Python进行图片压缩的六种方法全解

 更新时间:2026年06月22日 08:50:18   作者:detayun  
这篇文章详细介绍了Python中处理图片压缩的的方法,对比了Pillow、TinyPNG、WebP、PyVips、OpenCV和K-means等六种主流方案,帮助开发者根据具体需求选择合适的工具,需要的朋友可以参考下

图片占网页流量60%以上,一张10MB的照片能拖慢整个页面加载速度。Python生态里压缩图片的方法不少,但适合你的可能就两三种

这篇把主流方案捋一遍,告诉你什么场景用什么工具。

一、先分清两条路

类型原理压缩率信息损失典型场景
无损压缩消除数据冗余,解码后与原图完全一致10%-30%医学影像、PNG透明图、技术图纸
有损压缩丢弃人眼不敏感的高频细节50%-90%网页配图、社媒分享、缩略图

绝大多数场景,选有损就够了。 quality=85 时人眼几乎无法分辨,体积已砍掉60%。

二、六种主流方法

1. Pillow —— 最通用,首选

Python图像处理的标准库,装完就能用。

pip install Pillow

三种压缩手段

from PIL import Image

img = Image.open("photo.jpg")

# ① 降质量(最常用)
img.save("small.jpg", quality=85, optimize=True)

# ② 缩尺寸
img_resized = img.resize((1920, 1080), Image.LANCZOS)
img_resized.save("resized.jpg", quality=85)

# ③ 换格式(PNG → JPEG,体积常减50%+)
if img.mode == 'RGBA':
    img = img.convert('RGB')
img.save("converted.jpg", "JPEG", quality=85)
参数推荐值说明
quality85质量与体积的最佳平衡点
optimizeTrue额外尝试无损压缩JPEG
resampleLANCZOS高质量缩放算法

适合: 日常开发、批量处理、离线场景。

2. TinyPNG API —— 压缩率最高

不是Python库,但有官方Python SDK,一行调用:

pip install tinify
import tinify
tinify.key = "YOUR_API_KEY"

source = tinify.from_file("input.png")
source.to_file("output.png")  # 自动选最优参数
指标Pillow (quality=85)TinyPNG
PNG压缩率20%-30%50%-80%
JPG压缩率40%-60%50%-70%
免费额度无限制月500张

适合: 对压缩率要求极高、图片量不大的场景。

3. WebP格式转换 —— 谷歌出品,体积最小

WebP是目前综合压缩率最优的图片格式,同画质下比JPEG小25%-35%。

from PIL import Image

img = Image.open("photo.jpg")
img.save("photo.webp", "WEBP", quality=80)
对比项JPEGWebP
同质量体积100KB65-75KB
浏览器支持99%96%(IE不支持)
透明通道

适合: 现代化网站、不需要兼容IE的项目。

4. PyVips —— 性能怪兽,内存极低

Pillow的问题:大图(>50MB)会吃光内存。PyVips用流式处理,100MB图片只占几十MB内存。

pip install pyvips
import pyvips

img = pyvips.Image.thumbnail("huge.jpg", 1920)
img.write_to_file("small.jpg", Q=85)
指标PillowPyVips
100张10MB图耗时40秒,峰值内存2GB耗时8秒,峰值内存200MB
大图支持勉强轻松

适合: 批量处理大图、服务器端图片处理。

5. OpenCV —— 视频帧/实时流首选

如果你在处理视频帧或摄像头流,OpenCV比Pillow快得多。

import cv2

img = cv2.imread("photo.jpg")
cv2.imwrite("small.jpg", img, [cv2.IMWRITE_JPEG_QUALITY, 85])

适合: 视频处理、实时流、需要同时做图像分析的场景。

6. K-means聚类 —— 算法级压缩,可控色彩数

不改格式,直接减少图片色彩数量。原理:把相近颜色归为一类。

import numpy as np
from sklearn.cluster import KMeans
from PIL import Image

img = Image.open("photo.jpg")
pixels = np.array(img).reshape(-1, 3)

kmeans = KMeans(n_clusters=64)  # 只保留64种颜色
kmeans.fit(pixels)
new_pixels = kmeans.cluster_centers_[kmeans.labels_]

new_img = Image.fromarray(new_pixels.reshape(img.size[1], img.size[0], 3).astype('uint8'))
new_img.save("kmeans.jpg")
色彩数效果压缩率
256轻微色块感~40%
64明显海报化~60%
16强烈艺术感~75%

