博客
关于我
python代码——批量生成灰度图片
阅读量:688 次
发布时间:2019-03-17

本文共 991 字,大约阅读时间需要 3 分钟。

从以下代码可以看出,该脚本用于读取指定目录下的所有图片文件,并对每张图片进行灰度化处理后存储到输出目录中。

代码逻辑主要包含以下几个部分:

  • 导入所需的模块
  • 定义输入目录和输出目录
  • 读取输入目录下的所有图片文件
  • 对每张图片进行灰度化处理
  • 将处理后的图片保存到输出目录
  • 代码如下:

    from PIL import Imageimport osimport glob# 定义图片存储目录input_dir = 'J:/project/images/'# 定义输出存储目录output_dir = 'J:/project/output/'# 获取输入目录下的所有图片文件名all_images = glob.glob(input_dir + '*.jpg')# 存储图片文件名列表image_names = []# 遍历所有图片文件for image in all_images:    # 提取图片文件名(不包含路径和扩展名)    base_name = os.path.basename(image)    # 提取图片文件名(包含扩展名)    base_name_with_ext = os.path.splitext(image)[0]    image_names.append(base_name_with_ext)# 处理并存储每张图片for filename in os.listdir(input_dir):    print(filename)    # 打开图片文件    img = Image.open(input_dir + filename)    # 将图片转换为灰度格式    gray_img = img.convert('L')    # 保存处理后的图片到输出目录    gray_img.save(output_dir + filename)

    该脚本采用了以下技术手段:

    • 使用glob模块来获取指定目录下的所有图片文件
    • 使用os模块来处理文件路径和文件名
    • 使用PIL库来进行图片处理
    • 使用os.listdir()来遍历目录中的文件

    脚本功能包括:

    • 输入目录下的图片自动读取-图片自动灰度化处理
    • 处理后的图片自动存储到输出目录

    代码运行前,请确保以下条件:

  • 输入目录和输出目录都是存在的目录
  • 输入目录下有至少一张图片文件
  • 有权限读取和写入目标目录
  • 转载地址:http://fwdhz.baihongyu.com/

    你可能感兴趣的文章
    pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
    查看>>
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.columns、get_dummies等用法
    查看>>
    pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    pandas100个骚操作:再见 for 循环!速度提升315倍!
    查看>>
    Pandas:如何根据其他列值的条件对列进行求和?
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、groupby 和特定月份的求和
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档 ~ 基础用法1
    查看>>
    Pandas中文官档~基础用法2
    查看>>
    SpringBoot+Vue+OpenOffice实现文档管理(文档上传、下载、在线预览)
    查看>>
    Pandas中文官档~基础用法5
    查看>>
    Pandas中文官档~基础用法6
    查看>>
    Pandas中的GROUP BY AND SUM不丢失列
    查看>>
    Pandas中的GROUP BY AND SUM不丢失列
    查看>>