1. 需求场景
在实际开发中，我们会遇到一种很无聊，但是又必须实现的需求，就是比如协议、大量的宣传页面、大量的静态介绍页面、或者大量静态页面，但是页面高度很高，甚至高度可能会达到50000px，但是为了渲染友好的需求，因此就需要将图片切小，比如规定高度300px每张，就需要切一百多张图片，可想如果做那种一个省份的每个县城的介绍页面，页面就有几十个，一个页面少的都要切割几十张，多的上百张，是不是一个让人崩溃的需求，但是作为开发人员，我们要学会自己开发一些小工具，让我们从这些无聊，而又不得不实现的需求中解放出来。小工具开发！我曾经遇到的最多的是自己切图，开发四十多个静态介绍页面，当时不会python，切到发吐，有时psd还会卡死，崩溃的一天！
2. 需求实现
- 图片切割方法很多，比如 PIL 和 OPENCV，由于我之前学习过 opencv，因此本文采用 opencv 实现；
- 获取我们需要切割图片的固定高度；
- 需要切割的图片筛选；
- 完成对图片的切割；
- 保存切割好的图片。
3. 需要切割图片预览
4. 筛选需要切割的图片
- 获取路径下的所有文件；
- 筛选其中的图片文件，返回图片名称列表。
# 获取文件夹下所有图片文件名称
def get_all_image_names(path):
# 获取路径下的所有文件
names = os.listdir(path)
# 筛选其中的图片文件，返回图片名称列表
image_names = list(filter(lambda x : x.split('.').pop() in ['jpg', 'png', 'jpeg', 'bmp'], names))
return image_names
5. 单个图片切割
- 获取需要切割图片的固定高度；
- 所需要切割图片的存放路径；
- 切割后图片的存放位置；
- 读取全部需要切割的图片名称；
- 循环获取图片名称；
- 单独获取图片名称；
- 单独处理当前需要切割图片。
if __name__ == "__main__":
# 获取需要切割图片的固定高度
init_img_h = int(input("请输入切割图片的固定高度："))
# 所需要切割图片的存放路径
path = './images'
# 切割后图片的存放位置
if not os.path.exists(f'./out_images/'):
os.makedirs(f'./out_images/')
# 读取全部需要切割的图片名称
images = get_all_image_names(path)
# 循环获取图片名称
for name in images:
# 单独获取图片名称
key_name = name.split('.')[0]
# 单独处理当前需要切割图片
handle_single_image(f'{path}/{name}', init_img_h, key_name)
6. 图片处理
- 读取图片，获取图片的宽高；
- 根据固定高度和图片高度计算需要切割的图片张数；
- 计算切割图片的结束Y坐标；
- 如果计算的结束坐标大于图片高度，直接使用图片高度作为结束坐标；
- 调用opencv的切割封装方法，获取切割后的图片对象；
- 保存切割后的图像。
# 处理切割单张图片
def handle_single_image(path, init_img_h, key_name):
# 读取图片，获取图片的宽高
img = cv.imread(path)
h,w,c = img.shape
# 根据固定高度和图片高度计算需要切割的图片张数
for val in range(math.ceil(h / init_img_h)):
# 计算切割图片的结束Y坐标
end_h = (val + 1) * init_img_h
# 如果计算的结束坐标大于图片高度，直接使用图片高度作为结束坐标
if end_h > h:
end_h = h
# 调用opencv的切割封装方法，获取切割后的图片对象
crop_img = crop_image(img, 0, val * init_img_h, w, end_h)
# 保存切割后的图像
cv.imwrite(f"./out_images/{key_name}{'%05d'%val}.png",crop_img)
7. 切割封装
# 切割图片
def crop_image(img,startX,startY,endX,endY):
# 根据传入的坐标值，进行图像切割
crop_img = img[startY:endY, startX:endX]
return crop_img
8. 完整代码
import cv2 as cv
import os
import math
# 获取文件夹下所有图片文件名称
def get_all_image_names(path):
# 获取路径下的所有文件
names = os.listdir(path)
# 筛选其中的图片文件，返回图片名称列表
image_names = list(filter(lambda x : x.split('.').pop() in ['jpg', 'png', 'jpeg', 'bmp'], names))
return image_names
# 处理切割单张图片
def handle_single_image(path, init_img_h, key_name):
# 读取图片，获取图片的宽高
img = cv.imread(path)
h,w,c = img.shape
# 根据固定高度和图片高度计算需要切割的图片张数
for val in range(math.ceil(h / init_img_h)):
# 计算切割图片的结束Y坐标
end_h = (val + 1) * init_img_h
# 如果计算的结束坐标大于图片高度，直接使用图片高度作为结束坐标
if end_h > h:
end_h = h
# 调用opencv的切割封装方法，获取切割后的图片对象
crop_img = crop_image(img, 0, val * init_img_h, w, end_h)
# 保存切割后的图像
cv.imwrite(f"./out_images/{key_name}{'%05d'%val}.png",crop_img)
# 切割图片
def crop_image(img,startX,startY,endX,endY):
# 根据传入的坐标值，进行图像切割
crop_img = img[startY:endY, startX:endX]
return crop_img
if __name__ == "__main__":
# 获取需要切割图片的固定高度
init_img_h = int(input("请输入切割图片的固定高度："))
# 所需要切割图片的存放路径
path = './images'
# 切割后图片的存放位置
if not os.path.exists(f'./out_images/'):
os.makedirs(f'./out_images/')
# 读取全部需要切割的图片名称
images = get_all_image_names(path)
# 循环获取图片名称
for name in images:
# 单独获取图片名称
key_name = name.split('.')[0]
# 单独处理当前需要切割图片
handle_single_image(f'{path}/{name}', init_img_h, key_name)
9. 切割结果
10. 总结
- 还可以将生成静态页面的代码，创建一个函数，集成进来，这样就能直接一下将几十个页面全部完成，由于不同需求，开发页面不同，因此此处没有进行集成。
- 最开始的方案是给定切割张数，然后计算每张的高度，但是这个方案有个问题，就是计算出来的高度是浮点数，因此存在很多精确度的问题，前后两张图片之间会拼接不对等，因此采用固定高度方案，小于固定高度时，使用剩余的作为高度。
