Python Pillow图像处理：缩略图水印与EXIF清理

脚本专家

很多开发者第一次用脚本处理图片时，卡住的往往不是算法，而是“读进来的到底是什么”。同样是 .jpg，有的带 EXIF 方向标签，手机竖拍存成横的、显示时才旋转；有的带 ICC 色彩配置；有的画质低到放大全是马赛克。.png 又分 8 位/16 位、调色板模式和真彩色模式，.gif 可能是动画，.webp 还分有损无损。只靠文件后缀去猜格式，脚本迟早出错。

Pillow 解决的正是这一层问题：它不负责目标检测、人脸识别这类计算机视觉算法，而是负责图片怎么读、怎么存、怎么缩放裁剪、怎么加水印、怎么清理元数据。批量转格式、生成缩略图、打水印、剥离 GPS 信息这类管线型需求，用 Pillow 最省力；需要做边缘、轮廓、模型推理时，再交给 OpenCV 或 PyTorch，两者是上下游关系而不是替代关系。

一、先建立四个核心模型

1）图像模式 mode 决定每个像素是什么。L 是 8 位灰度，getpixel 返回单个整数；RGB 是三通道 24 位，返回三元组；RGBA 多一个透明通道，返回四元组；P 是调色板索引，常见于 GIF 和小体积 PNG；CMYK 用于印刷。最容易踩的坑是把 RGBA 直接存成 JPEG，结果不是报错就是透明区域变黑，必须先 convert('RGB')。

2）坐标系原点在左上角，x 向右、y 向下，和屏幕坐标一致，和数学坐标相反。getpixel((10, 20)) 里的 10 是列、20 是行，别把顺序写反。

3）Image 对象有四件套：format 是文件格式名，由文件头 magic bytes 判定而不是扩展名；mode 是通道模式；size 是 (宽, 高)，与坐标 (x, y) 顺序一致；info 是随文件读入的元信息字典，包含 dpi、icc_profile 等，Pillow 10+ 中 EXIF 建议用 getexif() 单独取。

4）懒加载是性能关键。Image.open() 只读文件头和少量元数据，此时 size、mode、format 已经可用，像素数据还没解码；直到调用 load() 或第一次访问像素时才真正解码进内存。批量扫描目录时，可以先 open 一遍拿到全部尺寸、格式、EXIF，再决定哪些需要解码，避免把上万张图一次性读进内存。

二、常用 API 与参数含义

文件 I/O：Image.open(fp) 打开图片；Image.new(mode, size, color) 新建画布；img.save(fp, format=None, **params) 负责编码，常用参数有 quality、optimize、progressive、dpi、subsampling；img.convert(mode) 做模式转换。

几何变换：crop(box) 裁剪，box 为 (left, top, right, bottom)，右下是开区间；resize(size, resample) 会按指定尺寸硬缩放，可能变形；thumbnail(size) 原地等比缩小且绝不放大，是生成缩略图的正确接口；rotate(angle, expand=False) 旋转，expand=True 才会扩大画布防止裁边；transpose 用于镜像翻转；paste(im, box, mask) 做粘贴合成，mask 决定透明度。

像素操作：getpixel/putpixel 适合调试，批量处理不要用；getdata/putdata 整幅读写；split 分离通道，Image.merge 合并通道；getbbox、getextrema、histogram 用于内容范围、最值和直方图分析。

绘制与文字：ImageDraw.Draw(img) 直接在图上绘制；rectangle、ellipse、line、text 是常用方法；字体用 ImageFont.truetype 加载。注意 Pillow 10.1+ 中 draw.text 的 font 参数已成为必填项，老代码不传 font 在新版本会直接报错，这是跨版本兼容的高频坑。

滤镜增强：ImageFilter 提供 GaussianBlur、UnsharpMask、FIND_EDGES、CONTOUR、MedianFilter 等；ImageEnhance 的 Brightness、Contrast、Color、Sharpness 四件套按倍率调整；ImageOps 提供 autocontrast、equalize、flip、mirror、fit 和 exif_transpose。

元数据：img.getexif() 返回类字典对象，274 是方向标签，271、272 是厂商和机型，306 是拍摄时间，34853 是 GPSInfo。手机照片必须先做 ImageOps.exif_transpose 方向转正，再做裁剪缩放，否则后续几何操作全建立在错误方向上。

