Python + OpenCV 实战：图片批量缩放与加水印教程

Python + OpenCV 实战：图片批量缩放与加水印教程

在日常工作中，经常会遇到这样的图片处理需求：

• 商品图片上传前需要统一尺寸。
• 活动照片需要批量压缩后再发送。
• 资料截图需要加上公司名或项目名水印。
• 文件夹里有几十张、几百张图片，不适合一张张手工处理。

这些任务非常适合用 Python 自动化完成。本文使用opencv-python库，带你从图片读取、保存、缩放、添加文字水印开始，逐步完成一个“批量缩放并加水印”的完整小项目。

文章适合刚接触图像处理的 Python 初学者阅读，不要求你提前掌握复杂的图像算法。

1. OpenCV 是什么

OpenCV 是一个常用的计算机视觉和图像处理库，可以完成图片读取、图片保存、尺寸变换、颜色处理、绘图、视频处理、人脸检测、目标检测等任务。

在 Python 中，我们通常安装的是opencv-python：

pipinstallopencv-python

安装完成后，可以在 Python 中导入：

importcv2print(cv2.__version__)

如果能正常打印版本号，说明安装成功。

2. 图片读取与保存

OpenCV 读取图片使用cv2.imread()，保存图片使用cv2.imwrite()。

importcv2 image=cv2.imread("input.jpg")ifimageisNone:raiseFileNotFoundError("图片读取失败，请检查文件路径")cv2.imwrite("output.jpg",image)

需要注意的是，OpenCV 读取到的图片是一个 NumPy 数组。它的形状通常是：

(高度, 宽度, 通道数)

例如：

print(image.shape)

输出可能是：

(1080, 1920, 3)

这表示图片高度是 1080，宽度是 1920，通道数是 3。

3. 图片缩放

图片缩放使用cv2.resize()。

3.1 按指定宽高缩放

resized=cv2.resize(image,(800,600))cv2.imwrite("resized.jpg",resized)

注意：cv2.resize()的尺寸参数顺序是(宽度, 高度)，不是(高度, 宽度)。

3.2 按比例缩放

如果希望图片按 50% 缩小：

resized=cv2.resize(image,None,fx=0.5,fy=0.5)

其中：

• fx表示宽度缩放比例。
• fy表示高度缩放比例。

3.3 按目标宽度等比例缩放

实际项目中，更常见的是限制图片宽度，同时保持原始宽高比：

height,width=image.shape[:2]target_width=1000scale=target_width/width target_height=int(height*scale)resized=cv2.resize(image,(target_width,target_height))

这样不会把图片拉伸变形。

4. 添加文字水印

OpenCV 可以使用cv2.putText()在图片上绘制文字。

watermarked=image.copy()cv2.putText(watermarked,text="Python OpenCV",org=(30,60),fontFace=cv2.FONT_HERSHEY_SIMPLEX,fontScale=1.2,color=(255,255,255),thickness=2,lineType=cv2.LINE_AA)cv2.imwrite("watermarked.jpg",watermarked)

参数说明：

• text：水印文字。
• org：文字左下角坐标，格式是(x, y)。
• fontFace：字体类型。
• fontScale：字体大小。
• color：文字颜色，OpenCV 使用 BGR 顺序，不是 RGB。
• thickness：文字粗细。
• lineType：抗锯齿方式，cv2.LINE_AA会让文字边缘更平滑。

5. 半透明文字水印

直接把文字画到图片上会比较生硬。更常见的做法是使用一张透明图层，再和原图混合。

overlay=image.copy()output=image.copy()cv2.putText(overlay,"Python OpenCV",(30,60),cv2.FONT_HERSHEY_SIMPLEX,1.2,(255,255,255),2,cv2.LINE_AA)alpha=0.35watermarked=cv2.addWeighted(overlay,alpha,output,1-alpha,0)

