Python批量压缩图片大小并保存到相应的新文件夹,不覆盖源文件

本文主要是介绍Python批量压缩图片大小并保存到相应的新文件夹,不覆盖源文件,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

网上下载的小姐姐套图合集因为原图非常大,一张图十几或者几十M,一套图下来总共可能上百G,所以需要批量压缩处理一下,虽然PS也可以办到,但是代码更灵活,写个Python程序处理了一下,讲每张图长宽缩为2分之1,大小实际缩小到了十几分之一。这样就省下硬盘空间了

import os
import imghdr
from PIL import Image
# path是文件读取路径,save_path是保存路径
def handle_image(path,sub_path,file):im = Image.open(path)# im.show()(x, y) = im.size # 读取图片大小# 图片的长宽变为原来的2分之1# new_x = 1920# new_y = round(y/x*1920)size=os.path.getsize(path)#获取文件大小if x > 2000 and size >2000000 :#限定图片宽度大于1000像素,并且大于1MB的财才进行处理new_x = x//2new_y = y//2out = im.resize((new_x, new_y), Image.ANTIALIAS)newfile = file.replace('.', '_resize.')  # 修改文件名savepath = os.path.join(sub_path, newfile)  # 用文件名拼接保存路径out.save(savepath)print('%s压缩处理完成' % savepath)# 如果图片尺寸或者大小不满足压缩条件直接复制else:savepath = os.path.join(sub_path, file)  # 用文件名拼接保存路径f1 = open(path, 'rb')f2 = open(savepath, 'wb')while True:file = f1.read()if file:f2.write(file)else:print('%s未做处理,直接复制'%savepath)break# root_path=r'C:\Users\wangjinyu\Desktop\myimage'#原始文件路径
root_path=r'E:\新建文件夹\轰趴猫 全集3'#原始文件路径
# new_path = r'C:\Users\wangjinyu\Desktop\new'#要拷贝到的新路径
new_path = r'E:\新建文件夹\轰趴猫 压缩3'#要拷贝到的新路径
for root, dirs, files in os.walk(root_path):# print(root)# print(dirs)new_root_path = root.split(root_path)[1]#生成拼接的路径os.mkdir(new_path + new_root_path)#在新路径创建对应文件夹sub_path=new_path + new_root_path#获取刚创建的文件夹路径for  file in files:file_path=os.path.join(root,file)# print(root)if imghdr.what(file_path) is not None:#判断是不是图片文件,如果不是图片就会返回None#加异常处理,有时候碰到损坏的图片会报错,程序就停了,加完异常处理就可以继续执行了try:handle_image(file_path,sub_path,file)#更改文件尺寸并保存到新路径except:print('%s处理异常'%file_path)else:pass

 

这篇关于Python批量压缩图片大小并保存到相应的新文件夹,不覆盖源文件的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1049256

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

hdu1565(状态压缩)

本人第一道ac的状态压缩dp,这题的数据非常水,很容易过 题意:在n*n的矩阵中选数字使得不存在任意两个数字相邻,求最大值 解题思路: 一、因为在1<<20中有很多状态是无效的,所以第一步是选择有效状态,存到cnt[]数组中 二、dp[i][j]表示到第i行的状态cnt[j]所能得到的最大值,状态转移方程dp[i][j] = max(dp[i][j],dp[i-1][k]) ,其中k满足c

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

最大流=最小割=最小点权覆盖集=sum-最大点权独立集

二分图最小点覆盖和最大独立集都可以转化为最大匹配求解。 在这个基础上,把每个点赋予一个非负的权值,这两个问题就转化为:二分图最小点权覆盖和二分图最大点权独立集。   二分图最小点权覆盖     从x或者y集合中选取一些点,使这些点覆盖所有的边,并且选出来的点的权值尽可能小。 建模:     原二分图中的边(u,v)替换为容量为INF的有向边(u,v),设立源点s和汇点t

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

POJ3041 最小顶点覆盖

N*N的矩阵,有些格子有物体,每次消除一行或一列,最少要几次消灭完。 行i - >列j 连边,表示(i,j)处有物体,即 边表示 物体。 import java.io.BufferedReader;import java.io.InputStream;import java.io.InputStreamReader;import java.io.PrintWriter;impo