Python图像处理 | PIL库应用 | 图片批量处理

作为一个天天和图像打交道的老鸟，我来分享下PIL库在实际项目中的应用经验。这些代码都是经过生产环境验证的，拿去就能用。

图像处理是个技术活，PIL库(Python Imaging Library)绝对是你的得力助手。现在它更名为Pillow，但老习惯还是叫它PIL。让我们一起来撸代码，看看如何用Python优雅地处理图片。

环境配置很简单:

pip install Pillow

要处理图片，先得把图片读进来:

from PIL import Image

# 打开图片

img = Image.open('test.jpg')

# 获取图片信息

print(f"图片尺寸: {img.size}")

print(f"图片模式: {img.mode}")

在实际项目中，经常需要调整图片尺寸。比如做个商品网站，所有商品图都得统一规格:

def resize_image(image_path, output_path, size=(800, 800)):

with Image.open(image_path) as img:

# 保持原图比例

img.thumbnail(size)

# 保存处理后的图片

img.save(output_path, quality=95)

有时候需要给图片加水印，保护版权:

def add_watermark(image_path, watermark_text):

from PIL import ImageDraw, ImageFont

img = Image.open(image_path)

# 创建一个可以在图片上绘画的对象

draw = ImageDraw.Draw(img)

# 使用系统字体，指定字体大小

font = ImageFont.truetype("arial.ttf", 36)

# 计算文字位置，放在右下角

text_width = draw.textlength(watermark_text, font=font)

position = (img.width - text_width - 10, img.height - 50)

# 绘制半透明文字

draw.text(position, watermark_text, font=font, fill=(255, 255, 255, 128))

return img

批量处理是真正提升效率的关键。写个函数批量处理整个文件夹的图片:

import os

def batch_process_images(input_dir, output_dir, process_func):

"""

批量处理图片的通用函数

process_func: 具体的处理函数

"""

if not os.path.exists(output_dir):

os.makedirs(output_dir)

for filename in os.listdir(input_dir):

if filename.lower().endswith(('.png', '.jpg', '.jpeg')):

input_path = os.path.join(input_dir, filename)

output_path = os.path.join(output_dir, filename)

try:

process_func(input_path, output_path)

print(f"处理成功: {filename}")

except Exception as e:

print(f"处理失败: {filename}, 错误: {str(e)}")

图片压缩是个常见需求，特别是在做网站优化的时候:

def compress_image(input_path, output_path, max_size_kb=500):

"""

压缩图片到指定大小以下

"""

quality = 95

img = Image.open(input_path)

while True:

img.save(output_path, quality=quality)

size_kb = os.path.getsize(output_path) / 1024

if size_kb <= max_size_kb or quality <= 5:

break

quality -= 5

图片滤镜效果也是常用功能:

from PIL import ImageEnhance

def apply_filter(image_path, brightness=1.0, contrast=1.0, saturation=1.0):

"""

应用图片滤镜

"""

img = Image.open(image_path)

# 调整亮度

enhancer = ImageEnhance.Brightness(img)

img = enhancer.enhance(brightness)

# 调整对比度

enhancer = ImageEnhance.Contrast(img)

img = enhancer.enhance(contrast)

# 调整饱和度

enhancer = ImageEnhance.Color(img)

img = enhancer.enhance(saturation)

return img

实际应用中，这些功能经常要组合使用。下面是个完整的示例:

def process_product_images(input_dir, output_dir):

"""

产品图片处理流程:

1. 调整尺寸

2. 加水印

3. 压缩大小

"""

def process_single_image(input_path, output_path):

# 调整尺寸

img = Image.open(input_path)

img.thumbnail((800, 800))

# 加水印

img = add_watermark(img, " MyStore 2024")

# 保存并压缩

img.save(output_path, quality=85, optimize=True)

batch_process_images(input_dir, output_dir, process_single_image)

要注意的是，图片处理比较耗CPU，处理大量图片时最好用多进程:

from multiprocessing import Pool

def parallel_process_images(input_dir, output_dir, process_func, num_processes=4):

"""

并行处理图片

"""

image_files = [f for f in os.listdir(input_dir)

if f.lower().endswith(('.png', '.jpg', '.jpeg'))]

with Pool(num_processes) as pool:

tasks = [(os.path.join(input_dir, f),

os.path.join(output_dir, f))

for f in image_files]

pool.starmap(process_func, tasks)

掌握了这些基础操作，基本上能应付80%的图片处理需求了。当然，PIL还有很多高级功能，比如图片合成、特效处理等，感兴趣的可以深入研究。记住一点：代码要优雅，处理要规范，出了问题好排查