基于Python+OpenCV实现图片批量缩放与加水印功能

更新时间：2026年05月09日 09:45:07 作者：yuanpan

本文通过使用OpenCV-python库,介绍了如何批量处理图片（缩放和添加水印）,并提供了完整的Python代码实现,从图片读取与保存,图片缩放,文字水印添加,中文路径兼容处理,到整个文件夹批量处理,适合Python初学者学习图像处理,需要的朋友可以参考下

在日常工作中，经常会遇到这样的图片处理需求：

商品图片上传前需要统一尺寸。
活动照片需要批量压缩后再发送。
资料截图需要加上公司名或项目名水印。
文件夹里有几十张、几百张图片，不适合一张张手工处理。

这些任务非常适合用 Python 自动化完成。本文使用 opencv-python 库，带你从图片读取、保存、缩放、添加文字水印开始，逐步完成一个“批量缩放并加水印”的完整小项目。

文章适合刚接触图像处理的 Python 初学者阅读，不要求你提前掌握复杂的图像算法。

1. OpenCV 是什么

OpenCV 是一个常用的计算机视觉和图像处理库，可以完成图片读取、图片保存、尺寸变换、颜色处理、绘图、视频处理、人脸检测、目标检测等任务。

在 Python 中，我们通常安装的是 opencv-python：

pip install opencv-python

安装完成后，可以在 Python 中导入：

import cv2

print(cv2.__version__)

如果能正常打印版本号，说明安装成功。

2. 图片读取与保存

OpenCV 读取图片使用 cv2.imread()，保存图片使用 cv2.imwrite()。

import cv2

image = cv2.imread("input.jpg")

if image is None:
    raise FileNotFoundError("图片读取失败，请检查文件路径")

cv2.imwrite("output.jpg", image)

需要注意的是，OpenCV 读取到的图片是一个 NumPy 数组。它的形状通常是：

(高度, 宽度, 通道数)

例如：

print(image.shape)

输出可能是：

(1080, 1920, 3)

这表示图片高度是 1080，宽度是 1920，通道数是 3。

3. 图片缩放

图片缩放使用 cv2.resize()。

3.1 按指定宽高缩放

resized = cv2.resize(image, (800, 600))
cv2.imwrite("resized.jpg", resized)

注意：cv2.resize() 的尺寸参数顺序是 (宽度, 高度)，不是 (高度, 宽度)。

3.2 按比例缩放

如果希望图片按 50% 缩小：

resized = cv2.resize(image, None, fx=0.5, fy=0.5)

其中：

fx 表示宽度缩放比例。
fy 表示高度缩放比例。

3.3 按目标宽度等比例缩放

实际项目中，更常见的是限制图片宽度，同时保持原始宽高比：

height, width = image.shape[:2]
target_width = 1000
scale = target_width / width
target_height = int(height * scale)

resized = cv2.resize(image, (target_width, target_height))

这样不会把图片拉伸变形。

4. 添加文字水印

OpenCV 可以使用 cv2.putText() 在图片上绘制文字。

watermarked = image.copy()

cv2.putText(
    watermarked,
    text="Python OpenCV",
    org=(30, 60),
    fontFace=cv2.FONT_HERSHEY_SIMPLEX,
    fontScale=1.2,
    color=(255, 255, 255),
    thickness=2,
    lineType=cv2.LINE_AA
)

cv2.imwrite("watermarked.jpg", watermarked)

参数说明：

text：水印文字。
org：文字左下角坐标，格式是 (x, y)。
fontFace：字体类型。
fontScale：字体大小。
color：文字颜色，OpenCV 使用 BGR 顺序，不是 RGB。
thickness：文字粗细。
lineType：抗锯齿方式，cv2.LINE_AA 会让文字边缘更平滑。

5. 半透明文字水印

直接把文字画到图片上会比较生硬。更常见的做法是使用一张透明图层，再和原图混合。

overlay = image.copy()
output = image.copy()

cv2.putText(
    overlay,
    "Python OpenCV",
    (30, 60),
    cv2.FONT_HERSHEY_SIMPLEX,
    1.2,
    (255, 255, 255),
    2,
    cv2.LINE_AA
)

alpha = 0.35
watermarked = cv2.addWeighted(overlay, alpha, output, 1 - alpha, 0)

这里的 alpha 表示水印透明度。值越大，水印越明显；值越小，水印越淡。

6. 批量处理整个文件夹图片

批量处理的基本思路是：

遍历输入文件夹。
找到所有图片文件。
读取每张图片。
缩放图片。
添加水印。
保存到输出文件夹。

常见图片后缀包括：

IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".bmp", ".webp"}

遍历文件夹可以使用 pathlib：

from pathlib import Path

input_dir = Path("input_images")

for file_path in input_dir.iterdir():
    if file_path.suffix.lower() in IMAGE_EXTENSIONS:
        print(file_path)

7. 中文路径兼容处理

很多初学者会遇到一个问题：图片路径里有中文时，cv2.imread() 可能读取失败，cv2.imwrite() 也可能保存失败。

为了更稳定地兼容中文路径，可以使用 numpy.fromfile() + cv2.imdecode() 读取图片，用 cv2.imencode() + tofile() 保存图片。

