python图片批量压缩
会编程的猫 人气:0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:
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。
... 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:
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 >= 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 >= 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:
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[i] # 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[i]): select1.select_by_value("png") if re.match('.*.jpg',images[i]): 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
总结
加载全部内容