这是我在写博客时遇到的问题，网页加载图片的速度并不快，想要网页显示图片又不拖慢速度的话，就要限制图片的大小。我们平时为了追求高质量图片，对于自己一见钟情的图片，通常都会选择保存原图，而原图大小几乎都是以 Mb 为单位的，肯定是不能直接放到网页上的，否则就会加载非常非常非常久。于是我百度了一下“压缩图片”，出来的全是广告，又要下载这个那个的，还不如自己写个程序，于是就有了这篇文章。
不过，本篇只讨论函数接口的调用，并不打算详细研究其实现，也不深入探究各种图像压缩算法，也就是说，只讲使用，不讲原理。使用 python 的原因很简单：环境配置容易，代码简洁，有成熟的函数直接供我们使用。
环境准备（安装python包）
我们将会用到两个库，一个是 opencv，这个是著名的计算机视觉库了，另一个是 pillow，也就是 PIL(Python Image Library)，这个也是经典的 python 图像处理库。执行下面两句命令行，利用 pip 工具安装两个工具库：
pip install opencv-python==3.4.17.61pip install pillow压缩分辨率
以 .jpg 图片为例，图片文件的大小由很多因素决定，其中比较重要的有两个，一个是图像的分辨率，另一个是图像的质量。
图像的分辨率决定了像素的总量，而图像的质量往往跟色彩有关。我们可以从这两方面去压缩图片的大小，下面先介绍如何改分辨率，先上代码：
import cv2
img = cv2.imread("img.jpg") # 读取原图
print(img.shape) # 查看原图分辨率
new_img = cv2.resize(img, (1080, 1920)) # 修改图片分辨率
print(new_img.shape) # 查看修改后的图片分辨率
cv2.imwrite("new.jpg", new_img) # 保存修改后的图片上面的代码非常简单，只有三个步骤：读取原图→改分辨率→保存新图。python 中的 opencv 在使用时叫 cv2，所以在使用 opencv 的函数前，要先写一句 import cv2 导入 opencv 库。
imread 函数用于读取图片，传入的是图片文件名（后缀名记得写对），返回一个多维数组，其中存储了图片的像素值。需要注意的是，我们平时描述图片的分辨率习惯用行数×列数的形式，比如 1920×1080、1280×720 之类的都是行×列的形式，但是 opencv 读取图片后的多维数组是列数×行数的形式，所以，在调用 resize 函数来修改分辨率时，我们要小心行数和列数的位置，不要写错。resize 函数的第一个传入参数是原图，第二个参数是一个元组，以（列，行）的形式表示新图的分辨率，返回新图的多维数组。imwrite 函数用于写入图片，第一个参数是文件名，第二个参数是多维数组，其中保存了图片的像素值。
上面的代码执行完毕后，会把 img.jpg 修改成 1920×1080 的分辨率然后保存在 new.jpg 中。但是这显然有一个问题，因为 1920×1080 的图片的横纵比是 16:9，但是并不是所有的图片都是 16:9 ，如果每张图片都按这样的方法压缩的话，就会改变图片的横纵比，使图片变形。想要保持图片的横纵比的话，我们可以等比例压缩，使得新图的横纵比跟原图保持一致。
实现等比例压缩有两种方法，一是我们自己手动算出最终的分辨率，然后代入上面的代码，比如上面的 resize 函数调用改成 new_img = cv2.resize(img, (img.shape[0]*0.5, img.shape[1]*0.5))，这样就把图片的行数和列数都变成原来的一半。
前面所说的方法，都是以固定分辨率的形式进行传参，而 resize 函数有更直接的方式让我们按比例改变图片分辨率，我们将代码修改为下面的形式：
import cv2
img = cv2.imread("img.jpg") # 读取原图
print(img.shape) # 查看原图分辨率
rate = 0.5 # 修改分辨率的比例
new_img = cv2.resize(img, (0, 0), fx = rate, fy = rate) # 修改图片分辨率
print(new_img.shape) # 查看修改后的图片分辨率
cv2.imwrite("new.jpg", new_img) # 保存修改后的图片可以看出，resize 函数允许我们用 fx 参数和 fy 参数来用百分比的形式修改图片的分辨率，这两个参数会分别乘上原图的行数和列数来得到新图的分辨率，当给 fx 和 fy 赋值之后，前面的第二项参数就失效了，所以可以直接用 (0,0) 来传参。
压缩图片质量