这里的alpha表示水印透明度。值越大，水印越明显；值越小，水印越淡。

6. 批量处理整个文件夹图片

批量处理的基本思路是：

1. 遍历输入文件夹。
2. 找到所有图片文件。
3. 读取每张图片。
4. 缩放图片。
5. 添加水印。
6. 保存到输出文件夹。

常见图片后缀包括：

IMAGE_EXTENSIONS={".jpg",".jpeg",".png",".bmp",".webp"}

遍历文件夹可以使用pathlib：

frompathlibimportPath input_dir=Path("input_images")forfile_pathininput_dir.iterdir():iffile_path.suffix.lower()inIMAGE_EXTENSIONS:print(file_path)

7. 中文路径兼容处理

很多初学者会遇到一个问题：图片路径里有中文时，cv2.imread()可能读取失败，cv2.imwrite()也可能保存失败。

为了更稳定地兼容中文路径，可以使用numpy.fromfile()+cv2.imdecode()读取图片，用cv2.imencode()+tofile()保存图片。

7.1 兼容中文路径读取

importcv2importnumpyasnpdefimread_unicode(file_path):data=np.fromfile(str(file_path),dtype=np.uint8)image=cv2.imdecode(data,cv2.IMREAD_COLOR)returnimage

7.2 兼容中文路径保存

defimwrite_unicode(file_path,image):ext=file_path.suffix success,encoded_image=cv2.imencode(ext,image)ifnotsuccess:returnFalseencoded_image.tofile(str(file_path))returnTrue

这两个函数在 Windows 中文目录、中文文件名场景下非常实用。

8. 完整项目代码

下面是完整可运行代码。建议保存为batch_resize_watermark.py。

项目目录示例：

image_project/ ├─ batch_resize_watermark.py ├─ input_images/ │ ├─ 示例图片1.jpg │ ├─ 示例图片2.png │ └─ 示例图片3.webp └─ output_images/

完整代码：

frompathlibimportPathimportcv2importnumpyasnp IMAGE_EXTENSIONS={".jpg",".jpeg",".png",".bmp",".webp"}defimread_unicode(file_path:Path):"""兼容中文路径的图片读取。"""data=np.fromfile(str(file_path),dtype=np.uint8)image=cv2.imdecode(data,cv2.IMREAD_COLOR)returnimagedefimwrite_unicode(file_path:Path,image)->bool:"""兼容中文路径的图片保存。"""file_path.parent.mkdir(parents=True,exist_ok=True)ext=file_path.suffix success,encoded_image=cv2.imencode(ext,image)ifnotsuccess:returnFalseencoded_image.tofile(str(file_path))returnTruedefresize_keep_ratio(image,max_width:int=1200):"""按最大宽度等比例缩放图片。"""height,width=image.shape[:2]ifwidth<=max_width:returnimage.copy()scale=max_width/width target_height=int(height*scale)resized=cv2.resize(image,(max_width,target_height),interpolation=cv2.INTER_AREA)returnresizeddefadd_text_watermark(image,text:str,alpha:float=0.35,margin:int=30):"""在图片右下角添加半透明文字水印。"""output=image.copy()overlay=image.copy()height,width=image.shape[:2]font_face=cv2.FONT_HERSHEY_SIMPLEX font_scale=max(width/1200,0.7)thickness=max(int(width/600),1)text_size,baseline=cv2.getTextSize(text,font_face,font_scale,thickness)text_width,text_height=text_size x=max(width-text_width-margin,margin)y=max(height-margin,text_height+margin)# 先画一层深色阴影，提高浅色背景下的可读性cv2.putText(overlay,text,(x+2,y+2),font_face,font_scale,(0,0,0),thickness+1,cv2.LINE_AA)# 再画白色文字cv2.putText(overlay,text,(x,y),font_face,font_scale,(255,255,255),thickness,cv2.LINE_AA)watermarked=cv2.addWeighted(overlay,alpha,output,1-alpha,0)returnwatermarkeddefprocess_image(input_path:Path,output_path:Path,watermark_text:str,max_width:int)->bool:"""处理单张图片：读取、缩放、加水印、保存。"""image=imread_unicode(input_path)ifimageisNone:print(f"读取失败:{input_path}")returnFalseresized=resize_keep_ratio(image,max_width=max_width)watermarked=add_text_watermark(resized,watermark_text)success=imwrite_unicode(output_path,watermarked)ifnotsuccess:print(f"保存失败:{output_path}")returnFalsereturnTruedefbatch_process_images(input_dir:Path,output_dir:Path,watermark_text:str="Python OpenCV",max_width:int=1200)->None:"""批量处理文件夹中的图片。"""ifnotinput_dir.exists():raiseFileNotFoundError(f"输入文件夹不存在:{input_dir}")output_dir.mkdir(parents=True,exist_ok=True)image_files=[file_pathforfile_pathininput_dir.iterdir()iffile_path.is_file()andfile_path.suffix.lower()inIMAGE_EXTENSIONS]ifnotimage_files:print(f"没有找到可处理的图片:{input_dir}")returnsuccess_count=0forinput_pathinimage_files:output_path=output_dir/input_path.name success=process_image(input_path=input_path,output_path=output_path,watermark_text=watermark_text,max_width=max_width)ifsuccess:success_count+=1print(f"处理完成:{input_path.name}")print(f"批量处理结束，成功{success_count}/{len(image_files)}张")print(f"输出目录:{output_dir.resolve()}")defmain():input_dir=Path("input_images")output_dir=Path("output_images")batch_process_images(input_dir=input_dir,output_dir=output_dir,watermark_text="Python OpenCV",max_width=1200)if__name__=="__main__":main()

