Python如何处理JPEG图像？-杰瑞科技汇

Python 图像处理终极指南：JPEG 图片的读取、编辑、优化与保存（附代码）

** 本文为Python开发者量身打造，全面深入讲解如何使用Python高效处理JPEG图像，从基础的PIL/Pillow库操作，到高级的图像编辑、质量优化、元数据管理，再到性能提升技巧，一文带你掌握Python图像处理的核心技能，轻松应对各种JPEG图片处理需求。

（图片来源网络，侵删）

引言：为什么选择Python处理JPEG图像？

在数字时代,图像无处不在，JPEG（Joint Photographic Experts Group）作为一种最常见的图像格式，以其高效的压缩率和良好的视觉质量，广泛应用于网页、社交媒体、数字摄影等领域，作为功能强大的编程语言，Python凭借其简洁的语法和丰富的第三方库，成为了图像处理领域的首选工具之一。

无论是批量调整图片大小、压缩图片以节省存储空间，还是对图片进行裁剪、滤镜等艺术化处理，Python都能轻松胜任，本文将围绕“python image jpeg”这一核心，带你从入门到精通，掌握Python处理JPEG图像的方方面面。

准备工作：安装核心库 Pillow

Python本身不直接支持图像处理,我们需要借助第三方库。Pillow是Python Imaging Library（PIL）的一个活跃分支，是目前Python社区最主流、最易用的图像处理库。

安装 Pillow

（图片来源网络，侵删）

打开你的终端或命令行工具,执行以下命令即可完成安装：

pip install Pillow

安装完成后,我们就可以在Python代码中导入并使用它了，为了方便，我们通常将其导入为PIL：

from PIL import Image
import os

基础操作：打开、显示与保存JPEG图像

万事开头难,让我们从最基础的“打开-查看-保存”流程开始。

打开一张JPEG图片

（图片来源网络，侵删）

使用Image.open()函数，你可以轻松打开一张图片，它会返回一个Image对象，包含了图片的所有信息。

# 打开一张名为 'example.jpg' 的图片
try:
    img = Image.open('example.jpg')
    print(f"图片格式: {img.format}")
    print(f"图片尺寸: {img.size} (宽, 高)")
    print(f"图片模式: {img.mode}") # 'RGB', 'L' (灰度), 'RGBA' (带透明通道)
except FileNotFoundError:
    print("错误：未找到指定文件！")

显示图片（可选）

如果你在本地开发环境中,可以使用show()方法快速弹出一个窗口显示图片。注意： 此方法依赖于系统自带的图片查看器，在某些服务器或无头环境中可能无法使用。

# img.show() # 这会调用系统默认图片查看器

保存图片

处理完图片后,使用save()方法将其保存。Pillow会根据你提供的文件名后缀自动选择保存格式。

# 将图片另存为 'new_example.jpg'
img.save('new_example.jpg')
print("图片已保存为 new_example.jpg")

核心技巧：JPEG图像的编辑与处理

掌握了基础操作后,我们来看看如何对JPEG图片进行实质性的编辑。

调整图片尺寸

调整尺寸是图像处理中最常见的操作之一,例如为网站生成缩略图。

# 打开原始图片
img = Image.open('example.jpg')
# 获取原始尺寸
width, height = img.size
# 计算新的尺寸（将宽度缩小到50%）
new_width = int(width * 0.5)
new_height = int(height * 0.5)
# 使用 resize() 方法调整尺寸
resized_img = img.resize((new_width, new_height))
# 保存调整后的图片
resized_img.save('resized_example.jpg')
print(f"图片已缩放并保存为 resized_example.jpg，新尺寸: {resized_img.size}")

裁剪图片

crop()方法需要一个四元组 (left, upper, right, lower) 作为参数，定义了裁剪区域的坐标。

# 打开原始图片
img = Image.open('example.jpg')
# 定义裁剪区域 (left, upper, right, lower)
# 假设我们要裁剪中心一个 300x300 的正方形
width, height = img.size
left = (width - 300) / 2
upper = (height - 300) / 2
right = (width + 300) / 2
lower = (height + 300) / 2
# 执行裁剪
cropped_img = img.crop((left, upper, right, lower))
# 保存裁剪后的图片
cropped_img.save('cropped_example.jpg')
print("图片已裁剪并保存为 cropped_example.jpg")

