图像处理入门017 | 图像格式转换与批量处理 pipeline

第017期 | 图像处理算法入门系列 | 2026-08-26（周三）
关键词：cv2.imwrite、JPEG quality、PNG compression、WEBP、批量格式转换、CLI pipeline

一、引言

上一期我们把多张图拼成一张大图，今天解决一个更工程化的问题：如何把一堆图像高效地转换成另一种格式/尺寸。这是博客图床、电商商品图、相册备份、数据集预处理、网站图片发布都会遇到的刚需。

本期要回答的核心问题：

代码 0 外部依赖，直接 python code/017_batch_pipeline.py 跑通。

二、核心概念与原理

2.1 图像格式转换的本质

图像格式 = 像素矩阵 + 编码器 + 压缩策略

BMP 几乎无压缩 → 体积最大，解码最快
PNG 无损压缩（基于 DEFLATE）→ 保留全部信息，适合截图/线稿
JPEG 有损压缩（基于 DCT）→ 适合照片，质量参数 q 决定压缩率
WEBP 有损/无损双模 → 互联网发布首选，相同质量通常比 JPEG 小 25%-35%

2.2 JPEG 质量参数 q

q 范围 0-100
q 越小 → 丢弃高频信息越多 → 块效应、色彩断层越明显 → 体积越小
q 越大 → 接近原图 → 体积越大

OpenCV 写法：
cv2.imwrite('out.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 85])

经验区间：

2.3 PNG 压缩级别

OpenCV 写法：
cv2.imwrite('out.png', img, [cv2.IMWRITE_PNG_COMPRESSION, 3])

compression 范围 0-9
0 → 不压缩（文件甚至比 BMP 还大）
3 → 速度与体积的甜点
9 → 最大压缩（解码稍慢，体积收益递减）

PNG 是无损的，压缩级别只影响压缩率，不影响画质。

2.4 WEBP 的两种模式

有损 WEBP：
cv2.imwrite('out.webp', img, [cv2.IMWRITE_WEBP_QUALITY, 85])

无损 WEBP（libwebp 约定 quality >= 101 即无损）：
cv2.imwrite('out.webp', img, [cv2.IMWRITE_WEBP_QUALITY, 101])

2.5 OpenCV imwrite 参数表

2.6 批量处理 pipeline 设计要点

一个好的批量转换脚本应该具备：
1. 输入目录扫描（过滤图片后缀）
2. 输出目录自动创建
3. 统一编码参数（格式、质量）
4. 可选的等比缩放（max_side）
5. 单张失败不中断整批
6. 实时进度条 + 汇总报告

三、代码实践

3.1 测试图生成（0 外部数据）

import cv2
import numpy as np

def make_photo_like(w=640, h=480):
"""生成一张模拟照片：渐变天空 + 细节纹理 + 纯色块 + 文字"""
# 垂直渐变天空（JPEG 压缩敏感）
sky = np.linspace(180, 40, h, dtype=np.float32).reshape(h, 1)
img = np.zeros((h, w, 3), dtype=np.float32)
img[:, :, 0] = sky
img[:, :, 1] = sky * 0.8
img[:, :, 2] = sky * 1.2

# 细节纹理区
rng = np.random.default_rng(42)
tile = 16
for y in range(0, h // 2, tile):
for x in range(w // 2, w, tile):
if ((x // tile + y // tile) % 2) == 0:
img[y:y + tile, x:x + tile] = [230, 120, 40]
noise = rng.integers(–25, 25, (h // 2, w // 2, 3))
img[:h // 2, w // 2:] = np.clip(img[:h // 2, w // 2:] + noise, 0, 255)

# 纯色块 + 文字
img[h // 2:, :w // 2] = [90, 160, 60]
img = np.clip(img, 0, 255).astype(np.uint8)
cv2.putText(img, 'FORMAT 017', (40, h – 60),
cv2.FONT_HERSHEY_SIMPLEX, 1.4, (255, 255, 255), 4)
return img

