Pillow Pil

pillow_pil

Pillow es la librería fundamental de procesamiento de imágenes en Python. Gestiona la carga, guardado, conversión de formato, redimensionado y manipulación básica de imágenes. Es una dependencia implícita de casi todos los otros componentes de procesamiento.

When to use

Usar para todas las operaciones básicas de imagen antes de pasarlas a OpenCV o a los modelos ML: carga de archivos, conversión de formato, extracción de metadatos EXIF.

Instructions

1. Instalar: pip install Pillow
2. Carga y validación básica:

   from PIL import Image, ExifTags
   import io
   def load_and_validate(image_bytes: bytes) -> Image.Image:
       img = Image.open(io.BytesIO(image_bytes))
       img.verify()  # lanza excepción si el archivo está corrupto
       img = Image.open(io.BytesIO(image_bytes))  # reabrir tras verify()
       if img.mode != "RGB":
           img = img.convert("RGB")
       return img
   

3. Extraer metadatos EXIF para detectar edición:

   def get_exif_data(img: Image.Image) -> dict:
       exif_data = img._getexif() or {}
       return {ExifTags.TAGS.get(k, k): v for k, v in exif_data.items()}
   

4. Conversión PIL ↔ NumPy/OpenCV: np.array(pil_img) y Image.fromarray(cv2_img[:,:,::-1]).
5. Verificar integridad del archivo: capturar PIL.UnidentifiedImageError para imágenes corruptas o no-imagen.
6. Redimensionar para normalizar antes del pipeline: img.resize((width, height), Image.LANCZOS).

Notes

• Siempre reabrir la imagen después de img.verify() — verify() consume el stream y deja la imagen en estado inconsistente.
• Pillow no preserva orientación EXIF al convertir — usar ImageOps.exif_transpose(img) para corregir rotación.
• Para imágenes muy grandes (>20MP), usar img.thumbnail() en lugar de img.resize() para respetar aspect ratio.