7.1 兼容中文路径读取

import cv2
import numpy as np


def imread_unicode(file_path):
    data = np.fromfile(str(file_path), dtype=np.uint8)
    image = cv2.imdecode(data, cv2.IMREAD_COLOR)
    return image

7.2 兼容中文路径保存

def imwrite_unicode(file_path, image):
    ext = file_path.suffix
    success, encoded_image = cv2.imencode(ext, image)
    if not success:
        return False

    encoded_image.tofile(str(file_path))
    return True

这两个函数在 Windows 中文目录、中文文件名场景下非常实用。

8. 完整项目代码

下面是完整可运行代码。建议保存为 batch_resize_watermark.py。

项目目录示例：

image_project/
├─ batch_resize_watermark.py
├─ input_images/
│  ├─ 示例图片1.jpg
│  ├─ 示例图片2.png
│  └─ 示例图片3.webp
└─ output_images/

完整代码：

from pathlib import Path

import cv2
import numpy as np


IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".bmp", ".webp"}


def imread_unicode(file_path: Path):
    """兼容中文路径的图片读取。"""
    data = np.fromfile(str(file_path), dtype=np.uint8)
    image = cv2.imdecode(data, cv2.IMREAD_COLOR)
    return image


def imwrite_unicode(file_path: Path, image) -> bool:
    """兼容中文路径的图片保存。"""
    file_path.parent.mkdir(parents=True, exist_ok=True)

    ext = file_path.suffix
    success, encoded_image = cv2.imencode(ext, image)
    if not success:
        return False

    encoded_image.tofile(str(file_path))
    return True


def resize_keep_ratio(image, max_width: int = 1200):
    """按最大宽度等比例缩放图片。"""
    height, width = image.shape[:2]

    if width <= max_width:
        return image.copy()

    scale = max_width / width
    target_height = int(height * scale)

    resized = cv2.resize(
        image,
        (max_width, target_height),
        interpolation=cv2.INTER_AREA
    )
    return resized


def add_text_watermark(
    image,
    text: str,
    alpha: float = 0.35,
    margin: int = 30
):
    """在图片右下角添加半透明文字水印。"""
    output = image.copy()
    overlay = image.copy()

    height, width = image.shape[:2]

    font_face = cv2.FONT_HERSHEY_SIMPLEX
    font_scale = max(width / 1200, 0.7)
    thickness = max(int(width / 600), 1)

    text_size, baseline = cv2.getTextSize(
        text,
        font_face,
        font_scale,
        thickness
    )
    text_width, text_height = text_size

    x = max(width - text_width - margin, margin)
    y = max(height - margin, text_height + margin)

    # 先画一层深色阴影，提高浅色背景下的可读性
    cv2.putText(
        overlay,
        text,
        (x + 2, y + 2),
        font_face,
        font_scale,
        (0, 0, 0),
        thickness + 1,
        cv2.LINE_AA
    )

    # 再画白色文字
    cv2.putText(
        overlay,
        text,
        (x, y),
        font_face,
        font_scale,
        (255, 255, 255),
        thickness,
        cv2.LINE_AA
    )

    watermarked = cv2.addWeighted(overlay, alpha, output, 1 - alpha, 0)
    return watermarked


def process_image(
    input_path: Path,
    output_path: Path,
    watermark_text: str,
    max_width: int
) -> bool:
    """处理单张图片：读取、缩放、加水印、保存。"""
    image = imread_unicode(input_path)
    if image is None:
        print(f"读取失败: {input_path}")
        return False

    resized = resize_keep_ratio(image, max_width=max_width)
    watermarked = add_text_watermark(resized, watermark_text)

    success = imwrite_unicode(output_path, watermarked)
    if not success:
        print(f"保存失败: {output_path}")
        return False

    return True


def batch_process_images(
    input_dir: Path,
    output_dir: Path,
    watermark_text: str = "Python OpenCV",
    max_width: int = 1200
) -> None:
    """批量处理文件夹中的图片。"""
    if not input_dir.exists():
        raise FileNotFoundError(f"输入文件夹不存在: {input_dir}")

    output_dir.mkdir(parents=True, exist_ok=True)

    image_files = [
        file_path
        for file_path in input_dir.iterdir()
        if file_path.is_file() and file_path.suffix.lower() in IMAGE_EXTENSIONS
    ]

    if not image_files:
        print(f"没有找到可处理的图片: {input_dir}")
        return

    success_count = 0

    for input_path in image_files:
        output_path = output_dir / input_path.name
        success = process_image(
            input_path=input_path,
            output_path=output_path,
            watermark_text=watermark_text,
            max_width=max_width
        )

        if success:
            success_count += 1
            print(f"处理完成: {input_path.name}")

    print(f"批量处理结束，成功 {success_count}/{len(image_files)} 张")
    print(f"输出目录: {output_dir.resolve()}")


def main():
    input_dir = Path("input_images")
    output_dir = Path("output_images")

    batch_process_images(
        input_dir=input_dir,
        output_dir=output_dir,
        watermark_text="Python OpenCV",
        max_width=1200
    )


if __name__ == "__main__":
    main()

