2.7.0#
理智插件#
SANE插件现在被拆分为自己的repo:https://github.com/python-bellow/sane。
PNG文本块大小限制#
为了防止使用压缩文本块的潜在拒绝服务攻击，现在对从PNG图像解码的文本块的解压缩大小有限制。如果在打开PNG图像时超出限制 ValueError 都会被举起。
单个文本块仅限于 PIL.PngImagePlugin.MAX_TEXT_CHUNK ，默认设置为1MB。所有文本块的总解压缩大小限制为 PIL.PngImagePlugin.MAX_TEXT_MEMORY ，默认为64MB。如果知道需要大的文本块，可以在打开PNG图像之前更改这些值。
图像大小调整过滤器#
图像大小调整方法 resize() 和 thumbnail() 拿一个 resample 参数，该参数指示应使用哪个滤镜进行重采样。可能的值包括： NEAREST ， BILINEAR ， BICUBIC 和 ANTIALIAS 。在这个版本中，它们几乎都被更改了。
双三次和双线性降尺度#
从一开始 BILINEAR 和 BICUBIC 滤镜基于仿射变换，并对每个目标像素使用来自源图像的固定数量的像素(2x2像素 BILINEAR 和4x4用于 BICUBIC )。这给缩小比例带来了不令人满意的结果。同时，使用了一种高质量的卷积算法和灵活的核 ANTIALIAS 过滤。
从Pillow2.7.0开始，所有这三个过滤器都使用了基于高质量卷积的算法。
如果您以前使用任何技巧来保持质量时，使用 BILINEAR 和 BICUBIC 过滤器(例如，在几个步骤中减少)，它们现在是不必要的。
Antialias更名为Lanczos#
一种新的 LANCZOS 常量被添加，而不是 ANTIALIAS 。
什么时候 ANTIALIAS 最初是添加的，它是唯一基于卷积的高质量滤光片。它的名字应该能反映这一点。从Pillow 2.7.0开始，所有调整大小的方法都是基于卷积的。从现在起，它们都是反走样。和那个人的真名 ANTIALIAS 过滤器为Lanczos过滤器。
这个 ANTIALIAS 保留常量是为了向后兼容，它是 LANCZOS 。
兰佐斯升级质量#
通过以下功能提升图像质量 LANCZOS 过滤器几乎与 BILINEAR 因为一个窃听器。此问题已修复。
双三次放大质量#
这个 BICUBIC 用于仿射变换的过滤器生成用于放大的锐化、略带像素化的图像。卷积的双三次曲线更柔和。
调整性能大小#
在大多数情况下，卷积是一种更昂贵的缩小比例的算法，因为它考虑了源图像的所有像素。因此 BILINEAR 和 BICUBIC 过滤器的性能可能会比以前低。另一方面，产品的质量 BILINEAR 和 BICUBIC 接近于 NEAREST 。因此，如果这样的质量适合您的任务，您可以切换到 NEAREST 用于缩小比例的过滤器，这将极大地提高性能。
同时，与前一版本相比，下比例卷积重采样的性能提高了大约两倍。可扩展的性能 LANCZOS 过滤器保持不变。为 BILINEAR 滤镜性能提高了1.5倍， BICUBIC 增加了四倍。
缩略图的默认筛选器#
在Pillow 2.5中，默认过滤器 thumbnail() 已从 NEAREST 至 ANTIALIAS 。之所以选择抗锯齿，是因为所有其他滤镜的还原质量都很差。从Pillow 2.7.0开始， ANTIALIAS 已被替换为 BICUBIC ，因为它更快，而且 ANTIALIAS 在使用libjpeg进行缩减后不会带来任何优势，因为libjpeg在内部使用超采样，而不是卷积。
图像转置#
一种新方法 TRANSPOSE 已为 transpose() 除了运营之外 FLIP_LEFT_RIGHT ， FLIP_TOP_BOTTOM ， ROTATE_90 ， ROTATE_180 ， ROTATE_270 。 TRANSPOSE 是一种代数转置，其主对角线上反射了一幅图像。
速度之快 ROTATE_90 ， ROTATE_270 和 TRANSPOSE 对于处理器缓存中无法容纳的大图像，已经有了显著的改进。
高斯模糊和不锐化掩模#
这个 GaussianBlur() 实现已被一个连续应用的框式过滤器所取代。新的实现是基于“扩展盒滤波高斯卷积的理论基础”从数学图像分析组。AS UnsharpMask() 实现在内部使用高斯模糊，本章的所有更改也适用于它。
模糊半径#
在之前版本的Pillow中有一个错误，模糊半径（高斯的标准偏差）实际上意味着模糊直径。例如，要使实际半径为5的图像模糊，必须使用值10。这个问题已经解决了。现在半径的含义与其他软件中的含义相同。
如果使用了半径值为的高斯模糊，则需要将该值除以2。
模糊性能#
盒滤波器的计算时间相对于半径是恒定的，仅取决于源图像的大小。由于新的高斯模糊实现是基于盒滤波器的，其计算时间也不依赖于模糊半径。
例如，以前，如果给定测试图像的执行时间为1秒（半径为1），3.6秒（半径为10），17秒（半径为50），则现在对同一图像上的任何半径执行模糊0.2秒。
模糊质量#
以前的实现只考虑每个目标像素在2*标准偏差半径内的源像素。这是不够的，所以质量比其他高斯模糊软件更差。
新的实现没有这个缺点。
TIFF参数更改#
用于保存TIFF图像的几个Kwarg参数以前被指定为包含空格的字符串（例如“x分辨率”）。如果不建立和通过字典，很难将其用作夸克语。这些参数现在使用下划线字符而不是空格。（例如，“X”分辨率）