Python+Pillow批量裁剪图片的三种实用场景与代码详解
在日常开发中，无论是电商主图统一、社交媒体头像裁切，还是证件照固定比例，批量裁剪图片都是高频需求。手动操作繁琐且耗时，而借助 Python 的 Pillow 库，几行代码即可自动化完成。本文整理了三种最常用的批量裁剪场景，并附上可直接运行的代码示例，涵盖固定尺寸裁剪、居中正方形裁剪、精确坐标裁剪，以及裁剪后添加水印的进阶操作。from PIL import Image
import os
上述是必备的导入，后续所有函数均基于此。注意，Pillow 需要提前安装（pip install Pillow）。
## 场景一：固定尺寸裁剪（从左上角切取）
如果所有图片都需要裁剪成完全相同的宽高（例如统一展示图的像素尺寸），最直接的方式是从图片左上角坐标 (0,0) 开始截取指定的矩形区域。
def crop_fixed_size(input_dir, output_dir, width, height):
os.makedirs(output_dir, exist_ok=True)
for filename in os.listdir(input_dir):
if not filename.lower().endswith(('.jpg', '.jpeg', '.png', '.bmp', '.webp')):
continue
img_path = os.path.join(input_dir, filename)
img = Image.open(img_path)
# 裁剪区域：从左上角到(width, height)
cropped = img.crop((0, 0, width, height))
cropped.save(os.path.join(output_dir, filename))
print(f"{filename} → {width}x{height}")
调用示例：
crop_fixed_size(r'D:\原图', r'D:\裁剪后', 800, 600)
参数说明：input_dir 为存放原图的文件夹路径，output_dir 为裁剪后图片的输出目录，width 和 height 为裁剪目标尺寸。注意：若原图尺寸小于目标宽高，程序会抛出异常，此时可考虑使用场景二的居中裁剪作为替代方案。
## 场景二：居中裁剪成正方形（最常用）
头像、商品主图等通常要求正方形。该方法以原图最小边为边长，从中心位置切出正方形区域，随后可缩放到任意目标尺寸，确保主体内容不丢失，且无拉伸变形。
def crop_center_square(input_dir, output_dir, size):
os.makedirs(output_dir, exist_ok=True)
for filename in os.listdir(input_dir):
if not filename.lower().endswith(('.jpg', '.jpeg', '.png', '.bmp', '.webp')):
continue
img_path = os.path.join(input_dir, filename)
img = Image.open(img_path)
# 取最小边作为正方形边长
min_side = min(img.width, img.height)
left = (img.width - min_side) // 2
top = (img.height - min_side) // 2
right = left + min_side
bottom = top + min_side
cropped = img.crop((left, top, right, bottom))
# 缩放到目标尺寸（可选，若需要固定像素正方形则保留）
cropped = cropped.resize((size, size), Image.LANCZOS)
cropped.save(os.path.join(output_dir, filename))
print(f"{filename} → {size}x{size}")
调用示例：
crop_center_square(r'D:\照片', r'D:\头像', 500)
参数 size 为最终正方形图片的边长。内部先通过计算中心偏移量确定 crop 盒，再使用 LANCZOS 重采样算法缩放，以保证清晰度。该方案对横竖图均能保留中央主体区域。
## 场景三：按坐标批量裁剪（精确控制）
当需要固定区域（如证件照头部、截图中某个按钮）时，可手动指定 (left, top, right, bottom) 四个坐标进行精确裁剪。
def crop_by_coordinates(input_dir, output_dir, coords):
"""
coords: (left, top, right, bottom)
例如：(100, 50, 400, 400) 表示从(100,50)到(400,400)的矩形区域
"""
os.makedirs(output_dir, exist_ok=True)
left, top, right, bottom = coords
for filename in os.listdir(input_dir):
if not filename.lower().endswith(('.jpg', '.jpeg', '.png', '.bmp', '.webp')):
continue
img_path = os.path.join(input_dir, filename)
img = Image.open(img_path)
# 检查原图尺寸是否满足裁剪区域
if img.width < right or img.height < bottom:
print(f"⚠️ {filename} 尺寸不足，跳过")
continue
