怎么使用python对图片进行批量压缩

　　小编写这篇文章的主要目的，主要是讲解一些关于python的事情，比如需要对图片进行批量压缩，压缩的方法还是比较的多的，那么，为了提高效率，怎么进行批量压缩呢？下面就给大家详细解答下。

　　前言

　　最近在研究怎么对图片资源进行无损压缩，网上也找了一些资料。总而言之，收获不少，所以想对最近的学习做个总结。

　　无损压缩其实是相对而言的，目的是为了减小图片资源的内存大小但又不影响图片的显示质量。下面我将介绍两种批量压缩图片的方法，方法一是使用python和Pillow模块对图片进行压缩，这个方法对jpeg格式的图片有非常高的压缩效率，但该方法不太适合对png图片进行压缩。另一个方式是使用Python和Selenium模块操纵Squoosh批量压缩图片。

　　使用Python和Pillow模块压缩图片

　　Pillow是Python上一个功能非常强大的图形处理库，若本地还没安装，可以通过指令：pip install Pillow安装。使用Pillow进行压缩的策略大致总结为三个：1、优化flag，2、渐进式JPEG，3、JPEG动态质量。

　　我们先用Python写一个简单的保存图片的例子：

</>复制代码 
　　from PIL import Image
　　from io import StringIO
　　import dynamic_quality
　　im=Image.open("photo.jpg")
　　print(im.format,im.size,im.mode)
　　new_photo=im.copy()
　　new_photo.thumbnail(im.size,resample=Image.ANTIALIAS)
　　save_args={'format':im.format}
　　if im.format=='JPEG':
　　save_args['quality'].value=85
　　new_photo.save("copy_photo.jpg",**save_args)
　　1、优化flag
　　开启optimize设置，这是以CPU耗时为代价节省额外的文件大小，由于本质没变，对图片质量没有丝毫影响。
　　...
　　if im.format=='JPEG':
　　save_args['quality'].value=85
　　save_args['optimize']=True
　　...

　　2、渐进式JPEG

　　当我们将一张图片保存为JPEG时，你可以从下面的选项中选择不同的类型：

　　标准型：JPEG图片自上而下载入。

　　渐进式：JPEG图片从模糊到清晰载入。

　　渐进式的选项可以在Pillow中轻松的启用(progressive=True)。渐进式文件的被打包时会有一个小幅的压缩。

</>复制代码 
　　...
　　if im.format=='JPEG':
　　save_args['quality'].value=85
　　save_args['optimize']=True
　　save_args['progressive=True']=True
　　...

　　3、JPEG动态质量

　　最广为人知的减小JPEG文件大小的方法就是设置quality。很多应用保存JPEG时都会设置一个特定的质量数值。

　　质量其实是个很抽象的概念。实际上，一张JPEG图片的每个颜色通道都有不同的质量。质量等级从0到100在不同的颜色通道上都对应不同的量化表，同时也决定了有多少信息会丢失。

　　在信号域量化是JPEG编码中失去信息的第一个步骤。

　　我们可以动态地为每一张图片设置最优的质量等级，在质量和文件大小之间找到一个平衡点。我们有以下两种方法可以做到这点：

　　Bottom-up：这些算法是在8x8像素块级别上处理图片来生成调优量化表的。它们会同时计算理论质量丢失量和和人眼视觉信息丢失量。

　　Top-down：这些算法是将一整张图片和它原版进行对比，然后检测出丢失了多少信息。通过不断地用不同的质量参数生成候选图片，然后选择丢失量最小的那一张。

　　我们选择第二种方法：使用二分法在不同的质量等级下生成候选图片，然后使用pyssim计算它的结构相似矩阵(SSIM)来评估每张候选图片损失的质量，直到这个值达到非静态可配置的阈值为止。这个方法让我们可以有选择地降低文件大小（和文件质量），但是只适用于那些即使降低质量用户也察觉不到的图片。