运行脚本：

python batch_resize_watermark.py

如果运行成功，终端会输出类似信息：

处理完成: 示例图片1.jpg
处理完成: 示例图片2.png
处理完成: 示例图片3.webp
批量处理结束，成功 3/3 张
输出目录: D:\image_project\output_images

9. 效果演示说明

运行前，input_images 文件夹中存放原始图片：

input_images/
├─ 风景照片.jpg
├─ 商品主图.png
└─ 活动现场.webp

运行脚本后，output_images 文件夹会生成同名图片：

output_images/
├─ 风景照片.jpg
├─ 商品主图.png
└─ 活动现场.webp

处理后的图片会有两个变化：

如果原图宽度超过 max_width，会被等比例缩放到指定最大宽度，例如 1200 像素。
图片右下角会添加半透明文字水印，例如 Python OpenCV。

由于代码使用了中文路径兼容读写函数，即使文件名是 风景照片.jpg、目录名是 测试图片，也可以正常读取和保存。

10. 常见问题

10.1 为什么 OpenCV 的颜色是 BGR

OpenCV 默认使用 BGR 通道顺序，而很多其他库使用 RGB。比如白色在 OpenCV 中是：

(255, 255, 255)

红色不是 (255, 0, 0)，而是：

(0, 0, 255)

10.2 PNG 透明背景会保留吗

本文代码使用 cv2.IMREAD_COLOR 读取图片，会把图片读成三通道 BGR，透明通道不会保留。如果你需要保留透明背景，可以使用 cv2.IMREAD_UNCHANGED 读取，并额外处理 alpha 通道。

10.3 水印位置如何调整

代码中的水印位置由下面几行控制：

x = max(width - text_width - margin, margin)
y = max(height - margin, text_height + margin)

这是右下角位置。如果想放到左上角，可以改成：

x = margin
y = text_height + margin

10.4 如何递归处理子文件夹

当前代码只处理输入目录第一层图片。如果要递归处理子文件夹，可以把：

input_dir.iterdir()

改成：

input_dir.rglob("*")

同时输出路径可以根据相对路径生成，避免不同子目录下的同名图片互相覆盖。

总结

本文完成了一个适合图像处理初学者的 OpenCV 实战项目：批量缩放文件夹图片，并添加半透明文字水印。这个项目虽然不复杂，但覆盖了图片自动化处理中的几个核心能力：

使用 opencv-python 读取和保存图片。
使用 cv2.resize() 等比例缩放图片。
使用 cv2.putText() 添加文字水印。
使用 cv2.addWeighted() 实现半透明效果。
使用 pathlib 批量遍历文件夹。
使用 imdecode 和 imencode 兼容中文路径。

掌握这些基础之后，你可以继续扩展更多功能，例如图片压缩、格式转换、添加 Logo 水印、递归处理子目录、生成处理日志等，把它变成真正适合日常工作的图片批处理工具。

以上就是基于Python+OpenCV实现图片批量缩放与加水印功能的详细内容，更多关于Python OpenCV图片批量缩放与加水印的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

Python+DeOldify实现老照片上色功能
DeOldify是一种技术，以彩色和恢复旧的黑白图像，甚至电影片段。它是由一个叫Jason Antic的人开发和更新的。本文将利用DeOldify实现老照片上色功能，感兴趣的可以了解一下
2022-06-06
OpenCV清除小面积连通域的实现方法
本文主要介绍了OpenCV清除小面积连通域的实现方法，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2021-09-09
Python中Pipreqs自动生成项目依赖清单的实现
本文主要介绍了Python中Pipreqs自动生成项目依赖清单的实现,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
2026-04-04
Python中有几个关键字
在本篇文章里小编给大家分享的是一篇关于Python中关键字个数的相关知识点内容，需要的朋友们可以学习下。
2020-06-06
Python实现求解最大公约数的五种方法总结
求最大公约数是习题中比较常见的类型，本文小编将给大家提供五种比较常见的算法，都是用Python语言实现的，感兴趣的小伙伴可以了解一下
2022-07-07
浅谈spring boot 集成 log4j 解决与logback冲突的问题
今天小编就为大家分享一篇浅谈spring boot 集成 log4j 解决与logback冲突的问题，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
2020-02-02
如何利用Python分析出微信朋友男女统计图
这篇文章主要给大家介绍了关于如何利用Python分析出微信朋友男女统计图的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或工作具有一定的参考学习价值，需要的朋友们下面来一起看看吧
2019-01-01
使用Python向DataFrame中指定位置添加一列或多列的方法
今天小编就为大家分享一篇使用Python向DataFrame中指定位置添加一列或多列的方法，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
2019-01-01
python3去掉string中的标点符号方法
今天小编就为大家分享一篇python3去掉string中的标点符号方法，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
2019-01-01
Python Pandas中数据类型查看与转换方法
Pandas提供了丰富的数据类型系统以及灵活的类型转换方法,下面小编就来详细介绍一下如何查看Pandas数据结构中的数据类型和进行有效的类型转换吧
2025-04-04