什么，竟有人把图片从 1M 优化到 1024kb

本文主要是介绍什么，竟有人把图片从 1M 优化到 1024kb，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！

前两天刷知乎热搜看到一篇帖子，某省会城市健康码连续两次崩溃，相关公司在之前的报道中还声称：用两天两夜，将 1M 图片优化到 100kb。

在这里插入图片描述
报道中提到：“为了确保系统运行更高效，他们将一张图片从 1MB 压缩到 500 KB，再从 500KB 优化到 100kb。”

同时还声称，这样的工作看似简单，却蕴含着高技术含量，工程师连续两天两夜守在电脑前，终于攻下难关。

关于健康码崩溃的事网上众说纷纭，但消息肯定真有假，就坐等官方发布最终消息就好了。不信谣不传谣。

今天咱们就单纯来讨论下图像压缩这件事。

关于图像压缩，工作中肯定是少不了的，尤其是涉及到图片传输和存储的时候，比如微信、微博、知乎等都需要考虑如此大批量的图片如何存储的问题。

都知道，咱 Python 是有很多图像库的，那想搞一下图像压缩还不是手到擒来，

PIL

PIL 是 Python Image Library 的简称，其功能非常强大，短短三行代码即可实现图像的压缩。

咱们先来看下原图。

在这里插入图片描述

from PIL import Imageim = Image.open("girl.jpg")
im.save("girl-out2.jpg", quality=10) # quality 是压缩比率

来看下压缩之后的。

在这里插入图片描述
从以上压缩结果来看，quality 设置为 10 时从 2.5MB 压缩到了 400KB，整体效果还是不错的。但整体来看图片是有一定的失真的，尤其是突然将图片放大之后，失真更明显，不信你看。

在这里插入图片描述
经过多次实验，发现将 quality 设置为 20 效果最佳。此时图像最终大小压缩到了 500KB，而且图片也不会失真。

事实上，PIL 提供了很多方法对图片进行缩放，下面咱们再试试另外一种办法。

from PIL import Imageim = Image.open("girl.jpg")
w, h = im.size
im.thumbnail((w // 2, h // 2))
im.save("girl-out.jpg")

在这里插入图片描述
在上面的代码中，我们先获得了图片的原始尺寸，然后直接将图片缩放至原来的百分之五十。最终图片大小为 343KB，而且图片看起来也不会失真。

由此可见，thumbnail() 的效果要比设定 quality 的效果要好一些。

当然，PIL 还提供了 resize() 函数来对图片进行缩放，小伙伴们可以自行尝试下哦。

OpenCV

OpenCV 也是一个比较好用的操作图像的库，四行代码实现图片缩放。

import cv2 as cvimg = cv.imread("girl.jpg")
resize_img = cv.resize(img, (0, 0), fx=0.25, fy=0.25, interpolation=cv.INTER_NEAREST)
cv.imwrite('girl-out3.jpg', resize_img)

在这里插入图片描述
在以上的代码中，我们先将原始图片读入进来，之后缩放至原图的四分之一。从结果来看，效果还算可以。大小合适，图像没有明显的失真。

总结

今天给大家介绍了两款高质量图像处理库，从结果来看，二者的压缩效果是差不多的。事实上，这两个库不仅适用于图像压缩，还有很多高级玩法，这个就要靠小伙伴们自行解锁了。

职业发展

作为一个代码打工仔，对于绝大部分程序员来说，想要成为牛逼的真正挣钱程序员的路还很长，一刻都不能懈怠。

我们无法从HR角度，或者技术leader的角度来臆测哪种状态的面试更能获取面试官青睐。但通过我们积攒的大量的面试经验，大家多少可以推断一些成为有竞争力的程序员的一些必要条件。

大佬云集、资料丰富

当初我在字节认识一个非常非常资深的前辈，他到字节比我早三年，但因为各种原因级别不是很高。我当时问他，既然你对现状如此不满，为什么不想着离开寻找更好的机会呢？

他沉思了片刻跟我说，他说我现在在这里虽然待着不顺心，但是我接触到的人都是非常优秀的。我遇到问题，还可以和你们讨论讨论。我如果出去了，我要是再遇到问题，可能连一个讨论的人都没有。

我当时听听只是觉得有道理，现在再回想起来，感受非常深刻。三观、格局、能力，能够进入大公司的，这三个方面一般都不会太差。别的不说，就拿个人能力而言，我曾出国出差过几个月，有幸见识了许多各种海外名校的同事，和他们学习交流人工智能，这真的让我AI有了更深层次的认识。

除了优秀的同事之外，大公司里往往还有丰富的内部文档和资料。我当时在字节内部看到了很多优秀的文章，也有很多优秀的技术沙龙和分享。现在想起来两年下来，也没有去过几次，文章和资料看得也不算多，现在想想颇为遗憾。别的不说，就拿推荐领域而言，近些年质量不错的论文往往都来源于大公司尤其是国内的大公司，以腾讯、华为和头条为主。除了公开的论文，公司内部还有很多技术相关的资料和文档，这些真的可以说是有价无市，非常珍贵。

Python 知识手册