拍的照片越来越多,想要了解一下日常拍摄的习惯,便于后面换镜头、调整参数等操作,所以写了这个脚本来统计照片的EXIF数据。该脚本用于统计指定文件夹下所有JPG图片的EXIF数据,包括快门速度、ISO、焦距、光圈和拍摄时间,并生成相应的分布图。在使用时,需要将文中的代码段都粘贴到同一个文件中,然后修改folder_path
变量为你要处理的文件夹路径,运行脚本即可。以下是脚本的详细说明。
依赖
- Python 3.x
exifread
库:用于读取图片的EXIF数据matplotlib
库:用于绘制分布图numpy
库:用于处理数值数据pathlib
库:用于处理文件路径collections.Counter
:用于统计频率
安装依赖
使用以下命令安装所需的Python库:
sh
pip install exifread matplotlib numpy
使用方法
- 将脚本保存为
photo_statistic.py
。 - 修改脚本中的
folder_path
变量,设置为你要处理的文件夹路径。 - 运行脚本:
sh
python photo_statistic.py
代码说明
导入依赖
python
from pathlib import Path
import exifread
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import numpy as np
from collections import Counter
获取EXIF数据
get_exif_data
函数用于读取图片的EXIF数据,并提取快门速度、ISO、焦距、光圈和拍摄时间。
python
def get_exif_data(image_path):
with open(image_path, 'rb') as f:
tags = exifread.process_file(f)
shutter_speed = tags.get('EXIF ExposureTime') or tags.get('EXIF ShutterSpeedValue')
iso = tags.get('EXIF ISOSpeedRatings')
focal_length = tags.get('EXIF FocalLength')
aperture = tags.get('EXIF FNumber') or tags.get('EXIF ApertureValue')
datetime = tags.get('EXIF DateTimeOriginal') or tags.get('Image DateTime')
return {
'file': image_path,
'shutter_speed': shutter_speed,
'iso': iso,
'focal_length': focal_length,
'aperture': aperture,
'datetime': datetime
}
处理文件夹中的图片
process_images_in_folder
函数遍历指定文件夹下的所有JPG图片,并调用get_exif_data
函数获取每张图片的EXIF数据。
python
def process_images_in_folder(folder_path):
results = []
folder = Path(folder_path)
for image_path in folder.rglob('*.jpg'):
results.append(get_exif_data(image_path))
return results
绘制统计图
plot_statistics
函数用于绘制快门速度、ISO、焦距和光圈的分布图,并统计指定焦距的时间分布。
python
def plot_statistics(results):
shutter_speeds = [float(result['shutter_speed'].values[0]) for result in results if result['shutter_speed']]
isos = [int(result['iso'].values[0]) for result in results if result['iso']]
focal_lengths = [float(result['focal_length'].values[0].num) / float(result['focal_length'].values[0].den) for result in results if result['focal_length']]
apertures = [float(result['aperture'].values[0].num) / float(result['aperture'].values[0].den) for result in results if result['aperture']]
dates = [result['datetime'].values.split(' ')[0].replace(':', '.') for result in results if result['datetime']]
# 删除快门速度大于阈值的数据
shutter_speeds_thres = 0.1
shutter_speeds = [speed for speed in shutter_speeds if speed <= shutter_speeds_thres]
fig, axs = plt.subplots(2, 1)
# 将快门速度转换为分数格式
def format_shutter_speed(speed):
return (f"1/{(1/speed):.0f}" if speed != 0 else "0") if speed < 1 else str(speed)
# 绘制快门速度分布图并将x轴刻度标签设置为分数格式
axs[0].hist(shutter_speeds, bins=100, color='blue', edgecolor='black')
axs[0].set_title('Shutter Speed Distribution' + f' (Threshold: {shutter_speeds_thres}s)')
axs[0].set_xlabel('Shutter Speed (s)')
# 使用分数表示快门速度
axs[0].xaxis.set_major_formatter(ticker.FuncFormatter(lambda x, _: format_shutter_speed(x)))
axs[0].set_ylabel('Frequency')
axs[1].hist(focal_lengths, bins=100, color='red', edgecolor='black')
axs[1].set_title('Focal Length Distribution')
axs[1].set_xlabel('Focal Length (mm)')
axs[1].set_ylabel('Frequency')
plt.tight_layout()
# 标出频率最高的N个焦距
N = 6
focal_length_counts = np.bincount(focal_lengths)
most_common_focal_lengths = np.argsort(focal_length_counts)[-N:][::-1]
for focal_length in most_common_focal_lengths:
axs[1].text(focal_length, focal_length_counts[focal_length], str(focal_length), color='black')
# 统计所有时间的频率
dates_freq = Counter(dates)
# 统计指定焦距的时间分布
def get_focal_length_time_distribution(results, focal_length):
date_of_focal_length = []
for result in results:
if result['focal_length'] and result['focal_length'].values[0].num / result['focal_length'].values[0].den == focal_length:
date_of_focal_length.append(result['datetime'].values)
date_of_focal_length.sort()
# 以空格分隔时间字符串,只保留日期部分
date_of_focal_length = [time.split(' ')[0].replace(':', '.') for time in date_of_focal_length]
# 统计相同时间的频率
return Counter(date_of_focal_length)
prefix_focal_length = 50
focal_length_200mm_freq = get_focal_length_time_distribution(results, prefix_focal_length)
fig, ax = plt.subplots()
# dates_freq排序
dates_freq = dict(sorted(dates_freq.items()))
ax.barh(list(dates_freq.keys()), list(dates_freq.values()), alpha=0.5, label='All')
ax.barh(list(focal_length_200mm_freq.keys()), list(focal_length_200mm_freq.values()), label='Focal Length ' + str(prefix_focal_length) + 'mm')
ax.legend()
ax.set_xlabel('Frequency')
ax.set_ylabel('Date')
plt.show()
主函数
main
函数设置文件夹路径,并调用process_images_in_folder
和plot_statistics
函数。
python
def main():
folder_path = 'c:/Users/25503/Desktop/照片合集'
results = process_images_in_folder(folder_path)
plot_statistics(results)
if __name__ == "__main__":
main()
运行结果
注意事项
- 确保文件夹路径正确,并且文件夹中包含JPG格式的图片。
- 脚本会读取图片的EXIF数据,如果图片没有EXIF数据,相关统计信息将无法获取。