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爬虫Scrapy框架CrawlSpider原理及使用案例

    Python爬虫Scrapy框架CrawlSpider原理及使用案例

    这篇文章主要介绍了Python爬虫Scrapy框架(CrawlSpider),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
    2020-11-11
  • Python 虚拟环境迁移到其他电脑的实现

    Python 虚拟环境迁移到其他电脑的实现

    本文主要介绍了Python 虚拟环境迁移到其他电脑的实现,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
    2023-04-04
  • python+pytest接口自动化之token关联登录的实现

    python+pytest接口自动化之token关联登录的实现

    公司某管理后台系统,登录后返回token,接着去请求其他接口时请求头中都需要加上这个token,否则提示请先登录,今天通过本文给大家介绍下python+pytest接口自动化之token关联登录的实现,感兴趣的朋友一起看看吧
    2022-04-04
  • Python数值方法及数据可视化

    Python数值方法及数据可视化

    这篇文章主要介绍了Python数值方法及数据可视化,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下
    2022-09-09
  • Python3中bytes类型转换为str类型

    Python3中bytes类型转换为str类型

    Python 3最重要的新特性之一是对字符串和二进制数据流做了明确的区分。这篇文章主要介绍了Python3中bytes类型转换为str类型的相关知识,需要的朋友可以参考下
    2018-09-09
  • python pycharm中使用opencv时没有代码自动补全提示的解决方案

    python pycharm中使用opencv时没有代码自动补全提示的解决方案

    我们在使用pycharm的时候总是很喜欢其强大的代码提示功能,下面这篇文章主要给大家介绍了关于python pycharm中使用opencv时没有代码自动补全提示的解决方案,需要的朋友可以参考下
    2022-09-09
  • Python基于Tkinter开发一个爬取B站直播弹幕的工具

    Python基于Tkinter开发一个爬取B站直播弹幕的工具

    这篇文章主要介绍了Python Tkinter如何开发一个爬取B站直播弹幕的工具,帮助大家更好的利用python进行图形界面的开发学习,感兴趣的朋友可以了解下
    2021-05-05
  • Python二进制串转换为通用字符串的方法

    Python二进制串转换为通用字符串的方法

    今天小编就为大家分享一篇Python二进制串转换为通用字符串的方法,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数据分析23种Pandas核心操作方法总结

    Python数据分析23种Pandas核心操作方法总结

    在本文中,作者从基本数据集读写、数据处理和 DataFrame 操作三个角度展示了 23 个 Pandas 核心方法,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-05-05
  • 10个python爬虫入门实例(小结)

    10个python爬虫入门实例(小结)

    这篇文章主要介绍了10个python爬虫入门实例(小结),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
    2020-11-11

最新评论