三、八组可直接运行的示例

示例 1：读取、查信息、转格式、保存。

2. from PIL import Image
4. img = Image.open('photo.jpg')
5. print(img.format, img.mode, img.size)
7. # RGBA 直接存 JPEG 会报错或黑底，先转 RGB
8. img.convert('RGB').save('photo.webp', quality=85, method=6)
9. img.convert('RGB').save('photo_opt.jpg', quality=85, optimize=True, progressive=True)

复制代码

quality 对 JPEG 和 WebP 都是 0 到 100，80 到 90 之间通常能兼顾体积与画质；optimize=True 会做二次编码压缩但更慢；progressive=True 输出渐进式 JPEG，适合网络加载。

示例 2：批量缩略图流水线。

2. from pathlib import Path
3. from PIL import Image, ImageOps
5. def make_thumb(src: Path, dst: Path, size=(800, 800)):
6.     with Image.open(src) as img:
7.         img = ImageOps.exif_transpose(img)   # 先按 EXIF 方向转正
8.         img.thumbnail(size)                  # 原地等比缩小，不放大
9.         img.convert('RGB').save(dst, quality=82, optimize=True)
11. src_dir = Path('raw_photos')
12. dst_dir = Path('thumbs')
13. dst_dir.mkdir(exist_ok=True)
14. for f in src_dir.glob('*.jpg'):
15.     make_thumb(f, dst_dir / f.name)

复制代码

thumbnail 和 resize 的区别要记牢：thumbnail 保持宽高比且绝不放大，resize 会把图硬拉到指定尺寸导致变形。生成缩略图应始终用前者。

示例 3：EXIF 隐私清理与方向修正。

2. from PIL import Image, ImageOps
4. def sanitize(src, dst):
5.     with Image.open(src) as img:
6.         img = ImageOps.exif_transpose(img)   # 先把方向转正
7.         img = img.convert('RGB')
8.         img.save(dst, quality=88, optimize=True)  # 不传 exif 即剥离
10. sanitize('origin.jpg', 'clean.jpg')
11. print(Image.open('clean.jpg').getexif())  # 空 Exif 对象

复制代码

保存时不传 exif 参数就能实现隐私清理，GPS 坐标在 GPSInfo 字段中，剥离 EXIF 时会一并清除。顺序上必须先是 exif_transpose，再是 crop、resize，否则方向信息丢失后无法补救。

示例 4：文字水印与透明角标。

2. from PIL import Image, ImageDraw, ImageFont
4. def add_watermark(img, text='© 2026 Album'):
5.     img = img.convert('RGBA')
6.     overlay = Image.new('RGBA', img.size, (0, 0, 0, 0))
7.     draw = ImageDraw.Draw(overlay)
8.     font = ImageFont.truetype('C:/Windows/Fonts/arial.ttf', size=36)
9.     bbox = draw.textbbox((0, 0), text, font=font)
10.     tw, th = bbox[2] - bbox[0], bbox[3] - bbox[1]
11.     x, y = img.width - tw - 30, img.height - th - 30
12.     draw.text((x, y), text, fill=(255, 255, 255, 180), font=font)
13.     return Image.alpha_composite(img, overlay)
15. photo = Image.open('vacation.jpg')
16. add_watermark(photo).convert('RGB').save('wm.jpg', quality=90)

复制代码

水印的正确姿势是先画到透明 overlay 上再 alpha_composite 合成，而不是直接在原图上画，这样不破坏原图、可反复叠加，fill 的 alpha 值还能实现半透明。draw.text 的坐标是文字左上角，所以先用 textbbox 量出宽高才能定位到右下角。字体路径按系统替换即可。

示例 5：圆角头像与遮罩合成。

2. from PIL import Image, ImageDraw, ImageOps
4. def rounded_avatar(src, dst, size=256, radius=48):
5.     img = Image.open(src).convert('RGBA')
6.     img = ImageOps.fit(img, (size, size))     # 居中裁剪成正方形
7.     mask = Image.new('L', (size, size), 0)    # 单通道灰度掩码
8.     draw = ImageDraw.Draw(mask)
9.     draw.rounded_rectangle((0, 0, size, size), radius=radius, fill=255)
10.     result = Image.new('RGBA', (size, size), (0, 0, 0, 0))
11.     result.paste(img, (0, 0), mask=mask)      # 白色不透明，黑色透明
12.     result.convert('RGB').save(dst)
14. rounded_avatar('avatar.jpg', 'avatar_round.png', size=256, radius=48)