适合: 图标处理、艺术化效果、学习算法原理。

三、方法对比总表

方法压缩率速度内存难度最佳场景
Pillow⭐⭐⭐⭐⭐⭐⭐⭐通用首选
TinyPNG⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐追求极致压缩
WebP⭐⭐⭐⭐⭐⭐⭐⭐⭐现代Web项目
PyVips⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐大图批量处理
OpenCV⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐视频/实时流
K-means⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐艺术化/学习

四、怎么选?看这个决策树

需要压缩图片?
│
├─ 几张图,临时用 → 在线工具(tinypng.com),别写代码
│
├─ 批量 + 离线 → Pillow(本文方法1),够用
│
├─ 压缩率优先 → TinyPNG API
│
├─ 网站配图 → WebP格式
│
├─ 图片>50MB / 批量>1000张 → PyVips
│
├─ 视频帧处理 → OpenCV
│
└─ 玩算法 / 艺术化 → K-means

五、一个能直接用的批量脚本

把上面最常用的方案合在一起:

import os
from PIL import Image

def compress_batch(input_dir, output_dir, quality=85, max_width=1920):
    os.makedirs(output_dir, exist_ok=True)
    
    for f in os.listdir(input_dir):
        if not f.lower().endswith(('.jpg', '.jpeg', '.png', '.bmp')):
            continue
        
        in_path = os.path.join(input_dir, f)
        out_path = os.path.join(output_dir, f)
        
        with Image.open(in_path) as img:
            if img.mode in ('RGBA', 'P'):
                img = img.convert('RGB')
            
            if img.width > max_width:
                ratio = max_width / img.width
                img = img.resize((max_width, int(img.height * ratio)), Image.LANCZOS)
            
            img.save(out_path, 'JPEG', quality=quality, optimize=True)
            
            orig = os.path.getsize(in_path) / 1024
            new = os.path.getsize(out_path) / 1024
            print(f"{f}: {orig:.0f}KB → {new:.0f}KB ({1-new/orig:.0%})")

compress_batch("./原图", "./压缩", quality=85)

最后说一句

别追求"最好的压缩方法",够用的才是最好的。大多数情况下,Pillow + quality=85 + optimize=True,已经能解决90%的问题。

先把这一招用熟,再根据实际瓶颈考虑换工具。

以上就是Python进行图片压缩的六种方法全解的详细内容,更多关于Python图片压缩方法的资料请关注脚本之家其它相关文章!

相关文章

  • 一文轻松了解Python中类的继承

    一文轻松了解Python中类的继承

    类的继承可以看成对类的属性和方法的重用,能够大大的减少代码量,下面这篇文章主要给大家介绍了关于Python中类的继承的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
    2022-06-06
  • Python超详细分步解析随机漫步

    Python超详细分步解析随机漫步

    随机游走(random walk)也称随机漫步,随机行走等是指基于过去的表现,无法预测将来的发展步骤和方向。核心是指任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律,接近布朗运动,现阶段主要应用于互联网链接分析及金融股票市场中
    2022-03-03
  • python剪切视频与合并视频的实现

    python剪切视频与合并视频的实现

    这篇文章主要介绍了python剪切视频与合并视频的实现,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
    2020-03-03
  • python requests库的使用

    python requests库的使用

    这篇文章主要介绍了python requests库的使用,帮助大家更好的利用python进行爬虫,感兴趣的朋友可以了解下
    2021-01-01
  • Django数据库操作之save与update的使用

    Django数据库操作之save与update的使用

    这篇文章主要介绍了Django数据库操作之save与update的使用,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
    2020-04-04
  • PyCharm刷新项目(文件)目录的实现

    PyCharm刷新项目(文件)目录的实现

    今天小编就为大家分享一篇PyCharm刷新项目(文件)目录的实现,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
  • django rest framework 数据的查找、过滤、排序的示例

    django rest framework 数据的查找、过滤、排序的示例

    这篇文章主要介绍了 django rest framework 数据的查找、过滤、排序,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2018-06-06
  • PyCharm取消波浪线、下划线和中划线的实现

    PyCharm取消波浪线、下划线和中划线的实现

    这篇文章主要介绍了PyCharm取消波浪线、下划线和中划线的实现,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
    2020-03-03
  • Python破解极验滑动验证码详细步骤

    Python破解极验滑动验证码详细步骤

    学习python知识越来越多,大家都知道极验验证码应用非常广泛,今天小编就给大家分享Python破解极验滑动验证码的详细步骤,对Python极验滑动验证码相关知识感兴趣的朋友一起看看吧
    2021-05-05
  • python实现连续图文识别

    python实现连续图文识别

    这篇文章主要为大家详细介绍了python实现连续图文识别功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-12-12

最新评论