批量处理图像模板

以下是一个Python模板,用于批量处理图像并将处理后的图像保存在另一个文件夹中。在此示例中,将使用Pillow库来处理图像,可以使用其他图像处理库,根据需要进行修改。

首先,确保已经安装了Pillow库,可以使用以下命令来安装:

bash 复制代码
pip install pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

然后,使用以下模板来批量处理图像:

bash 复制代码
from PIL import Image
import os

def batch_process_images(input_folder, output_folder):
    # 确保输出文件夹存在,如果不存在则创建
    if not os.path.exists(output_folder):
        os.mkdir(output_folder)

    # 列出输入文件夹中的所有图像文件
    input_files = os.listdir(input_folder)

    # 针对每个输入文件进行处理
    for input_file in input_files:
        # 构建输入文件的完整路径
        input_file_path = os.path.join(input_folder, input_file)

        # 打开图像
        image = Image.open(input_file_path)

        # 在此处执行图像处理操作,例如调整大小、滤镜等
        # 这里只是一个示例,你可以根据需要进行修改
        # 这里将图像调整为150x150像素
        image = image.resize((150, 150))

        # 构建输出文件的完整路径
        output_file = os.path.join(output_folder, input_file)

        # 保存处理后的图像
        image.save(output_file)

        # 关闭图像文件
        image.close()

    print("图像处理完成,处理后的图像保存在", output_folder)

# 使用示例
input_folder = "input_images"
output_folder = "output_images"
batch_process_images(input_folder, output_folder)

可以将上述函数中的input_folder和output_folder参数替换为实际文件夹路径,然后调用batch_process_images(input_folder, output_folder)来处理图像。这个函数将在指定的输出文件夹中保存处理后的图像。

如果想使用OpenCV 来批量处理图像并将它们保存到另一个文件夹,可以使用以下示例代码。在这个示例中,将使用OpenCV来读取、处理和保存图像。

首先,请确保已经安装了OpenCV库,你可以使用以下命令来安装:

bash 复制代码
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

接下来,使用以下模板来批量处理图像并保存它们:

bash 复制代码
import cv2
import os

def batch_process_images(input_folder, output_folder):
    # 确保输出文件夹存在,如果不存在则创建
    if not os.path.exists(output_folder):
        os.mkdir(output_folder)

    # 列出输入文件夹中的所有图像文件
    input_files = os.listdir(input_folder)

    # 针对每个输入文件进行处理
    for input_file in input_files:
        # 构建输入文件的完整路径
        input_file_path = os.path.join(input_folder, input_file)

        # 使用OpenCV读取图像
        image = cv2.imread(input_file_path)

        # 在此处执行图像处理操作,例如调整大小、滤镜等
        # 这里只是一个示例,你可以根据需要进行修改
        # 这里将图像调整为150x150像素
        image = cv2.resize(image, (150, 150))

        # 构建输出文件的完整路径
        output_file = os.path.join(output_folder, input_file)

        # 使用OpenCV保存处理后的图像
        cv2.imwrite(output_file, image)

    print("图像处理完成,处理后的图像保存在", output_folder)

# 使用示例
input_folder = "input_images"
output_folder = "output_images"
batch_process_images(input_folder, output_folder)

可以将上述函数中的 input_folder 和 output_folder 参数替换为实际文件夹路径,然后调用 batch_process_images(input_folder, output_folder) 来处理图像。这个函数将在指定的输出文件夹中保存处理后的图像。

相关推荐
KimLiu5 分钟前
LCODER之Python:使用Django搭建服务端
后端·python·django
胡耀超9 分钟前
3.Python高级数据结构与文本处理
服务器·数据结构·人工智能·windows·python·大模型
1373i25 分钟前
【Python】pytorch安装(使用conda)
pytorch·python·conda
keyinf029 分钟前
python网络爬取个人学习指南-(五)
python
kida_yuan1 小时前
【从零开始】12. 一切回归原点
python·架构·nlp
大翻哥哥2 小时前
Python 2025:AI工程化与智能代理开发实战
开发语言·人工智能·python
站大爷IP2 小时前
Python文件处理:从基础操作到实战技巧全解析
python
再努力"亿"点点2 小时前
Sklearn(机器学习)实战:鸢尾花数据集处理技巧
开发语言·python
费弗里2 小时前
无需云服务器!通过Plotly Cloud免费快捷部署Dash应用
python·dash