运行脚本：

python batch_resize_watermark.py

如果运行成功，终端会输出类似信息：

处理完成: 示例图片1.jpg 处理完成: 示例图片2.png 处理完成: 示例图片3.webp 批量处理结束，成功 3/3 张 输出目录: D:\image_project\output_images

9. 效果演示说明

运行前，input_images文件夹中存放原始图片：

input_images/ ├─ 风景照片.jpg ├─ 商品主图.png └─ 活动现场.webp

运行脚本后，output_images文件夹会生成同名图片：

output_images/ ├─ 风景照片.jpg ├─ 商品主图.png └─ 活动现场.webp

处理后的图片会有两个变化：

1. 如果原图宽度超过max_width，会被等比例缩放到指定最大宽度，例如 1200 像素。
2. 图片右下角会添加半透明文字水印，例如Python OpenCV。

由于代码使用了中文路径兼容读写函数，即使文件名是风景照片.jpg、目录名是测试图片，也可以正常读取和保存。

10. 常见问题

10.1 为什么 OpenCV 的颜色是 BGR

OpenCV 默认使用 BGR 通道顺序，而很多其他库使用 RGB。比如白色在 OpenCV 中是：

(255,255,255)

红色不是(255, 0, 0)，而是：

(0,0,255)

10.2 PNG 透明背景会保留吗

本文代码使用cv2.IMREAD_COLOR读取图片，会把图片读成三通道 BGR，透明通道不会保留。如果你需要保留透明背景，可以使用cv2.IMREAD_UNCHANGED读取，并额外处理 alpha 通道。

10.3 水印位置如何调整

代码中的水印位置由下面几行控制：

x=max(width-text_width-margin,margin)y=max(height-margin,text_height+margin)

这是右下角位置。如果想放到左上角，可以改成：

x=margin y=text_height+margin

10.4 如何递归处理子文件夹

当前代码只处理输入目录第一层图片。如果要递归处理子文件夹，可以把：

input_dir.iterdir()

改成：

input_dir.rglob("*")

同时输出路径可以根据相对路径生成，避免不同子目录下的同名图片互相覆盖。

总结

本文完成了一个适合图像处理初学者的 OpenCV 实战项目：批量缩放文件夹图片，并添加半透明文字水印。这个项目虽然不复杂，但覆盖了图片自动化处理中的几个核心能力：

• 使用opencv-python读取和保存图片。
• 使用cv2.resize()等比例缩放图片。
• 使用cv2.putText()添加文字水印。
• 使用cv2.addWeighted()实现半透明效果。
• 使用pathlib批量遍历文件夹。
• 使用imdecode和imencode兼容中文路径。

掌握这些基础之后，你可以继续扩展更多功能，例如图片压缩、格式转换、添加 Logo 水印、递归处理子目录、生成处理日志等，把它变成真正适合日常工作的图片批处理工具。