cropped = img.crop((left, top, right, bottom))
cropped.save(os.path.join(output_dir, filename))
print(f"{filename} → 裁剪区域 {coords}")
调用示例：
crop_by_coordinates(r'D:\截图', r'D:\裁剪后', (100, 50, 600, 550))
该函数增加了尺寸校验，避免因原图过小导致数据越界。对于一组需要统一区域裁切的图片，只需设定一次坐标即可批量处理。
## 进阶：批量裁剪 + 加水印（一气呵成）
电商平台常需要在商品图上添加店铺水印。以下函数在居中裁剪并缩放到正方形后，于图片底部居中位置叠加半透明文字水印。
from PIL import Image, ImageDraw, ImageFont
def crop_and_watermark(input_dir, output_dir, size, watermark_text):
os.makedirs(output_dir, exist_ok=True)
for filename in os.listdir(input_dir):
if not filename.lower().endswith(('.jpg', '.jpeg', '.png')):
continue
img_path = os.path.join(input_dir, filename)
img = Image.open(img_path)
# 居中裁剪正方形
min_side = min(img.width, img.height)
left = (img.width - min_side) // 2
top = (img.height - min_side) // 2
cropped = img.crop((left, top, left + min_side, top + min_side))
cropped = cropped.resize((size, size), Image.LANCZOS)
# 添加水印
draw = ImageDraw.Draw(cropped)
font = ImageFont.truetype("simhei.ttf", int(size * 0.08))# Windows 系统自带黑体
text_bbox = draw.textbbox((0, 0), watermark_text, font=font)
text_width = text_bbox - text_bbox
x = (size - text_width) // 2
y = size - int(size * 0.1)
draw.text((x, y), watermark_text, fill=(255, 255, 255, 128), font=font)
cropped.save(os.path.join(output_dir, filename), quality=95)
print(f"{filename} → 裁剪+水印完成")
调用示例：
crop_and_watermark(r'D:\商品图', r'D:\成品', 800, '店铺名称')
注意：若在 Mac/Linux 下运行，需将字体路径改为系统中已安装的中文 ttf 文件路径（如 /System/Library/Fonts/Supplemental/Arial Unicode.ttf），或者先安装中文字体。
## 常见问题与解决方案
- **图片透明通道导致保存后变黑底**：在保存前执行 cropped = cropped.convert('RGB')。
- **裁剪后图片模糊**：resize() 时使用 Image.LANCZOS 代替默认的 Image.BILINEAR。
- **批量处理速度慢**：可引入 concurrent.futures.ThreadPoolExecutor 实现多线程并发。
- **需保留EXIF信息**：使用 piexif 库，或 pillow-heif 处理 HEIC 格式。
## 总结
批量裁剪的核心流程始终是：打开图片 → 计算裁剪区域 → 执行 crop( ) → 保存结果。本文提供的三个函数覆盖了绝大多数批量裁剪需求：固定尺寸、居中正方形、精确坐标。若需更高级的功能（如基于人脸检测自动裁剪或添加圆角），可在此框架基础上扩展。
将以上代码保存为 .py 文件，只需修改输入输出目录及尺寸参数，即可一键完成成百上千张图片的裁剪工作，极大提升效率。
Re: Python+Pillow批量裁剪图片的三种实用场景与代码详解
楼主这个帖子太实用了！正好最近在整理一批商品图，手动裁剪到崩溃，看到你这三种场景的代码直接拿过来就能用，省了我好多时间。特别是那个居中正方形裁剪，还带了 LANCZOS 缩放，连清晰度都照顾到了，真的贴心。不过看标题里提到了“裁剪后添加水印”，正文好像还没写到那部分？是打算在下一个回复里补全吗？期待进阶玩法！Re: Python+Pillow批量裁剪图片的三种实用场景与代码详解
感谢分享！代码很实用，特别是居中裁剪正方形的场景，处理横竖图都能保留主体，很贴心。另外建议在固定尺寸裁剪那里加个判断，如果原图小于目标尺寸可以先 resize 再 crop，或者自动换用居中裁剪，这样能避免异常。整体风格简洁明了，收藏了！Re: Python+Pillow批量裁剪图片的三种实用场景与代码详解
感谢分享！这篇教程非常实用，三种场景正好覆盖了日常开发中最常见的需求。我之前手动用PS处理几百张产品图，效率极低，看到你的代码思路瞬间明朗了。特别是场景二的居中正方形裁剪加缩放，对做统一头像和缩略图简直神器。另外想问一下，如果原图尺寸小于目标裁剪尺寸，场景一报异常，有没有办法自动填充白色背景再截取？或者有没有考虑过裁剪时保留 EXIF 信息的处理？再次感谢！
页:
[1]