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!

相关文章

  • Python定义一个Actor任务

    Python定义一个Actor任务

    这篇文章主要介绍了Python定义一个Actor任务,文中讲解非常细致,代码帮助大家更好的理解和学习,感兴趣的朋友可以了解下
    2020-07-07
  • Python中利用aiohttp制作异步爬虫及简单应用

    Python中利用aiohttp制作异步爬虫及简单应用

    asyncio可以实现单线程并发IO操作,是Python中常用的异步处理模块。这篇文章主要介绍了Python中利用aiohttp制作异步爬虫的相关知识,需要的朋友可以参考下
    2018-11-11
  • Pycharm中Python环境配置常见问题解析

    Pycharm中Python环境配置常见问题解析

    这篇文章主要介绍了Pycharm中Python环境配置常见问题,结合图文形式分析了Pycharm中Python环境配置模块路径问题、虚拟环境创建、配置远程服务器、连接数据库等常见问题与操作方法,需要的朋友可以参考下
    2020-01-01
  • 树莓派与PC端在局域网内运用python实现即时通讯

    树莓派与PC端在局域网内运用python实现即时通讯

    这篇文章主要为大家详细介绍了树莓派与PC端在局域网内运用python实现即时通讯,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-06-06
  • Python数据可视化实现漏斗图过程图解

    Python数据可视化实现漏斗图过程图解

    这篇文章主要介绍了Python数据可视化实现漏斗图过程图解,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
  • 浅谈在django中使用filter()(即对QuerySet操作)时踩的坑

    浅谈在django中使用filter()(即对QuerySet操作)时踩的坑

    这篇文章主要介绍了浅谈在django中使用filter()(即对QuerySet操作)时踩的坑,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
    2020-03-03
  • Django项目如何正确配置日志(logging)

    Django项目如何正确配置日志(logging)

    本文将教你如何在Django项目中正确配置日志(logging),让Django生成log日志文件,并在程序运行发生error级别故障时通知管理员。
    2021-04-04
  • pytorch中的dataset用法详解

    pytorch中的dataset用法详解

    这篇文章主要介绍了pytorch的dataset用法详解,当我们继承了一个 Dataset类之后,我们需要重写 len 方法,该方法提供了dataset的大小; getitem 方法, 该方法支持从 0 到 len(self)的索引,下面来看看附有代码的讲解吧,希望对你的学习或者工作有所帮助
    2022-01-01
  • pandas如何修改特定的值

    pandas如何修改特定的值

    这篇文章主要介绍了pandas如何修改特定的值问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-02-02
  • Python HTTP库 requests 的简单使用详情

    Python HTTP库 requests 的简单使用详情

    requests是Python的一个HTTP客户端库,基于urllib标准库,在urllib标准库的基础上做了高度封装,因此更加简洁好用,下面就由小编来给大家详细介绍吧,需要的朋友可以参考下
    2021-09-09

最新评论