Python脚本实现批量图片拼接功能

平时写论文、做报告或者整理素材的时候，免不了要把一堆图片拼成一张大图。试过不少在线工具和本地软件，要么是不能批量处理，要么是最后一行图片没填满时就傻乎乎地左对齐，空出一大片，看着特别碍眼。 索性自己动手写了个Python脚本，基于Pillow库实现，专门解决了几个让人“脑壳疼”的痛点： - **最后一行自动居中**：没填满的行不再傻呵呵左对齐，视觉上平衡多了 - **自然排序**：确保 `1.jpg`、`2.jpg`、`10.jpg` 按数字顺序走，不会出现 `1, 10, 2` 这种尴尬局面 - **保留原图质量**：支持DPI、色彩模式继承，JPG直接设最高质量 - **灵活配置**：行数、列数、每组几张图、底部留白都能改，适配各种需求 --- ## 关键代码拆解与解释 ### 1. 自然排序：搞定10.jpg排在2.jpg前面的问题 系统默认的字符串排序是按字符ASCII码来的，`'10'` 的第一个字符 `'1'` 比 `'2'` 小，自然就排前面了。这个函数通过正则把文件名拆成“数字段”和“非数字段”，再把数字段转成整数去比较，符合人类的阅读习惯。 ```python def natural_sort_key(s): """自然排序：确保 1.jpg, 2.jpg, 10.jpg 按数字顺序排列""" return [int(text) if text.isdigit() else text.lower() for text in re.split('([0-9]+)', s)] ``` **使用场景**：在读取文件列表后，直接通过 `sorted(..., key=natural_sort_key)` 调用即可，省心。 --- ### 2. 核心逻辑：最后一行图片如何居中 这是整个脚本最实用的部分。思路是：先按设定的“列数”把图片切分成行，然后判断当前行是否填满。如果没填满，就算出两边需要留多少空白，把图片“挤”到中间。 ```python # ⭐ 核心：按行切分 rows = [] for i in range(0, len(group_images), COLS): rows.append(group_images[i:i + COLS]) for row_idx, row_images in enumerate(rows): y = row_idx * img_height num_in_row = len(row_images) # ⭐ 核心：最后一行居中 if num_in_row == COLS: offset_x = 0 # 满行，左对齐 else: # 不满行，计算居中偏移量 total_width = num_in_row * img_width offset_x = (canvas_width - total_width) // 2 ``` **逻辑说明**： - `offset_x` 是这一行第一张图的起始X坐标。 - 如果满行，`offset_x` 为0，从最左边开始贴。 - 如果不满行，用 `(画布宽 - 当前行图片总宽) // 2` 算出左边留白，实现居中。这才是真正的“高能预警”点。 --- ### 3. 图片一致性处理：尺寸、模式统一 为了防止拼图时出现错位或色差，需要以第一张图为基准，统一所有图片的尺寸和色彩模式。 ```python with Image.open(img_path) as img: # 尺寸统一：如果不一致，用LANCZOS算法高质量重采样 if img.size != (img_width, img_height): print(f"警告: {os.path.basename(img_path)} 尺寸不一致，已调整") img = img.resize((img_width, img_height), Image.Resampling.LANCZOS) # 模式统一：比如有的是RGB，有的是RGBA，统一成基准图的模式 if img.mode != img_mode: img = img.convert(img_mode) canvas.paste(img, (x, y)) ``` **注意**：`Image.Resampling.LANCZOS` 是Pillow 9.1.0之后的写法，如果用的是旧版本，可能需要改成 `Image.LANCZOS`，不然会报错。 --- ### 4. 高质量保存：保留DPI与JPG画质 如果是用于论文打印，保留DPI信息非常重要；JPG格式默认压缩会损失画质，这里强制设为最高质量。 ```python sa ve_params = {} # 如果是JPG/JPEG，设置最高质量，禁用色度子采样 if input_extension.lower() in ['.jpg', '.jpeg']: sa ve_params['quality'] = 100 sa ve_params['subsampling'] = 0 # 如果原图有DPI信息，继承下来 if img_dpi: sa ve_params['dpi'] = img_dpi canvas.sa ve(sa ve_path, **sa ve_params) ``` --- ## 完整代码 直接复制下面的代码，保存为 `image_collage.py` 即可使用。使用前务必修改 `手动配置区` 的路径。 ```python import re from PIL import Image import os # ==================== 手动配置区 ==================== TARGET_PATH = r'你的图片文件夹路径' # 请修改此处 IMAGES_PER_GROUP = 3 # 每组几张图 ROWS = 2 # 行数 COLS = 2 # 列数 BOTTOM_PADDING = 0 # 底部留白（像素） # =================================================== def natural_sort_key(s): """自然排序：确保 1.jpg, 2.jpg, 10.jpg 按数字顺序排列""" return [int(text) if text.isdigit() else text.lower() for text in re.split('([0-9]+)', s)] def create_collage(folder_path): # 1. 