【Python】【图像处理】图片压缩方法

简介: 【Python】【图像处理】图片压缩方法

一直想找个“无损压缩”的办法。

当然这并非真的无损。

我采用了Opencv的处理图像相关的方法。

请见代码:

# -*- coding: UTF-8 -*-# 开发人员:萌狼蓝天# 博客:Https://mllt.cc# 笔记:Https://cnblogs.com/mllt# 哔哩哔哩/微信公众号:萌狼蓝天# 开发时间:2022/10/21importurllib.parseasparseimportcv2ascvfromPILimportImageimportnumpyasnpimportosdefzipJPG(img,level,outpath):
img=parse.unquote(img)
outpath=parse.unquote(outpath)
print(img)
img=img.replace("%20"," ")
outpath=outpath.replace("%20", " ")
print(img)
img=Image.open(img)  # 避免P模式图片造成异常# print(img.mode)# 转换图片模式为RGBimg=img.convert("RGB")
img=cv.cvtColor(np.asarray(img), cv.COLOR_RGB2BGR)
# 转换为np数组# [1]cv.IMREAD_COLOR:加载彩色图像,任何图像的透明度都会被忽略,它是默认标志# [0]cv.IMREAD_GRAYSCALE:以灰度模式加载图像# [-1]cv.IMREAD_UNCHANGED:加载图像,包括 alpha 通道try:
level=int(level)
except:
return"ERROR-IMG-ZIP-JPG-LEVEL"iflevel>100:
level=100iflevel<0:
level=0try:
cv.imwrite("./temp.jpg",img,[cv.IMWRITE_JPEG_QUALITY,level])
img=Image.open("temp.jpg")
img.save(outpath)
if(os.path.exists(outpath)):
returnoutpathelse:
return"ERROR-IMG-ZIP-JPG-WRITE"exceptExceptionase:
print(e)
return"ERROR-IMG-ZIP-JPG-DEAL"# 对于JPEG格式的图片,这个参数表示从0 - 100的图片质量(CV_IMWRITE_JPEG_QUALITY), 默认值是95.## 对于PNG格式的图片,这个参数表示压缩级别(CV_IMWRITE_PNG_COMPRESSION)从0 - 9.较高的值意味着更小的尺寸和更长的压缩时间而默认值是3.## 对于PPM,PGM或PBM格式的图片,这个参数表示一个二进制格式标志(CV_IMWRITE_PXM_BINARY),取值为0或1,而默认值为1.# 判断文件是否存在,存在则返回成功,失败则返回失败

如果要做成接口的话,可以这样

# -*- coding: UTF-8 -*-# 开发人员:萌狼蓝天# 博客:Https://mllt.cc# 笔记:Https://cnblogs.com/mllt# 哔哩哔哩/微信公众号:萌狼蓝天# 开发时间:2022/10/21importbase64importjsonfromfastapiimportFastAPI, QueryfrompydanticimportBaseModel# uvicorn main:app --reloadimportimg.PicDealapp=FastAPI()
@app.get("/img")
defhello():
return {"Hello": "World"}
@app.post('/img/zip/jpg')
asyncdefimg_zip_jpg(img,level,outpath):
result=PicDeal.zipJPG(img,level,outpath=outpath)
state="1"if(result=="ERROR-IMG-ZIP-JPG-WRITE"):
state="0"if (result=="ERROR-IMG-ZIP-JPG-DEAL"):
state="-1"if(result=="ERROR-IMG-ZIP-JPG-LEVEL"):
state="-2"return {"data":[{"state":state},{"result":result}]}
classImgs(BaseModel):
imgs= [] # type: list[str]level=""# type: stroutpath= [] # type: list[str]@app.post('/img/zip/jpg/many')
asyncdefimg_zip_jpg(Imgs:Imgs):
print(Imgs)
result=[]
foriinrange(len(Imgs.imgs)):
r=PicDeal.zipJPG(Imgs.imgs[i], Imgs.level, Imgs.outpath[i])
state="1"ifr=="ERROR-IMG-ZIP-JPG-WRITE":
state="0"ifr=="ERROR-IMG-ZIP-JPG-DEAL":
state="-1"ifr=="ERROR-IMG-ZIP-JPG-LEVEL":
state="-2"result.append({"state": state, "result": r})
return {"data":{"result":result}}

