溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

怎么使用python對圖片進行批量壓縮

發布時間:2022-07-07 13:39:30 來源:億速云 閱讀:230 作者:iii 欄目:開發技術

本篇內容主要講解“怎么使用python對圖片進行批量壓縮”,感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷,實用性強。下面就讓小編來帶大家學習“怎么使用python對圖片進行批量壓縮”吧!

使用Python和Pillow模塊壓縮圖片

Pillow是Python上一個功能非常強大的圖形處理庫,若本地還沒安裝,可以通過指令:pip install Pillow安裝。使用Pillow進行壓縮的策略大致總結為三個:1、優化flag,2、漸進式JPEG,3、JPEG動態質量。

我們先用Python寫一個簡單的保存圖片的例子:

from PIL import Image
from io import StringIO
import dynamic_quality

im = Image.open("photo.jpg")
print(im.format,im.size,im.mode)

new_photo = im.copy()
new_photo.thumbnail(im.size,resample=Image.ANTIALIAS)
save_args = {'format':im.format}
if im.format=='JPEG':
    save_args['quality'].value=85

new_photo.save("copy_photo.jpg",**save_args)

1、優化flag

開啟optimize設置,這是以CPU耗時為代價節省額外的文件大小,由于本質沒變,對圖片質量沒有絲毫影響。

...
if im.format=='JPEG':
    save_args['quality'].value=85
    save_args['optimize']=True
...

2、漸進式JPEG

當我們將一張圖片保存為 JPEG 時,你可以從下面的選項中選擇不同的類型:

  • 標準型: JPEG 圖片自上而下載入。

  • 漸進式: JPEG 圖片從模糊到清晰載入。

漸進式的選項可以在 Pillow 中輕松的啟用 (progressive=True)。漸進式文件的被打包時會有一個小幅的壓縮。

...
if im.format=='JPEG':
    save_args['quality'].value=85
    save_args['optimize']=True
    save_args['progressive=True']=True
...

3、JPEG動態質量

最廣為人知的減小 JPEG 文件大小的方法就是設置 quality。很多應用保存 JPEG 時都會設置一個特定的質量數值。

質量其實是個很抽象的概念。實際上,一張 JPEG 圖片的每個顏色通道都有不同的質量。質量等級從 0 到 100 在不同的顏色通道上都對應不同的量化表,同時也決定了有多少信息會丟失。

在信號域量化是 JPEG 編碼中失去信息的第一個步驟。

我們可以動態地為每一張圖片設置最優的質量等級,在質量和文件大小之間找到一個平衡點。我們有以下兩種方法可以做到這點:

Bottom-up: 這些算法是在 8x8 像素塊級別上處理圖片來生成調優量化表的。它們會同時計算理論質量丟失量和和人眼視覺信息丟失量。

Top-down: 這些算法是將一整張圖片和它原版進行對比,然后檢測出丟失了多少信息。通過不斷地用不同的質量參數生成候選圖片,然后選擇丟失量最小的那一張。

我們選擇第二種方法:使用二分法在不同的質量等級下生成候選圖片,然后使用 pyssim 計算它的結構相似矩陣 (SSIM) 來評估每張候選圖片損失的質量,直到這個值達到非靜態可配置的閾值為止。這個方法讓我們可以有選擇地降低文件大?。ê臀募|量),但是只適用于那些即使降低質量用戶也察覺不到的圖片。

下面是計算動態質量的代碼dynamic_quality.py:

import PIL.Image
from math import log
from SSIM_PIL import compare_ssim


def get_ssim_at_quality(photo, quality):
    """Return the ssim for this JPEG image saved at the specified quality"""
    ssim_photo = "tmp.jpg"
    # optimize is omitted here as it doesn't affect
    # quality but requires additional memory and cpu
    photo.save(ssim_photo, format="JPEG", quality=quality, progressive=True)
    ssim_score = compare_ssim(photo, PIL.Image.open(ssim_photo))
    return ssim_score


def _ssim_iteration_count(lo, hi):
    """Return the depth of the binary search tree for this range"""
    if lo >= hi:
        return 0
    else:
        return int(log(hi - lo, 2)) + 1


def jpeg_dynamic_quality(original_photo):
    """Return an integer representing the quality that this JPEG image should be
    saved at to attain the quality threshold specified for this photo class.