　　下面是计算动态质量的代码dynamic_quality.py：

</>复制代码 
　　import PIL.Image
　　from math import log
　　from SSIM_PIL import compare_ssim
　　def get_ssim_at_quality(photo,quality):
　　"""Return the ssim for this JPEG image saved at the specified quality"""
　　ssim_photo="tmp.jpg"
　　#optimize is omitted here as it doesn't affect
　　#quality but requires additional memory and cpu
　　photo.save(ssim_photo,format="JPEG",quality=quality,progressive=True)
　　ssim_score=compare_ssim(photo,PIL.Image.open(ssim_photo))
　　return ssim_score
　　def _ssim_iteration_count(lo,hi):
　　"""Return the depth of the binary search tree for this range"""
　　if lo&gt;=hi:
　　return 0
　　else:
　　return int(log(hi-lo,2))+1
　　def jpeg_dynamic_quality(original_photo):
　　"""Return an integer representing the quality that this JPEG image should be
　　saved at to attain the quality threshold specified for this photo class.
　　Args:
　　original_photo-a prepared PIL JPEG image(only JPEG is supported)
　　"""
　　ssim_goal=0.95
　　hi=85
　　lo=80
　　#working on a smaller size image doesn't give worse results but is faster
　　#changing this value requires updating the calculated thresholds
　　photo=original_photo.resize((400,400))
　　#if not _should_use_dynamic_quality():
　　#default_ssim=get_ssim_at_quality(photo,hi)
　　#return hi,default_ssim
　　#95 is the highest useful value for JPEG.Higher values cause different behavior
　　#Used to establish the image's intrinsic ssim without encoder artifacts
　　normalized_ssim=get_ssim_at_quality(photo,95)
　　selected_quality=selected_ssim=None
　　#loop bisection.ssim function increases monotonically so this will converge
　　for i in range(_ssim_iteration_count(lo,hi)):
　　curr_quality=(lo+hi)//2
　　curr_ssim=get_ssim_at_quality(photo,curr_quality)
　　ssim_ratio=curr_ssim/normalized_ssim
　　if ssim_ratio&gt;=ssim_goal:
　　#continue to check whether a lower quality level also exceeds the goal
　　selected_quality=curr_quality
　　selected_ssim=curr_ssim
　　hi=curr_quality
　　else:
　　lo=curr_quality
　　if selected_quality:
　　return selected_quality,selected_ssim
　　else:
　　default_ssim=get_ssim_at_quality(photo,hi)
　　return hi,default_ssim
　　然后在下面的代码中引用计算动态质量的方法：
　　...
　　if im.format=='JPEG':
　　save_args['quality'],value=dynamic_quality.jpeg_dynamic_quality(im)
　　save_args['optimize']=True
　　save_args['progressive']=True
　　...

　　使用Python和Selenium模块操纵Squoosh批量压缩图片

　　Squoosh是谷歌发布的一款开源的图片在线压缩服务（伪），虽然需要用浏览器打开，但其实是一个整合了许多命令行工具的前端界面，调用的是本地的计算资源，所以只要打开过Squoosh一次，之后都会秒开，并且离线使用。不过最大的缺点就是不可以批量处理，如果我们要处理大量的图片资源，一张张地进行压缩处理将会消耗大量的人力成本和时间成本，这明显是不能接受的。我们要解决的问题就是写一个脚本来模拟浏览器的操作，使我们的双手得到解放。

　　Python调用Selenium

　　这是Squoosh的主界面，Select an Image其实是一个输入框，那我们直接用Selenium把本地图片的路径输入进去就行了：

　　输入图片路径之后就会默认压缩成75%质量的MozJPEG，我觉得无论是压缩比和质量都很不错，所以就没有改，等待页面加载完成之后就直接下载：

　　我们可以认为出现"..%smaller"就算是压缩完成，这时候直接点击右边的下载按钮即可。

　　代码：

</>复制代码 
　　from selenium import webdriver
　　from selenium.webdriver.common.by import By
　　from selenium.webdriver.support.wait import WebDriverWait
　　from selenium.webdriver.support import expected_conditions as EC
　　from selenium.webdriver.support.ui import Select
　　import os
　　import re
　　driver=webdriver.Chrome('C:/Users/admin/AppData/Local/Google/Chrome/Application/chromedriver.exe')
　　#列出目录下所有的图片，存在images这个列表中
　　images=os.listdir('C:/Users/admin/Pictures/Saved Pictures')
　　#处理所有图片
　　for i in range(len(images)):
　　#构建图片路径
　　path='C:/Users/admin/Pictures/Saved Pictures/'+images&lt;i&gt;
　　#尝试处理所有图片
　　try:
　　#打开Squoosh
　　driver.get('https://squoosh.app')
　　#找到输入框
　　input_box=driver.find_element_by_xpath('.//input[class="_2zg9i"]')
　　#输入图片路径
　　input_box.send_keys(path)
　　#设置图片格式
　　select1=Select(driver.find_elements_by_css_selector('select')[-1])
　　if re.match('.*.png',images&lt;i&gt;):
　　select1.select_by_value("png")
　　if re.match('.*.jpg',images&lt;i&gt;):
　　select1.select_by_value("mozjpeg")
　　#等待出现'smaller'字样，10秒不出现则视为处理失败
　　locator=(By.XPATH,'.//span[class="_1eNmr _1U8bE"][last()]')
　　WebDriverWait(driver,25).until(EC.text_to_be_present_in_element(locator,'smaller'))
　　#找到下载按钮
　　button=driver.find_elements_by_xpath('.//a[title="Download"]')[-1]
　　#点击下载按钮
　　button.click()
　　#输出处理失败的图片路径
　　except:
　　print('*'*30)
　　print('Error:'+path+'failed!')
　　print('*'*30)
　　continue

　　到此为止，这篇文章就给大家介绍到这里了，希望可以为各位读者带来一定的帮助。