Python 图片处理库怎么选：Pillow、OpenCV、imageio 分别适合什么
面向实际图片处理任务，讲清 Python 常见图片库的定位：改尺寸、压缩、裁剪、水印、批量处理、识别和视频帧处理该怎么选。
相关工具
先按任务选库，不要一上来追求全能
Python 图片处理常见选择有 Pillow、OpenCV、imageio。Pillow 更适合日常图片操作，比如打开图片、改尺寸、裁剪、转格式、加水印；OpenCV 更偏计算机视觉，比如边缘检测、目标识别、视频帧处理；imageio 适合读取和写入多种图片、GIF、视频帧。很多网站运营和自媒体图片任务，用 Pillow 就够了。
选库之前先问自己：是要批量压缩图片，还是要做识别分析？是处理 PNG/JPG/WebP，还是处理视频帧？是一次性脚本，还是要放到线上服务里？需求越清楚，选型越简单。
Pillow 适合日常图片自动化
如果只是改尺寸、转格式、压缩封面图，Pillow 上手很快：
from PIL import Image
image = Image.open("cover.png")
image = image.convert("RGB")
image.thumbnail((1200, 1200))
image.save("cover.webp", "WEBP", quality=82)这段代码会把图片转成 RGB，限制最大尺寸，然后保存为 WebP。做网站图片时，这类操作很常见：原图太大影响加载，就先压缩和缩放；PNG 透明图要保留透明通道时，则不能随便 convert('RGB')。处理前要知道目标格式是否支持透明。
OpenCV 适合识别和图像分析
OpenCV 的强项不是简单压缩，而是图像算法。比如灰度化、阈值、轮廓检测、模板匹配、摄像头画面处理。它读图默认是 BGR 通道顺序，和很多库常见的 RGB 不一样，这是新手经常踩的坑。
如果你的目标是给图片自媒体做批量尺寸、封面安全区、水印、长图切片，站内图片工具或 Pillow 脚本通常更轻。如果目标是识别图片里的文字、物体或视频帧，就可以考虑 OpenCV 或结合 AI 服务。
图片处理上线前要注意成本
图片处理很吃 CPU、内存和存储。用户上传 20MB 原图，服务端如果不限制尺寸和格式，很容易拖慢页面。比较稳的做法是：上传前限制大小，服务端生成缩略图，保留原图时单独存储，页面只加载压缩后的 WebP。
如果图片处理和 AI 生成、视频合成结合，比如剧本、插图、配音、字幕到视频的流程，可以参考阿里云的 AI 剧本生成与动画制作方案：https://www.aliyun.com/solution/tech-solution/animation-creation?utm_content=g_1000401724&userCode=hzn6nvhm 。如果只是文本绘图和人像美化，也可以看通义万相方案：https://www.aliyun.com/solution/tech-solution/tongyi-wanxiang?utm_content=g_1000401727&userCode=hzn6nvhm 。
常见问题
Pillow 和 OpenCV 选哪个？
日常改尺寸、裁剪、转格式优先 Pillow；图像识别、视频帧处理、算法分析优先 OpenCV。
网站图片推荐转 WebP 吗？
多数场景推荐。WebP 通常体积更小，但要注意透明、清晰度和浏览器兼容。
批量处理图片前要注意什么？
先备份原图，预览输出尺寸和质量，再批量覆盖或另存。