### 基于Python代码批量处理图片Resize
#### 背景与意义
在实际工作中，经常需要处理大量的图片，特别是在进行数据预处理时，图片的尺寸调整是必不可少的一个环节。比如，在创建演示文稿（如PPT）时，为了确保图片能够适应幻灯片的尺寸，通常需要对图片进行缩放。手动处理单张图片或许可行，但面对大量图片时，这种操作显然效率低下且耗时。因此，利用编程语言自动化这一过程就显得尤为重要。
Python作为一种强大的脚本语言，其简洁易用的语法、丰富的第三方库使其成为处理此类问题的理想选择。特别是结合OpenCV这样的计算机视觉库，可以轻松实现图片的批量处理任务。
#### 技术原理与实现
本文将详细介绍如何使用Python及OpenCV实现图片的批量resize功能，并提供完整的代码示例。
### 技术要点
1. **Python基础**
- **文件系统操作**：通过`os`模块可以访问操作系统提供的功能，如路径操作、文件列表获取等。
- **循环与条件判断**：用于遍历文件列表并根据文件类型进行处理。
2. **OpenCV库**
- **图片读取**：使用`cv2.imread()`函数读取图片。
- **图片缩放**：利用`cv2.resize()`函数调整图片大小。
- **图片保存**：通过`cv2.imwrite()`函数将处理后的图片保存到磁盘。
### 实现步骤
#### 步骤一：环境准备
1. **安装Python**：首先确保已安装Python环境。
2. **安装OpenCV**：通过pip命令安装OpenCV库：
```bash
pip install opencv-python
```
#### 步骤二：编写代码
1. **导入所需模块**：
```python
import os
import cv2
```
2. **定义图片路径与目标尺寸**：
```python
DATADIR = "D:\Code\ToolBox" # 图片所在文件夹路径
IMG_SIZE = 300 # 目标图片尺寸
```
3. **获取图片列表**：
```python
img_list = os.listdir(DATADIR)
```
4. **遍历图片列表并进行处理**：
```python
for i in img_list:
if i.endswith('.jpg'): # 只处理以.jpg结尾的文件
img_path = os.path.join(DATADIR, i)
img_array = cv2.imread(img_path, cv2.IMREAD_COLOR)
new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))
save_path = f'D:\\Code\\resized\\{i}' # 存储路径
cv2.imwrite(save_path, new_array)
```
#### 步骤三：测试与验证
运行上述代码后，检查指定的输出文件夹，确保所有图片都已正确调整大小并保存。
### 扩展应用
除了图片resize功能外，还可以进一步扩展代码以支持更多功能，如批量转换图片格式、添加水印等。
#### 示例：批量转换图片格式
```python
def batch_convert_format(file_path, src_format, dst_format):
files = os.listdir(file_path)
for file in files:
if file.endswith(src_format):
src = os.path.join(file_path, file)
r_name = file.split('.')[0] + dst_format
dct = os.path.join(file_path, r_name)
os.rename(src, dct)
# 使用示例
batch_convert_format("pngpairdataset/test", '.jpg', '.png')
```
此部分代码展示了如何批量将`.jpg`格式的图片转换为`.png`格式。同样地，只需简单修改文件后缀即可支持其他格式之间的转换。
### 结语
通过上述介绍，我们可以看到利用Python及OpenCV进行图片批量处理不仅高效便捷，而且具有很高的灵活性。这对于从事图像处理工作的开发者来说是非常实用的技能。希望本文能帮助大家更好地掌握这些技巧，并在实际项目中灵活运用。
