基于Python+OpenCV实现图片批量缩放与加水印功能
批量处理图片是常见需求，手动操作效率低下。利用Python和OpenCV库可以自动化完成批量缩放与添加水印的任务。文章介绍了使用OpenCV进行图片读取、按比例缩放、添加半透明文字水印以及遍历文件夹批量处理的方法，并提供了兼容中文路径的解决方案。整个过程适合初学者实践，能显著提升图片处理效率。
处理图片是很多工作中的高频需求，比如商品图要统一尺寸、活动照片需要批量压缩、资料截图得加上公司水印。如果文件夹里有几十上百张图片，手动操作简直让人头皮发麻。
这类重复性劳动，正是Python自动化脚本大显身手的地方。今天，我们就用opencv-python这个库，从零开始，一步步搭建一个能“批量缩放并添加水印”的实用工具。整个过程不涉及复杂的图像算法，非常适合Python初学者上手实践。
1. OpenCV 是什么
简单来说，OpenCV是一个功能强大的计算机视觉和图像处理库。从基础的图片读写、尺寸变换、颜色调整，到高级的人脸识别、目标检测，它都能胜任。在Python生态里，我们通常安装的是opencv-python包：
pip install opencv-python
安装完成后，在Python中导入并打印版本号，能成功输出就说明环境没问题：
import cv2 print(cv2.__version__)
2. 图片读取与保存
OpenCV读取和保存图片的函数非常直观：cv2.imread()用于读取，cv2.imwrite()用于保存。
import cv2
image = cv2.imread("input.jpg")
if image is None:
raise FileNotFoundError("图片读取失败，请检查文件路径")
cv2.imwrite("output.jpg", image)
这里有个细节需要注意：OpenCV读取到的图片，本质上是一个NumPy数组。它的形状（shape）遵循（高度, 宽度, 通道数）的格式。比如一张1080p的彩色图片，打印出来的形状可能就是(1080, 1920, 3)。
3. 图片缩放
改变图片尺寸，主要靠cv2.resize()函数。
3.1 按指定宽高缩放
直接指定目标宽度和高度即可，但要注意参数顺序是(宽度, 高度)，别弄反了。
resized = cv2.resize(image, (800, 600))
3.2 按比例缩放
如果想等比例缩小一半，可以设置缩放因子：
resized = cv2.resize(image, None, fx=0.5, fy=0.5)
其中，fx控制宽度缩放比例，fy控制高度缩放比例。
3.3 按目标宽度等比例缩放
实际项目中，更常见的需求是限制图片的最大宽度，同时保持原始宽高比不变，避免图片被拉伸变形。实现思路是先计算缩放比例，再确定对应的高度。
height, width = image.shape[:2] target_width = 1000 scale = target_width / width target_height = int(height * scale) resized = cv2.resize(image, (target_width, target_height))
4. 添加文字水印
使用cv2.putText()函数可以在图片上绘制文字。它的参数比较多，但都很好理解：
watermarked = image.copy()
cv2.putText(
watermarked,
text="Python OpenCV", # 水印文字
org=(30, 60), # 文字左下角坐标(x, y)
fontFace=cv2.FONT_HERSHEY_SIMPLEX, # 字体
fontScale=1.2, # 字体大小
color=(255, 255, 255), # 文字颜色(BGR顺序)
thickness=2, # 线条粗细
lineType=cv2.LINE_AA # 抗锯齿，让边缘更平滑
)
需要特别提醒的是，OpenCV默认使用BGR颜色通道，而不是常见的RGB。所以纯红色是(0, 0, 255)，而不是(255, 0, 0)。
5. 半透明文字水印
直接把不透明的文字画上去会显得很生硬。更优雅的做法是，先在一张 overlay（覆盖层）上画好文字，再通过图像混合，以一定的透明度叠加到原图上。
overlay = image.copy() output = image.copy() # 在overlay上绘制文字 cv2.putText(overlay, "Python OpenCV", (30, 60), cv2.FONT_HERSHEY_SIMPLEX, 1.2, (255, 255, 255), 2, cv2.LINE_AA) # 混合图像，alpha值控制水印透明度 alpha = 0.35 watermarked = cv2.addWeighted(overlay, alpha, output, 1 - alpha, 0)
这里的alpha参数是关键，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
要实现批量处理，逻辑很清晰：遍历输入文件夹，筛选出图片文件，然后对每一张执行“读取->缩放->加水印->保存”的流程。
首先，定义常见的图片后缀：
IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".bmp", ".webp"}
接着，用pathlib库来优雅地遍历文件夹：
from pathlib import Path
input_dir = Path("input_images")
for file_path in input_dir.iterdir():
if file_path.suffix.lower() in IMAGE_EXTENSIONS:
print(file_path) # 找到了一张图片
7. 中文路径兼容处理
很多朋友在Windows环境下会遇到一个坑：当文件路径或名称包含中文时，cv2.imread()和cv2.imwrite()可能会失败。一个稳妥的解决方案是，用numpy.fromfile()和cv2.imdecode()来读取，用cv2.imencode()和tofile()来保存。
7.1 兼容中文路径读取
import cv2
import numpy as np
def imread_unicode(file_path):
data = np.fromfile(str(file_path), dtype=np.uint8)
image = cv2.imdecode(data, cv2.IMREAD_COLOR)
return image
7.2 兼容中文路径保存
def imwrite_unicode(file_path, image):
ext = file_path.suffix
success, encoded_image = cv2.imencode(ext, image)
