Python实现批量图片的切割

更新时间：2023年09月13日 15:54:43 作者：Rattenking

本文主要介绍了Python实现批量图片的切割,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

1. 需求场景

在实际开发中，我们会遇到一种很无聊，但是又必须实现的需求，就是比如协议、大量的宣传页面、大量的静态介绍页面、或者大量静态页面，但是页面高度很高，甚至高度可能会达到50000px，但是为了渲染友好的需求，因此就需要将图片切小，比如规定高度300px每张，就需要切一百多张图片，可想如果做那种一个省份的每个县城的介绍页面，页面就有几十个，一个页面少的都要切割几十张，多的上百张，是不是一个让人崩溃的需求，但是作为开发人员，我们要学会自己开发一些小工具，让我们从这些无聊，而又不得不实现的需求中解放出来。小工具开发！我曾经遇到的最多的是自己切图，开发四十多个静态介绍页面，当时不会python，切到发吐，有时psd还会卡死，崩溃的一天！

2. 需求实现

图片切割方法很多，比如 PIL 和 OPENCV，由于我之前学习过 opencv，因此本文采用 opencv 实现；
获取我们需要切割图片的固定高度；
需要切割的图片筛选；
完成对图片的切割；
保存切割好的图片。

3. 需要切割图片预览

输入图片说明

4. 筛选需要切割的图片

获取路径下的所有文件；

筛选其中的图片文件，返回图片名称列表。

# 获取文件夹下所有图片文件名称
def get_all_image_names(path):
  # 获取路径下的所有文件
  names = os.listdir(path)
  # 筛选其中的图片文件，返回图片名称列表
  image_names = list(filter(lambda x : x.split('.').pop() in ['jpg', 'png', 'jpeg', 'bmp'], names))
  return image_names

5. 单个图片切割

获取需要切割图片的固定高度；
所需要切割图片的存放路径；
切割后图片的存放位置；
读取全部需要切割的图片名称；
循环获取图片名称；
单独获取图片名称；
单独处理当前需要切割图片。

if __name__ == "__main__":
  # 获取需要切割图片的固定高度
  init_img_h = int(input("请输入切割图片的固定高度："))
  # 所需要切割图片的存放路径
  path = './images'
  # 切割后图片的存放位置
  if not os.path.exists(f'./out_images/'):
    os.makedirs(f'./out_images/')
  # 读取全部需要切割的图片名称
  images = get_all_image_names(path)
  # 循环获取图片名称
  for name in images:
    # 单独获取图片名称
    key_name = name.split('.')[0]
    # 单独处理当前需要切割图片
    handle_single_image(f'{path}/{name}', init_img_h, key_name)

6. 图片处理

读取图片，获取图片的宽高；
根据固定高度和图片高度计算需要切割的图片张数；
计算切割图片的结束Y坐标；
如果计算的结束坐标大于图片高度，直接使用图片高度作为结束坐标；
调用opencv的切割封装方法，获取切割后的图片对象；
保存切割后的图像。

# 处理切割单张图片
def handle_single_image(path, init_img_h, key_name):
  # 读取图片，获取图片的宽高
  img = cv.imread(path)
  h,w,c = img.shape
  # 根据固定高度和图片高度计算需要切割的图片张数
  for val in range(math.ceil(h / init_img_h)):
    # 计算切割图片的结束Y坐标
    end_h = (val + 1) * init_img_h
    # 如果计算的结束坐标大于图片高度，直接使用图片高度作为结束坐标
    if end_h > h:
      end_h = h
    # 调用opencv的切割封装方法，获取切割后的图片对象
    crop_img = crop_image(img, 0, val * init_img_h, w, end_h)
    # 保存切割后的图像
    cv.imwrite(f"./out_images/{key_name}{'%05d'%val}.png",crop_img)

7. 切割封装

# 切割图片
def crop_image(img,startX,startY,endX,endY):
  # 根据传入的坐标值，进行图像切割
  crop_img = img[startY:endY, startX:endX]
  return crop_img