读取并筛选图片 valid_extensions = ('.jpg', '.jpeg', '.png', '.bmp', '.webp', '.tiff') raw_files = [ f for f in os.listdir(folder_path) if f.lower().endswith(valid_extensions) ] # 排除之前生成的拼图，防止重复处理 raw_files = [f for f in raw_files if "collage_final" not in f] # 按自然顺序排序并拼接完整路径 image_files = sorted( [os.path.join(folder_path, f) for f in raw_files], key=natural_sort_key ) if not image_files: print("未找到图片，请检查路径。") return # 2. 读取第一张图作为基准，获取尺寸、模式、DPI等信息 with Image.open(image_files[0]) as first_img: img_width, img_height = first_img.size input_extension = os.path.splitext(image_files[0])[1] img_mode = first_img.mode img_dpi = first_img.info.get('dpi') print(f"\n--- 原始分辨率识别 ---") print(f"单图尺寸: {img_width} x {img_height}") print(f"色彩模式: {img_mode}") print(f"输出格式: {input_extension}") if img_dpi: print(f"DPI: {img_dpi}") # 3. 计算画布总尺寸 canvas_width = COLS * img_width canvas_height = ROWS * img_height + BOTTOM_PADDING # 4. 分组（如果图片很多，可以分成多张拼图） groups = [ image_files[i:i + IMAGES_PER_GROUP] for i in range(0, len(image_files), IMAGES_PER_GROUP) ] for group_num, group_images in enumerate(groups): # 创建白色背景画布 canvas = Image.new(img_mode, (canvas_width, canvas_height), color='white') # ⭐ 核心逻辑：将当前组的图片按行切分 rows = [] for i in range(0, len(group_images), COLS): rows.append(group_images[i:i + COLS]) # 逐行粘贴图片 for row_idx, row_images in enumerate(rows): y = row_idx * img_height num_in_row = len(row_images) # ⭐ 核心逻辑：计算当前行的X偏移量（实现居中） if num_in_row == COLS: offset_x = 0 else: total_width = num_in_row * img_width offset_x = (canvas_width - total_width) // 2 # 逐列粘贴图片 for col_idx, img_path in enumerate(row_images): x = offset_x + col_idx * img_width try: with Image.open(img_path) as img: # 统一尺寸 if img.size != (img_width, img_height): print(f"警告: {os.path.basename(img_path)} 尺寸不一致，已调整") img = img.resize((img_width, img_height), Image.Resampling.LANCZOS) # 统一色彩模式 if img.mode != img_mode: img = img.convert(img_mode) canvas.paste(img, (x, y)) except Exception as e: print(f"处理出错: {img_path}, 原因: {e}") # 5. 保存文件 suffix = f"_{group_num + 1}" if len(groups) > 1 else "" sa ve_name = f"collage_final{suffix}{input_extension}" sa ve_path = os.path.join(folder_path, sa ve_name) sa ve_params = {} # JPG特殊处理：最高质量 if input_extension.lower() in ['.jpg', '.jpeg']: sa ve_params['quality'] = 100 sa ve_params['subsampling'] = 0 # 继承DPI if img_dpi: sa ve_params['dpi'] = img_dpi canvas.sa ve(sa ve_path, **sa ve_params) print(f"✅ 成功生成: {sa ve_name}") if __name__ == "__main__": create_collage(TARGET_PATH) ``` --- ## 使用前准备 **安装依赖**：确保安装了Pillow库。如果没有，在终端运行： ```bash pip install pillow ``` **修改配置**：把代码顶部的 `TARGET_PATH` 改成你存放图片的文件夹路径（Windows用户建议在路径前加 `r`，防止转义字符报错）。 **运行脚本**： ```bash python image_collage.py ``` 生成的图片会保存在原图文件夹中，文件名为 `collage_final.jpg`（或对应格式后缀）。如果遇到什么奇葩问题，欢迎来交流。