Python实现批量图片的切割

2023-09-13 15:51:49 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