Skip to main content

缓存图片

Pillow 库 本身没有内置的缓存机制。当您频繁使用 Image.open() 读取同一张图片时，每次调用都会重新执行完整的文件读取和解码操作。不过在实际场景中，您可能观察到以下两种隐性"缓存"效果：

一、操作系统级缓存（非 Pillow 机制）​

  1. 文件系统缓存 操作系统会将最近访问的文件内容缓存在内存中，后续读取会直接从内存获取，这会让重复读取同一文件的速度显著快于首次读取。
  2. 磁盘硬件缓存 SSD/HDD 自身有硬件级缓存机制，也会优化重复读取的速度。

二、手动实现缓存的方案​

方案 1：全局对象缓存（简单场景）​

python

from PIL import Image
import functools

@functools.lru_cache(maxsize=32)  # 缓存最近打开的32张图片
def cached_image_open(path):
    return Image.open(path).copy()  # 必须 copy() 避免句柄冲突

# 使用方式
img = cached_image_open("test.jpg")
img.load()  # 显式加载像素数据（可选）

方案 2：内存中保存像素数据（高频访问）​

python

from PIL import Image

# 首次加载时缓存像素数据
_img_cache = {}
def get_cached_image(path):
    if path not in _img_cache:
        img = Image.open(path)
        _img_cache[path] = {
            "pixels": img.load(),  # 直接访问像素矩阵
            "mode": img.mode,
            "size": img.size
        }
        img.close()  # 关闭文件句柄
    return _img_cache[path]

# 使用方式
cache = get_cached_image("test.jpg")
width, height = cache["size"]
pixel_data = cache["pixels"]

三、需要特别注意的问题​

  1. 文件句柄泄漏 不要直接缓存 Image.open() 返回的对象而不关闭，这会导致系统文件句柄耗尽。正确做法：

    python

    # 错误方式（句柄未关闭）：
    img = Image.open("test.jpg")
    img.load()  # 提前加载数据
    # 正确方式（显式关闭）：
    with Image.open("test.jpg") as img:
        img.load()
        cache = img.copy()  # 复制数据后缓存

  2. 动态更新问题 如果图片文件可能被修改，需要实现缓存失效机制：

    python

    import os

    _cache = {}
    def get_image_with_invalidation(path):
        mtime = os.path.getmtime(path)
        if path not in _cache or _cache[path]["mtime"] != mtime:
            with Image.open(path) as img:
                _cache[path] = {
                    "image": img.copy(),
                    "mtime": mtime
                }
        return _cache[path]["image"]

四、性能对比测试​

通过简单测试可以看出差异：

python

import time
from PIL import Image

def test_performance():
    # 首次读取
    t1 = time.time()
    Image.open("large_image.jpg").load()
    print(f"首次读取: {time.time()-t1:.3f}s")

    # 第二次读取（无缓存）
    t2 = time.time()
    Image.open("large_image.jpg").load()
    print(f"无缓存重读: {time.time()-t2:.3f}s")

    # 使用缓存
    with Image.open("large_image.jpg") as img:
        cached = img.copy()
    t3 = time.time()
    cached.load()  # 从内存访问
    print(f"缓存访问: {time.time()-t3:.5f}s")

典型输出结果：

首次读取: 0.423s    # 完整磁盘读取+解码
无缓存重读: 0.036s  # 受益于操作系统缓存
缓存访问: 0.00001s  # 纯内存访问

总结建议​

场景推荐方案
图片不会动态修改使用 functools.lru_cache 缓存 Image 对象
需要实时读取最新文件直接使用 Image.open()（依赖OS缓存）
高频访问静态图片缓存像素数据 (img.load())
内存敏感场景缓存缩略图或关键元数据

通过合理选择缓存策略，可以将图片读取性能提升 10-100 倍（取决于图片大小和访问频率）。