首先声明，本人遇到的Pycharm无法用pip安装PIL的问题和安装Pillow模块之后依然报错“No module named 'Pillow'”问题最终都得到了解决，相信很多人也遇到过，但由于系统，软件版本，运行环境等一系列问题，可能本博客的解决办法并不完全普适，但文章的最后，我总结了两种纠错方法，希望能帮助大家解决问题。
很多学习Python的同学们肯定都遇到过一个名叫PIL的模块，扩展开就是Python Image Library，字面翻译则是Python的图像库。
这个模块可以算是Python平台的图像处理标准库，优点很多，总的来说功能强大，调用简单。
于是，我就打算在Pycharm上来看看PIL的强大，从书上随便找了段代码敲进去试试。
# coding: utf-8
import sys, os
sys.path.append(os.pardir) # 为了导入父目录的文件而进行的设定
import numpy as np
from dataset.mnist import load_mnist
from PIL import Image
def img_show(img):
pil_img = Image.fromarray(np.uint8(img))
pil_img.show()
(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False)
img = x_train[0]
label = t_train[0]
print(label) # 5
print(img.shape) # (784,)
img = img.reshape(28, 28) # 把图像的形状变为原来的尺寸
print(img.shape) # (28, 28)
img_show(img)
该代码段是做什么的先不管，总之就是从MNIST数据集中去获取数据，然后显示图像。
敲完之后自然是去Pycharm的settings里去下载PIL这个模块了。
看图说话，Pycharm的settings里确实可以搜到PIL模块，于是点击“Install Package”，但是提示无法下载：
根据经验判断，这种情况多半是这个模块被淘汰了，上网一搜，果不其然，怪本人孤陋寡闻了！
原来PIL仅支持到Python2.7，而现在大家普遍使用的肯定是Python3.x版本，自然是没法用了！
那么怎么办呢？其实有一个PIL的Fork版本模块，是一群志愿者在PIL的基础上创建的兼容版本，名叫Pillow，保留了PIL的基本特性，同时还加入了新的特性！
所以，赶紧回去Pycharm里搜索Pillow，果然也有！
于是果断安装了一个，然后将上面代码的
from PIL import Image
改成了
from Pillow import Image
接着点击运行。
本以为会见证奇迹，没想到居然报错了！看图说话：
此时我的内心是崩溃的，感觉自己被耍了，说好的Pillow代替PIL呢，怎么和说好的不一样？而且报错结果也难让人难以接受了，明明Pillow模块时有的啊！
上网搜解决办法，很多人提示说问题很可能是Pillow下载的工程目录和当下运行的程序的目录不一致。
然而经过仔细比对，目录不匹配问题并不存在！
于是接下来开始了无休止地胡乱尝试，比如说下载其他的模块，比如说打开cmd用命令行下载，比如说更新pip（我的pip确实版本旧了）……
一顿操作猛如虎之后，问题依然无法解决，而且每次报错都是告诉我，没有一个模块叫作“Pillow”！
万般无奈之下，我向女友求助，因为记得她之前处理过PIL和Pillow。
结果她告诉我，模块下载Pillow，代码写PIL！
于是，再次回到之前的完整代码，直接运行通过！
即再将
from Pillow import Image
改成
from PIL import Image
然后就输出了结果，和一张非常袖珍的图片！
讲道理，这个结局我是真的没有猜到，下载模块Pillow，但是代码写from PIL import ……
后来仔细一想，毕竟Pillow不是官方的模块，可能Fork版本就是这么神奇吧！
最后总结一下：
1. 遇到Pycharm无法下载PIL模块的问题，解决办法是改为下载Pillow模块。
2. 遇到安装了Pillow模块之后，运行代码报错提示“No module named 'Pillow'”的问题，有以下两种可能的解决办法：
检查下载Pillow的Python Interpreter和你代码运行的工程的Python Interpreter，说白了就是确保你下载安装的Pillow是现在正在运行的工程目录。
检查代码里写的是不是“from Pillow import ……”，如果是，改成“from PIL import ……”再试试！
————————————————
版权声明：本文为CSDN博主「Leonardo Liu」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/leowinbow/article/details/88321011