旋转与翻转

# 打开原始图片
img = Image.open('example.jpg')
# 旋转45度（逆时针）
rotated_img = img.rotate(45)
# 水平翻转
flipped_horizontal_img = img.transpose(Image.FLIP_LEFT_RIGHT)
# 垂直翻转
flipped_vertical_img = img.transpose(Image.FLIP_TOP_BOTTOM)
# 保存
rotated_img.save('rotated_example.jpg')
flipped_horizontal_img.save('flipped_h_example.jpg')

优化之道：控制JPEG图片质量与大小

对于JPEG格式而言,压缩质量是一个至关重要的参数，它直接决定了文件大小和图像质量之间的平衡。

保存时指定质量参数

save()方法接受一个quality参数（范围从1到100，默认为75），数值越高，质量越好，但文件越大。

# 打开原始图片
img = Image.open('example.jpg')
# 以高质量 (95) 保存
img.save('high_quality_example.jpg', quality=95)
# 以低质量 (30) 保存，文件会显著变小
img.save('low_quality_example.jpg', quality=30)
print("已生成高质量和低质量版本的图片。")

批量压缩图片

这是一个非常实用的场景,例如需要优化一批上传到服务器的图片。

def compress_images(input_folder, output_folder, quality=85):
    """
    批量压缩文件夹中的所有JPEG图片。
    """
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    for filename in os.listdir(input_folder):
        if filename.lower().endswith(('.jpg', '.jpeg')):
            img_path = os.path.join(input_folder, filename)
            img = Image.open(img_path)
            # 构造输出路径
            output_path = os.path.join(output_folder, filename)
            # 保存压缩后的图片
            img.save(output_path, quality=quality, optimize=True)
            print(f"已压缩: {filename} -> 质量: {quality}")
# 使用示例
# compress_images('original_images', 'compressed_images', quality=70)

高级探索：处理EXIF元数据

JPEG图片通常包含EXIF元数据,这些数据记录了拍摄时的相机型号、光圈、快门速度、GPS位置等信息。Pillow也可以读取这些数据。

注意： 需要安装Pillow的EXIF扩展：pip install pillow-heif 或使用piexif库，这里我们使用piexif作为示例。

pip install piexif

from PIL import Image
import piexif
# 打开带有EXIF信息的图片
img = Image.open('photo_with_exif.jpg')
# 读取EXIF数据
exif_dict = piexif.load(img.info.get('exif'))
# 打印部分EXIF信息
if '0th' in exif_dict:
    camera_make = exif_dict['0th'].get(piexif.ImageIFD.Make)
    camera_model = exif_dict['0th'].get(piexif.ImageIFD.Model)
    print(f"相机品牌: {camera_make}")
    print(f"相机型号: {camera_model}")
# 修改EXIF信息并保存
# 添加一个注释
if 'Exif' in exif_dict:
    exif_dict['Exif'][piexif.ExifIFD.UserComment] = b"Processed with Python"
else:
    exif_dict['Exif'] = {piexif.ExifIFD.UserComment: b"Processed with Python"}
# 将修改后的字典转换回字节流
exif_bytes = piexif.dump(exif_dict)
# 保存图片，并传入新的EXIF数据
img.save('photo_with_modified_exif.jpg', exif=exif_bytes)
print("EXIF信息已修改并保存。")

性能提升：处理大量图片的技巧

当需要处理成百上千张图片时,效率至关重要。

使用生成器（Generator）

如果图片文件很大,一次性加载所有图片到内存中会导致内存溢出，使用生成器可以逐个处理图片，节省内存。

def image_files_generator(folder_path):
    """一个生成器，逐个 yield 图片文件路径"""
    for filename in os.listdir(folder_path):
        if filename.lower().endswith(('.jpg', '.jpeg')):
            yield os.path.join(folder_path, filename)
# 使用生成器处理
for img_path in image_files_generator('my_photos'):
    img = Image.open(img_path)
    # ... 执行处理操作 ...
    img.save(f'processed/{os.path.basename(img_path)}')
    img.close() # 显式关闭图片，释放内存