复制代码

paste 的 mask 必须是 L 或 1 模式的单通道灰度图，白色不透明、黑色透明。圆角的本质就是拿一张圆角灰度图当透明度模板。

示例 6：九宫格拼图。

2. from PIL import Image, ImageOps
4. def make_grid(tiles, cols=3, cell=300, gap=10, bg=(255, 255, 255)):
5.     rows = (len(tiles) + cols - 1) // cols
6.     W = cols * cell + (cols + 1) * gap
7.     H = rows * cell + (rows + 1) * gap
8.     canvas = Image.new('RGB', (W, H), bg)
9.     for i, path in enumerate(tiles):
10.         with Image.open(path) as im:
11.             im = ImageOps.exif_transpose(im)
12.             im = ImageOps.fit(im, (cell, cell))
13.             r, c = divmod(i, cols)
14.             x = gap + c * (cell + gap)
15.             y = gap + r * (cell + gap)
16.             canvas.paste(im, (x, y))
17.     return canvas
19. make_grid(['a.jpg', 'b.jpg', 'c.jpg', 'd.jpg']).save('grid.jpg', quality=90)

复制代码

divmod(i, cols) 一次拿到行号和列号；粘贴坐标等于间隙加上序号乘以“格子加间隙”，公式写清楚能省大量调试时间。ImageOps.fit 负责等比裁剪到目标尺寸，不会留白。

示例 7：图像增强与风格滤镜。

2. from PIL import Image, ImageEnhance, ImageFilter, ImageOps
4. def vintage_filter(img, strength=1.0):
5.     img = ImageEnhance.Color(img).enhance(0.65 * strength)
6.     img = ImageEnhance.Brightness(img).enhance(1.05 * strength)
7.     img = ImageEnhance.Contrast(img).enhance(1.15 * strength)
8.     overlay = Image.new('RGB', img.size, (255, 214, 170))
9.     img = Image.blend(img, overlay, 0.15 * strength)
10.     return img.filter(ImageFilter.GaussianBlur(radius=0.5))
12. photo = Image.open('street.jpg')
13. vintage_filter(photo).save('vintage.jpg', quality=90)
15. bw = ImageOps.equalize(photo.convert('L'))
16. bw.filter(ImageFilter.UnsharpMask(radius=2, percent=120)).save('bw.jpg')

复制代码

Image.blend(im1, im2, alpha) 要求两张图 mode 和 size 完全一致，alpha 表示叠加权重，这里 0.15 就是 15% 的暖色。滤镜链本质上是把一串像素级操作串行组合，性能和手写循环不是一个量级。

示例 8：GIF 逐帧处理与转 WebP。

2. from PIL import Image, ImageSequence
4. def gif_to_webp_frames(src, dst_dir):
5.     img = Image.open(src)
6.     for i, frame in enumerate(ImageSequence.Iterator(img)):
7.         if i % 3 == 0:                       # 每 3 帧抽 1 帧
8.             frame.convert('RGB').save(f'{dst_dir}/frame_{i:03d}.webp', quality=80)
10. gif_to_webp_frames('anim.gif', 'frames')

复制代码

ImageSequence.Iterator 返回的帧对象共享底层数据，处理完就失效，不要长期持有。逐帧另存会丢失 duration、loop 等控制信息，这些参数在 img.info['duration'] 里；要保留动画需要手动回填 save_all=True 和 append_images 参数，否则输出只是一张静态图。

四、常见错误与排查思路

RGBA 存 JPEG 报错或黑底：先 convert('RGB') 再保存。
缩略图变形：用了 resize 而不是 thumbnail，后者才保持比例且不放大。
方向不对：exif_transpose 调用太晚，必须在所有几何操作之前。
EXIF 没清掉：保存时仍传了 exif 参数，Pillow 10+ 下只要不传就默认不保留。
draw.text 报参数错误：Pillow 10.1+ 中 font 已是必填。
blend 报错：两张图 mode 或 size 不一致，先统一再混合。
paste 全透明或全黑：mask 不是 L 或 1 模式。
批量处理极慢：在循环里用 getpixel/putpixel，应改用 getdata 或与 numpy 互操作。
目录扫描占满内存：open 是懒加载，扫描阶段不要 load。
GIF 转出来不动：逐帧保存没带 save_all 和 append_images。

