【脚本工具库】批量下采样图像(附源码)

在图像处理领域,我们经常需要对大批量图像进行下采样操作,以便减小图像的尺寸和文件大小,这对于节省存储空间和提高处理速度非常有帮助。手动操作不仅耗时,而且容易出错。为了解决这个问题,我们可以编写一个Python脚本,使用PIL库来自动化这个过程。本文将详细介绍如何编写一个批量下采样图像的脚本。

准备工作

在开始之前,请确保你的系统上已经安装了Python环境,并且安装了PIL(Python Imaging Library)库。可以使用以下命令安装PIL库:

bash 复制代码
pip install pillow
脚本源码

以下是完整的Python脚本源码,该脚本可以将指定文件夹中的图像按比例下采样,并保存到目标文件夹中。

python 复制代码
from PIL import Image
import os

# 下采样比例设置
scale = 1.0 / 8  # 下采样的倍数
source_path = r"E:\label2"  # 源图像文件夹路径
result_path = r"E:\label3"  # 结果图像文件夹路径

# 确保结果文件夹存在
if not os.path.exists(result_path):
    os.makedirs(result_path)

# 获取源文件夹中的所有图像文件,并按文件名排序
files = os.listdir(source_path)
files.sort(key=lambda x: int(x.split('.')[0]), reverse=False)

cnt = 1  # 用于结果文件命名的计数器

# 批量下采样并保存图像
for file in files:
    img = Image.open(os.path.join(source_path, file))
    if img.mode == "P":
        img = img.convert('RGB')
    width = int(img.size[0] * scale)
    height = int(img.size[1] * scale)
    img_resize = img.resize((width, height), Image.LANCZOS)
    img_resize.save(os.path.join(result_path, "%05d.png" % cnt))
    cnt += 1

print("批量下采样完成!")
使用说明
  1. 修改source_path为源图像文件夹的路径,result_path为目标文件夹的路径。
  2. 设置下采样比例scale,例如1.0 / 8表示将图像尺寸缩小至原来的1/8。
  3. 运行脚本,程序会将源文件夹中的所有图像按比例下采样,并按顺序保存到目标文件夹中。
  4. 每个下采样后的图像文件命名格式为00001.png, 00002.png,依次类推。
总结

这个脚本可以帮助你轻松地批量下采样图像,节省了大量的时间和精力。希望这个教程对你有所帮助。如果你有任何问题或建议,欢迎在评论区留言讨论。

感谢阅读!

相关推荐
小熊Coding几秒前
Python二手图书市场行为分析系统
开发语言·爬虫·python·django·计算机毕业设计·数据可视化分析·二手图书分析系统
是Yu欸几秒前
抓取ChatGPT大模型回答并做品牌曝光分析
人工智能·经验分享·chatgpt·大模型·亮数据·brightdata
ai产品老杨1 分钟前
统一视频接入与多品牌利旧:基于 Docker 与 GB28181/RTSP 的边缘计算 AI 视频中台架构设计与源码交付实践
人工智能·docker·音视频
鉴生Eric2 分钟前
BMA系统在工业厂房实现OT与IT融合时,具体如何解决不同品牌设备的数据协议兼容难题?
人工智能·物联网·工业厂房ot与it融合·智能边缘网关
AllData公司负责人3 分钟前
亲测丝滑,体验跃迁|AllData通过集成开源项目Cube-Studio,降低机器学习落地门槛
java·大数据·数据库·人工智能·机器学习·开源·cube-studio
hyunbar4 分钟前
Ollama 本地安装 C盘太小怎么办
服务器·人工智能
AI算法沐枫4 分钟前
机器学习经典小项目4:泰坦尼克号生存预测
人工智能·python·深度学习·线性代数·算法·机器学习·回归
威尔逊·柏斯科·希伯理5 分钟前
机器学习第一天(共12天)
人工智能·python·机器学习·conda·numpy·pandas·matplotlib
lqqjuly6 分钟前
生成对抗网络 (GAN) 详解
人工智能·生成模型
哦哦~9216 分钟前
机器学习在智能水泥基复合材料中的应用与实践
人工智能·机器学习·机器人