多进程/多线程处理

对于CPU密集型的图像处理任务（如应用复杂滤镜），可以利用multiprocessing库实现并行处理，充分利用多核CPU。

from multiprocessing import Pool
def process_single_image(args):
    """处理单个图片的函数"""
    input_path, output_path = args
    try:
        img = Image.open(input_path)
        # 这里放置你的处理逻辑，例如转为灰度图
        img = img.convert('L')
        img.save(output_path)
        img.close()
        print(f"完成处理: {input_path}")
    except Exception as e:
        print(f"处理 {input_path} 时出错: {e}")
def batch_process_with_multiprocessing(input_folder, output_folder, num_processes=4):
    """使用多进程批量处理"""
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    tasks = []
    for filename in os.listdir(input_folder):
        if filename.lower().endswith(('.jpg', '.jpeg')):
            input_path = os.path.join(input_folder, filename)
            output_path = os.path.join(output_folder, filename)
            tasks.append((input_path, output_path))
    with Pool(processes=num_processes) as pool:
        pool.map(process_single_image, tasks)
# 使用示例
# batch_process_with_multiprocessing('original_images', 'processed_images_mp', num_processes=4)

总结与展望

本文系统地介绍了使用Python处理JPEG图像的核心知识,从环境搭建、基础操作，到编辑、优化、元数据处理，再到性能提升技巧。Pillow库功能强大，远不止于此，它还支持图像滤镜、颜色空间转换、直方图处理等多种高级功能。

作为一名开发者,掌握Python图像处理能力，不仅能极大地提升工作效率，还能为你的项目增添更多创意和可能性，希望这篇文章能成为你探索Python图像世界的坚实起点。

下一步，你可以尝试：

结合OpenCV库进行更复杂的计算机视觉任务。
探索scikit-image库，它在科学计算和图像分析方面有更专业的工具。
构建一个简单的Web应用（如Flask或Django），实现图片上传和在线处理功能。

#Python #图像处理 #JPEG #Pillow #PIL #编程教程 #代码示例 #图片压缩 #批量处理

Python如何处理JPEG图像？

Python 图像处理终极指南：JPEG 图片的读取、编辑、优化与保存（附代码）

引言：为什么选择Python处理JPEG图像？

准备工作：安装核心库 Pillow

基础操作：打开、显示与保存JPEG图像

核心技巧：JPEG图像的编辑与处理

优化之道：控制JPEG图片质量与大小

高级探索：处理EXIF元数据

性能提升：处理大量图片的技巧

总结与展望

99ANYc3cd6

华为Mate10新手怎么用？这几个隐藏技巧你都会吗？

Python Idle如何高效使用numpy？

sae docker Python如何高效部署与运行？

Python如何进行URL编码？

Java编程零基础怎么学？入门教程看这篇就够了吗？

Java Socket编程实例具体怎么实现？

QQ同步助手Java 2.0有何新特性？

python urlparse 下载

Java byte数组如何正确初始化？

CAD2010怎么下载安装？

Java微信公众平台开发源码哪里找？

java多线程设计模式 pdf

Java XML如何高效转换为HTML？

Ubuntu U盘安装步骤有哪些？

苹果6p触摸ic怎么修？换步骤有哪些？

photoimpact教程

Python如何处理JPEG图像？

Python 图像处理终极指南：JPEG 图片的读取、编辑、优化与保存（附代码）

引言：为什么选择Python处理JPEG图像？

准备工作：安装核心库 Pillow

基础操作：打开、显示与保存JPEG图像

核心技巧：JPEG图像的编辑与处理

优化之道：控制JPEG图片质量与大小

高级探索：处理EXIF元数据

性能提升：处理大量图片的技巧

总结与展望

相关推荐

Java Socket编程实例具体怎么实现？