下面是我做的。

0fd56951edce99be9230f26486656fda_2571021-20230225213626824-1904624093.png

9efbd1b6b36129fa853936ae3baf6a21_2571021-20230225213732575-1746230424.png

77d272b6a6406bd1b7c97850a94d6c28_2571021-20230225213847577-993381620.png

手机拍的照片,1.84MB压缩成468kb(默认75)情况下

手机拍的照片,2.56MB压缩成532kb(默认50)情况下

相关文章
|
10天前
|
JSON 数据可视化 API
Python 中调用 DeepSeek-R1 API的方法介绍,图文教程
本教程详细介绍了如何使用 Python 调用 DeepSeek 的 R1 大模型 API,适合编程新手。首先登录 DeepSeek 控制台获取 API Key,安装 Python 和 requests 库后,编写基础调用代码并运行。文末包含常见问题解答和更简单的可视化调用方法,建议收藏备用。 原文链接:[如何使用 Python 调用 DeepSeek-R1 API?](https://apifox.com/apiskills/how-to-call-the-deepseek-r1-api-using-python/)
|
1月前
|
机器学习/深度学习 存储 数据挖掘
Python图像处理实用指南:PIL库的多样化应用
本文介绍Python中PIL库在图像处理中的多样化应用,涵盖裁剪、调整大小、旋转、模糊、锐化、亮度和对比度调整、翻转、压缩及添加滤镜等操作。通过具体代码示例,展示如何轻松实现这些功能,帮助读者掌握高效图像处理技术,适用于图片美化、数据分析及机器学习等领域。
71 20
|
3月前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
157 3
|
26天前
|
人工智能 自然语言处理 算法
随机的暴力美学蒙特卡洛方法 | python小知识
蒙特卡洛方法是一种基于随机采样的计算算法,广泛应用于物理学、金融、工程等领域。它通过重复随机采样来解决复杂问题,尤其适用于难以用解析方法求解的情况。该方法起源于二战期间的曼哈顿计划,由斯坦尼斯拉夫·乌拉姆等人提出。核心思想是通过大量随机样本来近似真实结果,如估算π值的经典示例。蒙特卡洛树搜索(MCTS)是其高级应用,常用于游戏AI和决策优化。Python中可通过简单代码实现蒙特卡洛方法,展示其在文本生成等领域的潜力。随着计算能力提升,蒙特卡洛方法的应用范围不断扩大,成为处理不确定性和复杂系统的重要工具。
65 21
|
24天前
|
数据挖掘 数据处理 开发者
Python3 自定义排序详解:方法与示例
Python的排序功能强大且灵活,主要通过`sorted()`函数和列表的`sort()`方法实现。两者均支持`key`参数自定义排序规则。本文详细介绍了基础排序、按字符串长度或元组元素排序、降序排序、多条件排序及使用`lambda`表达式和`functools.cmp_to_key`进行复杂排序。通过示例展示了如何对简单数据类型、字典、类对象及复杂数据结构(如列车信息)进行排序。掌握这些技巧可以显著提升数据处理能力,为编程提供更强大的支持。
31 10
|
1月前
|
机器学习/深度学习 算法 数据可视化
Python的计算机视觉与图像处理
本文介绍了Python在计算机视觉和图像处理领域的应用,涵盖核心概念、算法原理、最佳实践及应用场景。重点讲解了OpenCV、NumPy、Pillow和Matplotlib等工具的使用,并通过代码实例展示了图像读写、处理和可视化的方法。实际应用包括自动驾驶、人脸识别、物体检测等。未来趋势涉及深度学习、边缘计算和量子计算,同时也讨论了数据不足、模型解释性和计算资源等挑战。
|
2月前
|
安全
Python-打印99乘法表的两种方法
本文详细介绍了两种实现99乘法表的方法:使用`while`循环和`for`循环。每种方法都包括了步骤解析、代码演示及优缺点分析。文章旨在帮助编程初学者理解和掌握循环结构的应用,内容通俗易懂,适合编程新手阅读。博主表示欢迎读者反馈,共同进步。
|
3月前
|
算法 决策智能 Python
Python中解决TSP的方法
旅行商问题(TSP)是寻找最短路径,使旅行商能访问每个城市一次并返回起点的经典优化问题。本文介绍使用Python的`ortools`库解决TSP的方法,通过定义城市间的距离矩阵,调用库函数计算最优路径,并打印结果。此方法适用于小规模问题,对于大规模或特定需求,需深入了解算法原理及定制策略。
70 15
|
2月前
|
JSON 安全 API
Python调用API接口的方法
Python调用API接口的方法
403 5
|
3月前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
209 4

热门文章

最新文章