if not success:
return False
encoded_image.tofile(str(file_path))
return True
8. 完整项目代码
将上面的功能模块整合起来，就是一个完整的、健壮的批处理脚本。建议保存为batch_resize_watermark.py。
假设你的项目目录结构如下：
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/
完整的脚本代码如下：
from pathlib import Path
import cv2
import numpy as np
IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".bmp", ".webp"}
def imread_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)
return image
def imwrite_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)
if not success:
return False
encoded_image.tofile(str(file_path))
return True
def resize_keep_ratio(image, max_width: int = 1200):
"""按最大宽度等比例缩放图片。"""
height, width = image.shape[:2]
if width <= max_width:
return image.copy()
scale = max_width / width
target_height = int(height * scale)
resized = cv2.resize(
image,
(max_width, target_height),
interpolation=cv2.INTER_AREA
)
return resized
def add_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)
return watermarked
def process_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)
if image is None:
print(f"读取失败: {input_path}")
return False
resized = resize_keep_ratio(image, max_width=max_width)
watermarked = add_text_watermark(resized, watermark_text)
success = imwrite_unicode(output_path, watermarked)
if not success:
print(f"保存失败: {output_path}")
return False
return True
def batch_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。"""
if not input_dir.exists():
raise FileNotFoundError(f"输入文件夹不存在: {input_dir}")
output_dir.mkdir(parents=True, exist_ok=True)
image_files = [
file_path
for file_path in input_dir.iterdir()
if file_path.is_file() and file_path.suffix.lower() in IMAGE_EXTENSIONS
]
if not image_files:
print(f"没有找到可处理的图片: {input_dir}")
return
success_count = 0
for input_path in image_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
)
if success:
success_count += 1
print(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()}")
def main():
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()
在命令行运行这个脚本：
python batch_resize_watermark.py
如果一切顺利，你会看到类似这样的输出，表明图片已处理完毕：
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
运行脚本前，input_images文件夹里放着你的原始图片。运行后，output_images文件夹会生成处理后的新图片。每张图片都会经历两个变化：
- 如果原图宽度超过了设定的
max_width（比如1200像素），它会被等比例缩放到这个最大宽度。 - 图片的右下角会添加指定的半透明文字水印。
得益于中文路径兼容函数，即使你的文件夹或文件名全是中文，整个过程也能畅通无阻。
10. 常见问题
10.1 为什么 OpenCV 的颜色是 BGR
这是OpenCV的历史遗留设计。它默认使用BGR通道顺序，而许多其他库（如PIL、matplotlib）使用RGB。处理颜色时记住这个区别即可。
10.2 PNG 透明背景会保留吗
本文代码使用cv2.IMREAD_COLOR模式读取，会忽略透明通道（Alpha通道）。如果需要处理带透明背景的PNG，应使用cv2.IMREAD_UNCHANGED读取，并在后续步骤中妥善处理Alpha通道。
10.3 水印位置如何调整
水印位置由add_text_watermark函数中的坐标计算逻辑控制。默认是放在右下角。如果想放到左上角，可以修改坐标计算部分：
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的第一层。要递归处理所有子目录，可以将遍历部分从input_dir.iterdir()改为input_dir.rglob("*")。同时，生成输出路径时需要考虑原文件的相对路径，避免不同子目录下的同名文件相互覆盖。
总结
通过这个项目，我们串联起了OpenCV图像处理的几个核心环节：图片的读取与保存、等比例缩放、添加文字水印以及实现半透明效果。同时，也解决了实际开发中常见的中文路径问题和批量文件遍历需求。
掌握了这些基础，你就可以以此为核心，扩展出更多实用功能，比如批量格式转换、添加Logo图片水印、递归处理复杂目录结构、生成详细处理报告等，逐步打造出一个真正贴合自身工作流的自动化图片处理工具。
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。