PIL全稱Python Image Library，是python官方的圖像處理庫，包含各種圖像處理模塊。Pillow是PIL的一個派生分支，包含與PIL相同的功能，並且更靈活。python3.0之后，PIL不再更新，pillow代替了它原有的地位。Pillow的官方文檔：
https://pillow.readthedocs.io/en/stable/reference/index.html
在調用pillow時，代碼依然是寫成PIL，模塊導入方式如下：
from PIL import Image,ImageFilter
下面介紹基本用法。
Image
Image是pillow最基本的模塊，包含用於保存圖像對象的類。
圖像導入、旋轉、顯示、保存
from PIL import Image img = Image.open('1.jpg') img = img.rotate(45) img.show() img.save('r.jpg')
圖像導入后保存為Image對象，該對象自帶各種函數，包括圖像處理操作、顯示、保存等功能，大部分操作返回的依然是Image對象。需要注意的是，open函數執行的時候並沒有立即把圖像像素數據導入，僅僅是對圖像文件添加占用標記，直到圖像真正需要用於計算時，才會把像素數據導入。以上代碼結果如下：
Numpy.array與Image之間的轉換
Image到array
import numpy as np from PIL import Image img = Image.open('1.jpg') a = np.array(img) print(a.shape, a.dtype)
對於讀取的圖像，在Image對象中，圖像默認以RGB模式保存，且各個像素值默認用 8bit 的無符號整型來存，不論圖像以什么類型保存。因此轉換為array后dtype是uint8，不像matplotlib，png是float32，而jpg是uint8。其它圖像模式看官方文檔：
https://pillow.readthedocs.io/en/stable/handbook/concepts.html#concept-modes
array到Image
import numpy as np from PIL import Image a = np.random.random([256,256,3])*255 a = np.array(a,dtype = np.uint8) img = Image.fromarray(a) img.show()
array必須先將數據類型轉換到uint8才能轉換成Image，否則會出錯，盡管文檔中寫着能有限地支持浮點類型。
圖像模式轉換
from PIL import Image img = Image.open('1.jpg').convert('1') img.show()
以上代碼將Image模式從RGB轉換為1，也就是黑白兩色。效果如下：
圖像轉換后，Image對象所對應的像素值以及對應的數據類型也就變了。顯示的時候，Pillow會以對應的模式來顯示。可以做如下實驗，先將圖像轉變為YCbCr模式，然后分別直接顯示和轉變成array后在matplotlib中顯示，代碼如下：
import numpy as np import matplotlib.pyplot as plt from PIL import Image img = Image.open('1.jpg').convert('YCbCr') img.show() # 直接顯示 img = np.array(img) plt.imshow(img)# matplotlib中顯示 plt.axis('off') plt.show()
兩個效果分別如下：
 |
 |
可以看出，pillow 對轉換成 YCbCr 模式的圖像能以對應的模式顯示，而因為 matplotlib 是以RGB模式來顯示的，因此 YCbCr 模式的圖像會呈現右圖效果。
圖像縮放
等比例縮放
from PIL import Image size = 80,80 img = Image.open('1.jpg') img.thumbnail(size) img.show()
按等比例縮小圖像，長寬都小於等於size。需要注意的是，這個操作是直接作用與原對象上，返回為None。而通常的操作則是返回處理得到的新對象，原對象不改變，比如上面的rotate。所以這個函數的實現有點問題，和其它的特性不同，容易導致出錯，最好少用。
直接縮放
img = img.resize([128,128],Image.BICUBIC,box = (10,50,1200,1000))
三個參數分別表示：目標大小 （寬，高），采樣方式，用於縮放的圖像區域。
圖像混合
無透明通道
from PIL import Image img1 = Image.open('1.jpg') img2 = Image.open('2.jpg') img = Image.blend(img1,img2,0.5) img.show()
將兩張圖像按$\alpha : (1-\alpha)$的透明度混合，$\alpha$可以不在$(0,1)$內，結果像素值會裁剪到合理范圍內。顯示結果如下：
有透明通道
img = Image.alpha_composite(img1,img2)
其中兩張圖像必須都有$\alpha$通道。
自定義混合
import numpy as np from PIL import Image img1 = Image.open('1.jpg') img2 = Image.open('2.jpg') mask = np.ones([img1.size[1],img1.size[0]],dtype=np.uint8) mask[:,img1.size[0]//2:] *= 175 mask[:,:img1.size[0]//2] *= 80 mask = Image.fromarray(mask) img = Image.composite(img1,img2,mask) img.show()
composite函數使用mask對兩張圖像進行混合，從而不同的位置可以定義不同的透明度，以上代碼效果如下：
單像素處理
from PIL import Image import numpy as np img = Image.open('1.jpg') img = Image.eval(img, lambda x : x*np.random.rand()*2) img.show()
eval第二個參數傳入對單一像素的操作，這個操作會作用在整張圖像的每個像素值上。效果如下：
旋轉、鏡像
from PIL import Image img = Image.open('1.jpg') img = img.transpose(1) img.show()
transpose 有0~6共7個輸入，代表圖像7個旋轉、鏡像方向，加上原圖，一共8個方向。
ImageFilter
這個模塊用於圖像的濾波處理。用法也是基於Image模塊。基本用法如下：
from PIL import Image,ImageFilter img = Image.open('1.jpg') img = img.filter(ImageFilter.GaussianBlur(5)) img.show()
將ImageFilter的函數作為參數輸入filter中。還有很多種濾波方式，不一一列舉。
其它模塊
ImageEnhance：用於圖像增強，如銳化、增亮。
ImageGrab：用於截屏或讀取剪貼板獲取圖像。
ImageDraw：用於繪制簡單的線條和標記。
還有很多模塊，但感覺用起來還不如numpy+matplotlib方便，不在此記錄，有需要請看官方文檔。