小編寫這篇文章的主要目的，主要是講解一些關于python的事情，比如需要對圖片進行批量壓縮，壓縮的方法還是比較的多的，那么，為了提高效率，怎么進行批量壓縮呢？下面就給大家詳細解答下。

　　前言

　　最近在研究怎么對圖片資源進行無損壓縮，網上也找了一些資料。總而言之，收獲不少，所以想對最近的學習做個總結。

　　無損壓縮其實是相對而言的，目的是為了減小圖片資源的內存大小但又不影響圖片的顯示質量。下面我將介紹兩種批量壓縮圖片的方法，方法一是使用python和Pillow模塊對圖片進行壓縮，這個方法對jpeg格式的圖片有非常高的壓縮效率，但該方法不太適合對png圖片進行壓縮。另一個方式是使用Python和Selenium模塊操縱Squoosh批量壓縮圖片。

　　使用Python和Pillow模塊壓縮圖片

　　Pillow是Python上一個功能非常強大的圖形處理庫，若本地還沒安裝，可以通過指令：pip install Pillow安裝。使用Pillow進行壓縮的策略大致總結為三個：1、優化flag，2、漸進式JPEG，3、JPEG動態質量。

　　我們先用Python寫一個簡單的保存圖片的例子：

　　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、優化flag
　　開啟optimize設置，這是以CPU耗時為代價節省額外的文件大小，由于本質沒變，對圖片質量沒有絲毫影響。
　　...
　　if im.format=='JPEG':
　　save_args['quality'].value=85
　　save_args['optimize']=True
　　...

　　2、漸進式JPEG

　　當我們將一張圖片保存為JPEG時，你可以從下面的選項中選擇不同的類型：

　　標準型：JPEG圖片自上而下載入。

　　漸進式：JPEG圖片從模糊到清晰載入。

　　漸進式的選項可以在Pillow中輕松的啟用(progressive=True)。漸進式文件的被打包時會有一個小幅的壓縮。

　　...
　　if im.format=='JPEG':
　　save_args['quality'].value=85
　　save_args['optimize']=True
　　save_args['progressive=True']=True
　　...

　　3、JPEG動態質量

　　最廣為人知的減小JPEG文件大小的方法就是設置quality。很多應用保存JPEG時都會設置一個特定的質量數值。

　　質量其實是個很抽象的概念。實際上，一張JPEG圖片的每個顏色通道都有不同的質量。質量等級從0到100在不同的顏色通道上都對應不同的量化表，同時也決定了有多少信息會丟失。

　　在信號域量化是JPEG編碼中失去信息的第一個步驟。

　　我們可以動態地為每一張圖片設置最優的質量等級，在質量和文件大小之間找到一個平衡點。我們有以下兩種方法可以做到這點：

　　Bottom-up：這些算法是在8x8像素塊級別上處理圖片來生成調優量化表的。它們會同時計算理論質量丟失量和和人眼視覺信息丟失量。

　　Top-down：這些算法是將一整張圖片和它原版進行對比，然后檢測出丟失了多少信息。通過不斷地用不同的質量參數生成候選圖片，然后選擇丟失量最小的那一張。

　　我們選擇第二種方法：使用二分法在不同的質量等級下生成候選圖片，然后使用pyssim計算它的結構相似矩陣(SSIM)來評估每張候選圖片損失的質量，直到這個值達到非靜態可配置的閾值為止。這個方法讓我們可以有選擇地降低文件大小（和文件質量），但是只適用于那些即使降低質量用戶也察覺不到的圖片。

　　下面是計算動態質量的代碼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
　　然后在下面的代碼中引用計算動態質量的方法：
　　...
　　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模塊操縱Squoosh批量壓縮圖片

　　Squoosh是谷歌發布的一款開源的圖片在線壓縮服務（偽），雖然需要用瀏覽器打開，但其實是一個整合了許多命令行工具的前端界面，調用的是本地的計算資源，所以只要打開過Squoosh一次，之后都會秒開，并且離線使用。不過最大的缺點就是不可以批量處理，如果我們要處理大量的圖片資源，一張張地進行壓縮處理將會消耗大量的人力成本和時間成本，這明顯是不能接受的。我們要解決的問題就是寫一個腳本來模擬瀏覽器的操作，使我們的雙手得到解放。

　　Python調用Selenium

　　這是Squoosh的主界面，Select an Image其實是一個輸入框，那我們直接用Selenium把本地圖片的路徑輸入進去就行了：

　　輸入圖片路徑之后就會默認壓縮成75%質量的MozJPEG，我覺得無論是壓縮比和質量都很不錯，所以就沒有改，等待頁面加載完成之后就直接下載：

　　我們可以認為出現"..%smaller"就算是壓縮完成，這時候直接點擊右邊的下載按鈕即可。

　　代碼：

　　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')
　　#列出目錄下所有的圖片，存在images這個列表中
　　images=os.listdir('C:/Users/admin/Pictures/Saved Pictures')
　　#處理所有圖片
　　for i in range(len(images)):
　　#構建圖片路徑
　　path='C:/Users/admin/Pictures/Saved Pictures/'+images<i>
　　#嘗試處理所有圖片
　　try:
　　#打開Squoosh
　　driver.get('https://squoosh.app')
　　#找到輸入框
　　input_box=driver.find_element_by_xpath('.//input[class="_2zg9i"]')
　　#輸入圖片路徑
　　input_box.send_keys(path)
　　#設置圖片格式
　　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")
　　#等待出現'smaller'字樣，10秒不出現則視為處理失敗
　　locator=(By.XPATH,'.//span[class="_1eNmr _1U8bE"][last()]')
　　WebDriverWait(driver,25).until(EC.text_to_be_present_in_element(locator,'smaller'))
　　#找到下載按鈕
　　button=driver.find_elements_by_xpath('.//a[title="Download"]')[-1]
　　#點擊下載按鈕
　　button.click()
　　#輸出處理失敗的圖片路徑
　　except:
　　print('*'*30)
　　print('Error:'+path+'failed!')
　　print('*'*30)
　　continue

　　到此為止，這篇文章就給大家介紹到這里了，希望可以為各位讀者帶來一定的幫助。