3.2 JPEG 质量参数横评

import os

def demo_jpeg_quality(img, output_dir):
qualities = [10, 30, 50, 70, 90, 95]
print('质量 体积(KB) 压缩比')
for q in qualities:
tmp = os.path.join(output_dir, f'_q{q}.jpg')
cv2.imwrite(tmp, img, [cv2.IMWRITE_JPEG_QUALITY, q])
kb = os.path.getsize(tmp) / 1024
ratio = img.nbytes / 1024 / kb
print(f'q={q:<3} {kb:8.1f} {ratio:6.1f}x')

3.3 格式体积对比

def demo_format_compare(img, output_dir):
tmp = os.path.join(output_dir, '_tmp')
records = [('BMP 原始', os.path.getsize(tmp + '.bmp') / 1024)]

# PNG 不同压缩级
for lvl in (0, 3, 9):
cv2.imwrite(tmp + '.png', img, [cv2.IMWRITE_PNG_COMPRESSION, lvl])
records.append((f'PNG 压缩级={lvl}', os.path.getsize(tmp + '.png') / 1024))

# JPEG / WEBP 不同质量
for q in (50, 90):
cv2.imwrite(tmp + '.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, q])
records.append((f'JPEG q={q}', os.path.getsize(tmp + '.jpg') / 1024))
for q in (50, 90):
cv2.imwrite(tmp + '.webp', img, [cv2.IMWRITE_WEBP_QUALITY, q])
records.append((f'WEBP q={q}', os.path.getsize(tmp + '.webp') / 1024))

# 无损 WEBP（OpenCV 5.x 已无 IMWRITE_WEBP_LOSSLESS，用 quality=101）
cv2.imwrite(tmp + '_l.webp', img, [cv2.IMWRITE_WEBP_QUALITY, 101])
records.append(('WEBP 无损', os.path.getsize(tmp + '_l.webp') / 1024))

for name, kb in records:
print(f'{name:<14} {kb:8.1f} KB')

3.4 可复用的批量转换函数

import time

def convert_batch(src_dir, dst_dir, fmt='jpg', quality=85, max_side=None):
"""批量格式转换 + 可选缩放 + 统一输出。"""
fmt = fmt.lower().lstrip('.')
encode_params = {
'jpg': [cv2.IMWRITE_JPEG_QUALITY, quality],
'webp': [cv2.IMWRITE_WEBP_QUALITY, quality],
'png': [cv2.IMWRITE_PNG_COMPRESSION, 3],
}[fmt]

valid_ext = {'.jpg', '.jpeg', '.png', '.bmp', '.webp'}
os.makedirs(dst_dir, exist_ok=True)
files = [f for f in sorted(os.listdir(src_dir))
if os.path.splitext(f)[1].lower() in valid_ext]

report = {'ok': 0, 'fail': 0, 'src_kb': 0.0, 'dst_kb': 0.0, 't0': time.time()}

for i, fname in enumerate(files, 1):
src_path = os.path.join(src_dir, fname)
try:
img = cv2.imread(src_path, cv2.IMREAD_COLOR)
if img is None:
raise IOError(f'无法解码: {fname}')

# 等比缩放：只缩小，不放大
if max_side:
h, w = img.shape[:2]
scale = max_side / max(h, w)
if scale < 1.0:
img = cv2.resize(img, (int(w * scale), int(h * scale)),
interpolation=cv2.INTER_AREA)

stem = os.path.splitext(fname)[0]
dst_path = os.path.join(dst_dir, f'web_{stem}.{fmt}')
cv2.imwrite(dst_path, img, encode_params)

report['ok'] += 1
report['src_kb'] += os.path.getsize(src_path) / 1024
report['dst_kb'] += os.path.getsize(dst_path) / 1024
except Exception as e:
report['fail'] += 1
print(f' [skip] {fname}: {e}')
continue

done = int(i / len(files) * 30)
print(f'\\r[{"#" * done}{"." * (30 – done)}] {i}/{len(files)}', end='')
print()

report['time_s'] = time.time() – report['t0']
return report

3.5 CLI 入口

import argparse

if __name__ == '__main__':
parser = argparse.ArgumentParser(description='图像格式转换与批量处理')
parser.add_argument('–batch-src', help='源目录')
parser.add_argument('–batch-dst', help='输出目录')
parser.add_argument('–fmt', default='jpg', help='目标格式')
parser.add_argument('–quality', type=int, default=85)
parser.add_argument('–max-side', type=int, default=None)
args = parser.parse_args()