    Args:
        original_photo - a prepared PIL JPEG image (only JPEG is supported)
    """
    ssim_goal = 0.95
    hi = 85
    lo = 80

    # working on a smaller size image doesn't give worse results but is faster
    # changing this value requires updating the calculated thresholds
    photo = original_photo.resize((400, 400))

    # if not _should_use_dynamic_quality():
    #     default_ssim = get_ssim_at_quality(photo, hi)
    #     return hi, default_ssim

    # 95 is the highest useful value for JPEG. Higher values cause different behavior
    # Used to establish the image's intrinsic ssim without encoder artifacts
    normalized_ssim = get_ssim_at_quality(photo, 95)
    selected_quality = selected_ssim = None

    # loop bisection. ssim function increases monotonically so this will converge
    for i in range(_ssim_iteration_count(lo, hi)):
        curr_quality = (lo + hi) // 2
        curr_ssim = get_ssim_at_quality(photo, curr_quality)
        ssim_ratio = curr_ssim / normalized_ssim

        if ssim_ratio >= ssim_goal:
            # continue to check whether a lower quality level also exceeds the goal
            selected_quality = curr_quality
            selected_ssim = curr_ssim
            hi = curr_quality
        else:
            lo = curr_quality

    if selected_quality:
        return selected_quality, selected_ssim
    else:
        default_ssim = get_ssim_at_quality(photo, hi)
        return hi, default_ssim

然后在下面的代碼中引用計算動態質量的方法:

...
if im.format=='JPEG':
    save_args['quality'],value=dynamic_quality.jpeg_dynamic_quality(im)
    save_args['optimize']=True
    save_args['progressive']=True
...

使用Python和Selenium模塊操縱Squoosh批量壓縮圖片

Squoosh 是谷歌發布的一款開源的圖片在線壓縮服務(偽),雖然需要用瀏覽器打開,但其實是一個整合了許多命令行工具的前端界面,調用的是本地的計算資源,所以只要打開過Squoosh一次,之后都會秒開,并且離線使用。不過最大的缺點就是不可以批量處理,如果我們要處理大量的圖片資源,一張張地進行壓縮處理將會消耗大量的人力成本和時間成本,這明顯是不能接受的。我們要解決的問題就是寫一個腳本來模擬瀏覽器的操作,使我們的雙手得到解放。

Python 調用 Selenium

這是 Squoosh 的主界面,Select an Image 其實是一個輸入框,那我們直接用 Selenium 把本地圖片的路徑輸入進去就行了:

怎么使用python對圖片進行批量壓縮

輸入圖片路徑之后就會默認壓縮成 75% 質量的 MozJPEG,我覺得無論是壓縮比和質量都很不錯,所以就沒有改,等待頁面加載完成之后就直接下載:

怎么使用python對圖片進行批量壓縮

我們可以認為出現 "..% smaller" 就算是壓縮完成,這時候直接點擊右邊的下載按鈕即可。

代碼:

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.ui import Select
import os
import re
driver = webdriver.Chrome('C:/Users/admin/AppData/Local/Google/Chrome/Application/chromedriver.exe')
# 列出目錄下所有的圖片,存在 images 這個列表中
images = os.listdir('C:/Users/admin/Pictures/Saved Pictures')
# 處理所有圖片
for i in range(len(images)):
    # 構建圖片路徑
    path = 'C:/Users/admin/Pictures/Saved Pictures/' + images[i]
    # 嘗試處理所有圖片
    try:
        # 打開 Squoosh
        driver.get('https://squoosh.app')
        # 找到輸入框
        input_box = driver.find_element_by_xpath('.//input[@class="_2zg9i"]')
        # 輸入圖片路徑
        input_box.send_keys(path)
        #設置圖片格式
        select1 = Select(driver.find_elements_by_css_selector('select')[-1])
        if re.match('.*.png',images[i]):
            select1.select_by_value("png")
        if re.match('.*.jpg',images[i]):
            select1.select_by_value("mozjpeg")

        # 等待出現 'smaller'字樣,10秒不出現則視為處理失敗
        locator = (By.XPATH, './/span[@class="_1eNmr _1U8bE"][last()]')
        WebDriverWait(driver, 25).until(EC.text_to_be_present_in_element(locator, 'smaller'))

        # 找到下載按鈕
        button = driver.find_elements_by_xpath('.//a[@title="Download"]')[-1]
        # 點擊下載按鈕
        button.click()
    # 輸出處理失敗的圖片路徑
    except:
        print('*'*30)
        print('Error: '+ path +' failed!')
        print('*'*30)
        continue

到此,相信大家對“怎么使用python對圖片進行批量壓縮”有了更深的了解,不妨來實際操作一番吧!這里是億速云網站,更多相關內容可以進入相關頻道進行查詢,關注我們,繼續學習!

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

亚洲午夜精品一区二区_中文无码日韩欧免_久久香蕉精品视频_欧美主播一区二区三区美女