版本将获得更好的开发体验和运行效率。开发者可以放心地将其集成到生产环境中,享受这些改进带来的好处。
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