# 没有自定义目录时跑内置 demo
if args.batch_src:
rep = convert_batch(args.batch_src, args.batch_dst or args.batch_src + '_out',
fmt=args.fmt, quality=args.quality, max_side=args.max_side)
else:
# 自动生成 8 张测试图并跑 pipeline
rep = demo_batch_pipeline()

print(f"成功 {rep['ok']} / 失败 {rep['fail']} | "
f"总体积 {rep['src_kb']:.0f}KB → {rep['dst_kb']:.0f}KB "
f"(节省 {(1 – rep['dst_kb'] / max(rep['src_kb'], 1)) * 100:.1f}%) | "
f"耗时 {rep['time_s']:.2f}s")

完整代码已整理到：code/017_batch_pipeline.py

四、运行结果与可视化

执行 python code/017_batch_pipeline.py，关键输出如下：

[1/3] JPEG 质量参数横评 …
质量 体积(KB) 压缩比
q=10 6.5 137.8x
q=30 10.6 85.2x
q=50 14.6 61.5x
q=70 21.6 41.7x
q=90 44.6 20.2x
q=95 65.9 13.7x

[2/3] BMP/PNG/JPEG/WEBP 体积对比 …
BMP 原始 900.1 KB
PNG 压缩级=0 902.0 KB
PNG 压缩级=3 197.2 KB
PNG 压缩级=9 191.7 KB
JPEG q=50 14.6 KB
JPEG q=90 44.6 KB
WEBP q=50 9.4 KB
WEBP q=90 34.8 KB
WEBP 无损 176.8 KB

[3/3] 批量 pipeline 实战（8 张模拟原图 → web 发布规格）…
成功 8 / 失败 0 | 总体积 887KB → 613KB (节省 31.0%) | 耗时 0.46s

生成的可视化图（发布前请上传至 CSDN 图床并替换链接）：

JPEG 质量参数对比

格式体积横评

批量 pipeline 效果

五、常见问题 FAQ

Q1：PNG 压缩级调到 9，为什么体积和压缩级 3 差不多？

A：PNG 压缩是无损的，压缩级别只影响编码强度，不改变熵。对于简单图案（如渐变、纯色块），DEFLATE 在较低级别已经把冗余去得差不多了，继续调高收益很小。

Q2：JPEG q=100 就是无损吗？

A：不是。JPEG 就算 q=100 也是有损 DCT 量化，只是量化步长很小。需要真正无损请用 PNG 或 WEBP 无损。

Q3：为什么批量转换时单张失败不能中断？

A：工程场景下原图目录里可能混有损坏文件、非图像文件。try/except 跳过单张，保证大批量任务能跑完，再回头处理异常文件。

Q4：WEBP 兼容性如何？

A：现代浏览器（Chrome/Firefox/Safari/Edge）均已支持。老旧 Windows 图片查看器可能无法直接预览，发布前需确认目标平台。

六、产品推荐

推荐组合：

• 个人日常：Snapseed 修图 → 格式工厂 App 压缩 → 发朋友圈/小红书。
• 批量工作流：XnConvert / ImageMagick / 本期 convert_batch() 脚本。
• 网站发布：原图 PNG → 无损 WEBP 或有损 WEBP，体积最小。

七、课后练习

下期预告

第018期：简易图像浏览器开发

我们将用 OpenCV + Tkinter 做一个能读取、显示、缩放、切换、展示图像信息的迷你图片浏览器，把前面 8 期的基础操作串成一个可用的小工具。