jpg 图片是经典的图片文件格式，它是自带压缩的，而这种压缩的程度是可选的。当我们选择保存为 .jpg 图片时，即使分辨率相同，最终图片的大小也会因为 jpg 压缩程度的不同而不同。我们可以在调用 imwrite 时，有很多参数可以选，其中一项参数cv2.IMWRITE_JPEG_QUALITY就是用于调整 jpg 的压缩程度，从而影响最终图片质量和大小。我们可以像下面这样来试验一下：
import cv2
img = cv2.imread("img.jpg")
cv2.imwrite("new.jpg", img, [cv2.IMWRITE_JPEG_QUALITY, 80]) 上面代码就是普通的读取图片和保存图片，并没有改变图片的分辨率，不过在 imwrite 中指明了 cv2.IMWRITE_JPEG_QUALITY 的参数是 80，这个参数的取值范围是 0 到 100，0 表示最差质量，压缩程度最高，图片文件最小；100 表示最高质量，压缩程度最低，图片文件最大。可以自己试着去修改其中的值，然后保存图片，直观感受一下，不同的压缩程度对图片质量的影响其实是挺大的。
下图是 cv2.IMWRITE_JPEG_QUALITY 参数为 0 的效果:
检测图片大小
前面说过，写这篇文章的初衷是想把图片放到网页上，那就要求图片文件的大小要小于一定的值，我自己感觉在 200k 以内的图片的加载速度是很快的（并不权威）。那么显然，我们的目标不仅仅是“压缩图片”，而是“压缩图片到指定大小以内”。显然，我们并不希望每压缩一次就去看看图片文件的大小，然后再回来改参数，我们的期望是一步到位，全自动！所以需要在代码运行是检测图片文件的大小是否满足条件，不满足条件的话继续压缩，直到图片小于 200k 为止。
这个其实没有什么技巧，就一个函数，python 的 os 库中有一个函数 os.path.getsize，只需要传入文件名或路径，就可以返回文件的大小，单位为字节。
import os
os.path.getsize("new.jpg")融合！最终代码！
通过之前所述的几个技巧，为了压缩图片文件大小，我们可以降低图片分辨率、降低图片质量，并用 os.path.getsize 函数监控文件大小，把他们组装在一起就能得到最后的代码：
import cv2
import os
img = cv2.imread("img.jpg")
print(img.shape)
rate = 1280 / img.shape[1]
if rate > 1:
rate = 1
new_img = cv2.resize(img, (0, 0), fx = rate, fy = rate)
print(new_img.shape)
for i in range(100, 0, -1):
cv2.imwrite("new.jpg", new_img, [cv2.IMWRITE_JPEG_QUALITY, i])
print(os.path.getsize("new.jpg"))
if os.path.getsize("new.jpg") < 200 * 1024:
print(i)
break 上面的代码依然是 3 部分：读取图片→改分辨率→保存图片，我用 rate 表示分辨率缩放的比例，rate 用 1280 除以原图的 列数得到，这样新图的分辨率的行数就是 1280 左右，并且保持了横纵比，不会变形，而如果原图的列数就小于 1280，那就没必要将其放大了，所以加了个 if ，这样的代码显然有一个缺点，那就是没有考虑原图的行数，不过这很容易调整，就无所谓了。在 imwrite 保存新图时，我们可以递减地选择 jpg 图片的质量，直到图片文件大小低于 200kb 为止，上面代码中的 200 * 1024 指的就是 200kb，这当然也可以轻松调整。
生成ico图标
ico 是图标，其实跟本篇关系不大，但是这么小部分的内容又不想开多一篇文章，于是就放在这里吧~
from PIL import Image
default_size_list = [
(256, 256),
(128, 128),
(64, 64),
(48, 48),
(32, 32),
(24, 24),
(16, 16)
]
image = Image.open("img.jpg")
image.save("new.ico", sizes = default_size_list)就是简单的调用 PIL 库的 Image 模块，生成图标而已，因为一个 ico 文件包含了多个尺寸的图标，所以可以用一个列表来传入我们需要的所有尺寸。
结语
虽然压缩图片是很简单的事情，本篇所述的代码也非常简单。但是自己可以用代码去实现，而别人则去下载软件，这其实是一件非常有成就感的事情。希望你喜欢这篇博客！