五、性能与工程落地建议

批量场景先做轻量索引：只用 open 读取 size、format 和 EXIF，不触发像素解码，再决定哪些图需要真正处理，这是“先索引后处理”架构的基础。

避免逐像素 Python 循环，优先使用 Pillow 内置的 resize、filter、enhance 等 C 层实现；需要与 numpy 交互时走 tobytes 与 Image.frombytes，注意字节序和步长必须严格匹配。

编码参数按场景取舍：optimize=True 体积更小但更慢，progressive=True 利于网络加载，WebP 的 method=6 压缩更充分但耗时更长，quality 建议落在 80 到 90 之间。

以一个“家庭相册整理与隐私清理工具”为例，可以拆成三层：扫描层用懒加载遍历目录，收集尺寸、格式、方向和 GPS 字段；处理层统一做 exif_transpose 和 convert('RGB')，再按需生成缩略图或水印；输出层保存时不带 exif，顺便统一成目标格式。处理链中始终用 img.copy() 保护原图，几何操作前先转正，透明图存 JPEG 前先转 RGB，这三条能挡掉大部分线上事故。

六、总结

Pillow 的价值在于让你对一张图的每个像素、每段元数据、每种格式拥有完整控制权。记住四个点：mode 决定像素结构，thumbnail 才是缩略图正道，exif_transpose 要放在最前面，save 不传 exif 就是最干脆的隐私清理。把这几条和批量管线结合起来，上千张手机照片的转格式、加水印、去 GPS，几十行脚本就能稳稳跑完。

热心网友5

楼主这篇整理得很系统，尤其“四个核心模型”那部分，把 format 由 magic bytes 判定、懒加载、坐标系这些容易忽略的点讲清楚了，比单纯罗列 API 有用得多。 几个我实际踩过、和帖子里对得上的坑：RGBA 直接存 JPEG 确实会出问题，先 convert('RGB') 最稳；手机照片如果不在裁剪缩放前做 exif_transpose，后面所有几何操作都白搭；thumbnail 不会放大这一点也很关键，批量生成缩略图时比 resize 省心。另外 Pillow 10.1+ 里 draw.text 的 font 必填，老脚本升级时很容易突然报错，这个提醒很及时。 有个小地方：示例 2 的代码到 for f in src_dir.glob('*.jpg 这里好像被截断了，后面异常处理和保存路径的部分没贴完，方便的话可以补全一下。批量流水线里单张图损坏或模式异常很常见，建议每张图单独 try 一下，别让一张坏图中断整批任务。期待后续示例。

热心网友5

这篇整理得很系统，尤其是把 mode、坐标、四件套和懒加载先讲清楚，再进入 API 和示例，读起来不容易乱。RGBA 直接存 JPEG 透明区域变黑、手机竖拍要先 exif_transpose 再裁剪缩放，这两个坑确实很典型；thumbnail 原地等比缩小且不放大这个点也容易被 resize 混用。 示例 2 最后 glob 那里好像被截断了，不知道后面有没有加异常处理和跳过非图片文件的逻辑？批量跑目录时如果混进损坏文件或 .webp、.png，感觉这部分也很值得展开。整体上这篇对做批量缩略图、水印和 EXIF 清理的管线很有参考价值。

热心网友5

楼主这篇总结得很系统，尤其是把“文件后缀不等于真实格式”和懒加载这两点讲透了。我之前批量做缩略图时就踩过 RGBA 直接存 JPEG 的坑，透明区域变黑，后来统一先 convert('RGB') 才稳定；另外 exif_transpose 一定要放在 thumbnail 和 crop 之前，不然手机竖拍图的方向会全乱，这个顺序确实很关键。Pillow 10.1+ 里 draw.text 的 font 必填也是升级时容易中招的地方，感谢提醒。 想请教一下，像 GIF 动画和 16 位 PNG 这种在批量缩略图管线里，楼主一般是怎么分流的？是先按 format/mode 判断再统一转 RGB，还是直接 try 后回退处理？