Python图片压缩方法全解：从入门到进阶

图片占网页流量60%以上，一张10MB的照片能拖慢整个页面加载速度。Python生态里压缩图片的方法不少，但适合你的可能就两三种。

这篇把主流方案捋一遍，告诉你什么场景用什么工具。

---

一、先分清两条路

类型	原理	压缩率	信息损失	典型场景
无损压缩	消除数据冗余，解码后与原图完全一致	10%-30%	无	医学影像、PNG透明图、技术图纸
有损压缩	丢弃人眼不敏感的高频细节	50%-90%	有	网页配图、社媒分享、缩略图

绝大多数场景，选有损就够了。 quality=85 时人眼几乎无法分辨，体积已砍掉60%。

---

二、六种主流方法

1. Pillow ------ 最通用，首选

Python图像处理的标准库，装完就能用。

pip install Pillow

三种压缩手段：

from PIL import Image

img = Image.open("photo.jpg")

# ① 降质量（最常用）
img.save("small.jpg", quality=85, optimize=True)

# ② 缩尺寸
img_resized = img.resize((1920, 1080), Image.LANCZOS)
img_resized.save("resized.jpg", quality=85)

# ③ 换格式（PNG → JPEG，体积常减50%+）
if img.mode == 'RGBA':
    img = img.convert('RGB')
img.save("converted.jpg", "JPEG", quality=85)

参数	推荐值	说明
quality	85	质量与体积的最佳平衡点
optimize	True	额外尝试无损压缩JPEG
resample	LANCZOS	高质量缩放算法

适合： 日常开发、批量处理、离线场景。

---

2. TinyPNG API ------ 压缩率最高

不是Python库，但有官方Python SDK，一行调用：

pip install tinify

import tinify
tinify.key = "YOUR_API_KEY"

source = tinify.from_file("input.png")
source.to_file("output.png")  # 自动选最优参数

指标	Pillow (quality=85)	TinyPNG
PNG压缩率	20%-30%	50%-80%
JPG压缩率	40%-60%	50%-70%
免费额度	无限制	月500张

适合： 对压缩率要求极高、图片量不大的场景。

---

3. WebP格式转换 ------ 谷歌出品，体积最小

WebP是目前综合压缩率最优的图片格式，同画质下比JPEG小25%-35%。

from PIL import Image

img = Image.open("photo.jpg")
img.save("photo.webp", "WEBP", quality=80)

对比项	JPEG	WebP
同质量体积	100KB	65-75KB
浏览器支持	99%	96%（IE不支持）
透明通道	❌	✅

适合： 现代化网站、不需要兼容IE的项目。

---

4. PyVips ------ 性能怪兽，内存极低

Pillow的问题：大图（>50MB）会吃光内存。PyVips用流式处理，100MB图片只占几十MB内存。

pip install pyvips

import pyvips

img = pyvips.Image.thumbnail("huge.jpg", 1920)
img.write_to_file("small.jpg", Q=85)

指标	Pillow	PyVips
100张10MB图	耗时40秒，峰值内存2GB	耗时8秒，峰值内存200MB
大图支持	勉强	轻松

适合： 批量处理大图、服务器端图片处理。

---

5. OpenCV ------ 视频帧/实时流首选

如果你在处理视频帧或摄像头流，OpenCV比Pillow快得多。

import cv2

img = cv2.imread("photo.jpg")
cv2.imwrite("small.jpg", img, [cv2.IMWRITE_JPEG_QUALITY, 85])

适合： 视频处理、实时流、需要同时做图像分析的场景。

---

6. K-means聚类 ------ 算法级压缩，可控色彩数

不改格式，直接减少图片色彩数量。原理：把相近颜色归为一类。

import numpy as np
from sklearn.cluster import KMeans
from PIL import Image

img = Image.open("photo.jpg")
pixels = np.array(img).reshape(-1, 3)

kmeans = KMeans(n_clusters=64)  # 只保留64种颜色
kmeans.fit(pixels)
new_pixels = kmeans.cluster_centers_[kmeans.labels_]

new_img = Image.fromarray(new_pixels.reshape(img.size[1], img.size[0], 3).astype('uint8'))
new_img.save("kmeans.jpg")

色彩数	效果	压缩率
256	轻微色块感	~40%
64	明显海报化	~60%
16	强烈艺术感	~75%

适合： 图标处理、艺术化效果、学习算法原理。

---

三、方法对比总表

方法	压缩率	速度	内存	难度	最佳场景
Pillow	⭐⭐⭐	⭐⭐⭐	⭐⭐	⭐	通用首选
TinyPNG	⭐⭐⭐⭐⭐	⭐⭐	⭐⭐⭐	⭐	追求极致压缩
WebP	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐	⭐	现代Web项目
PyVips	⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐	大图批量处理
OpenCV	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐	视频/实时流
K-means	⭐⭐⭐⭐	⭐⭐	⭐⭐⭐	⭐⭐⭐	艺术化/学习

---

四、怎么选？看这个决策树

需要压缩图片？
│
├─ 几张图，临时用 → 在线工具（tinypng.com），别写代码
│
├─ 批量 + 离线 → Pillow（本文方法1），够用
│
├─ 压缩率优先 → TinyPNG API
│
├─ 网站配图 → WebP格式
│
├─ 图片>50MB / 批量>1000张 → PyVips
│
├─ 视频帧处理 → OpenCV
│
└─ 玩算法 / 艺术化 → K-means

---

五、一个能直接用的批量脚本

把上面最常用的方案合在一起：

import os
from PIL import Image

def compress_batch(input_dir, output_dir, quality=85, max_width=1920):
    os.makedirs(output_dir, exist_ok=True)
    
    for f in os.listdir(input_dir):
        if not f.lower().endswith(('.jpg', '.jpeg', '.png', '.bmp')):
            continue
        
        in_path = os.path.join(input_dir, f)
        out_path = os.path.join(output_dir, f)
        
        with Image.open(in_path) as img:
            if img.mode in ('RGBA', 'P'):
                img = img.convert('RGB')
            
            if img.width > max_width:
                ratio = max_width / img.width
                img = img.resize((max_width, int(img.height * ratio)), Image.LANCZOS)
            
            img.save(out_path, 'JPEG', quality=quality, optimize=True)
            
            orig = os.path.getsize(in_path) / 1024
            new = os.path.getsize(out_path) / 1024
            print(f"{f}: {orig:.0f}KB → {new:.0f}KB ({1-new/orig:.0%})")

compress_batch("./原图", "./压缩", quality=85)

---

最后说一句

别追求"最好的压缩方法"，够用的才是最好的。大多数情况下，Pillow + quality=85 + optimize=True，已经能解决90%的问题。

先把这一招用熟，再根据实际瓶颈考虑换工具。