8. 完整代码

import cv2 as cv
import os
import math
# 获取文件夹下所有图片文件名称
def get_all_image_names(path):
  # 获取路径下的所有文件
  names = os.listdir(path)
  # 筛选其中的图片文件，返回图片名称列表
  image_names = list(filter(lambda x : x.split('.').pop() in ['jpg', 'png', 'jpeg', 'bmp'], names))
  return image_names
# 处理切割单张图片
def handle_single_image(path, init_img_h, key_name):
  # 读取图片，获取图片的宽高
  img = cv.imread(path)
  h,w,c = img.shape
  # 根据固定高度和图片高度计算需要切割的图片张数
  for val in range(math.ceil(h / init_img_h)):
    # 计算切割图片的结束Y坐标
    end_h = (val + 1) * init_img_h
    # 如果计算的结束坐标大于图片高度，直接使用图片高度作为结束坐标
    if end_h > h:
      end_h = h
    # 调用opencv的切割封装方法，获取切割后的图片对象
    crop_img = crop_image(img, 0, val * init_img_h, w, end_h)
    # 保存切割后的图像
    cv.imwrite(f"./out_images/{key_name}{'%05d'%val}.png",crop_img)
# 切割图片
def crop_image(img,startX,startY,endX,endY):
  # 根据传入的坐标值，进行图像切割
  crop_img = img[startY:endY, startX:endX]
  return crop_img
if __name__ == "__main__":
  # 获取需要切割图片的固定高度
  init_img_h = int(input("请输入切割图片的固定高度："))
  # 所需要切割图片的存放路径
  path = './images'
  # 切割后图片的存放位置
  if not os.path.exists(f'./out_images/'):
    os.makedirs(f'./out_images/')
  # 读取全部需要切割的图片名称
  images = get_all_image_names(path)
  # 循环获取图片名称
  for name in images:
    # 单独获取图片名称
    key_name = name.split('.')[0]
    # 单独处理当前需要切割图片
    handle_single_image(f'{path}/{name}', init_img_h, key_name)

9. 切割结果

输入图片说明

10. 总结

还可以将生成静态页面的代码，创建一个函数，集成进来，这样就能直接一下将几十个页面全部完成，由于不同需求，开发页面不同，因此此处没有进行集成。

最开始的方案是给定切割张数，然后计算每张的高度，但是这个方案有个问题，就是计算出来的高度是浮点数，因此存在很多精确度的问题，前后两张图片之间会拼接不对等，因此采用固定高度方案，小于固定高度时，使用剩余的作为高度。

到此这篇关于Python实现批量图片的切割的文章就介绍到这了,更多相关Python 批量图片切割内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

用python统计代码行的示例(包括空行和注释)
今天小编就为大家分享一篇用python统计代码行的示例(包括空行和注释)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-07-07
Python工程师必考的6个经典面试题
在本篇文章里小编给大家分享的是一篇关于6个Python工程师必考的面试题，有需要的朋友们可以参考学习下。
2020-06-06
Pycharm卡顿,给Pycharm分配更多的内存方式
为PyCharm设置更多内存以提升运行速度,本文详细介绍了修改方法,并建议读者适当增加内存分配以获得更流畅的使用体验
2026-05-05
Python给图像添加噪声具体操作
在本文里我们给大家整理了关于Python如何给图像添加噪声的相关知识点以及操作步骤，需要的朋友们学习下。
2019-03-03
DataFrame数据框模糊查询与去重方式
数据框模糊查询通常使用contains函数和正则表达式来实现,可以查询以某个字符开头、包含或结尾的数据,若数据类型不一致可能会报错,需统一为str类型,数据框去重则通过drop_duplicates函数实现,可指定列进行去重,并有多种处理重复值的方式
2024-09-09
Python实现轻松合并doc为txt的示例代码
这篇文章主要为大家详细介绍了如何利用Python编程语言和wxPython模块,打开指定文件夹中的DOC文档,并将它们的内容合并成一个便捷的TXT文档,需要的可以参考下
2024-03-03
Python使用中文正则表达式匹配指定中文字符串的方法示例
这篇文章主要介绍了Python使用中文正则表达式匹配指定中文字符串的方法,结合实例形式分析了Python正则匹配及字符编码相关操作技巧,需要的朋友可以参考下
2017-01-01
Python实现获取视频时长功能
这篇文章主要介绍了Python如何实现获取视频时长功能，可以精确到毫秒。文中的示例代码简洁易懂，对我们的学习有一定的帮助，感兴趣的可以了解一下
2021-12-12
PyCharm专业最新版2019.1安装步骤（含激活码）
这篇文章主要介绍了PyCharm专业最新版2019.1安装步骤（含激活码），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-10-10
Python自省及反射原理实例详解
这篇文章主要介绍了Python自省及反射原理实例详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-07-07