脚本如何批量调整图片对比度

wen 实用脚本 2026-07-08 96

本文目录导读：

脚本如何批量调整图片对比度

Python + Pillow 脚本（推荐）
高级版：支持对比度范围和自动均衡
命令行工具：ImageMagick
图形化批量处理工具
性能优化版（多线程处理）
使用建议

Python + Pillow 脚本（推荐）

from PIL import Image, ImageEnhance
import os
from pathlib import Path
def batch_adjust_contrast(input_dir, output_dir, contrast_factor=1.5):
    """
    批量调整图片对比度
    参数:
        input_dir: 输入文件夹路径
        output_dir: 输出文件夹路径
        contrast_factor: 对比度因子 (1.0=原始, >1增强, <1减弱)
    """
    # 创建输出目录
    Path(output_dir).mkdir(parents=True, exist_ok=True)
    # 支持的图片格式
    extensions = ('.jpg', '.jpeg', '.png', '.bmp', '.tiff', '.webp')
    for filename in os.listdir(input_dir):
        if filename.lower().endswith(extensions):
            try:
                # 打开图片
                img_path = os.path.join(input_dir, filename)
                img = Image.open(img_path)
                # 调整对比度
                enhancer = ImageEnhance.Contrast(img)
                img_enhanced = enhancer.enhance(contrast_factor)
                # 保存图片
                output_path = os.path.join(output_dir, f"contrast_{filename}")
                img_enhanced.save(output_path)
                print(f"✓ 已处理: {filename}")
            except Exception as e:
                print(f"✗ 处理失败 {filename}: {str(e)}")
# 使用示例
if __name__ == "__main__":
    # 调整参数
    INPUT_DIR = "input_images"      # 输入文件夹
    OUTPUT_DIR = "output_images"    # 输出文件夹
    CONTRAST_FACTOR = 1.5           # 1.5倍对比度
    batch_adjust_contrast(INPUT_DIR, OUTPUT_DIR, CONTRAST_FACTOR)

高级版：支持对比度范围和自动均衡

import cv2
import numpy as np
import os
def auto_contrast(img, clip_percent=1):
    """自动对比度均衡"""
    # 计算直方图
    hist = cv2.calcHist([img], [0], None, [256], [0, 256])
    # 计算累计直方图
    cdf = hist.cumsum()
    cdf_normalized = cdf / cdf[-1]
    # 找到裁剪点
    low_val = np.searchsorted(cdf_normalized, clip_percent/100)
    high_val = np.searchsorted(cdf_normalized, 1 - clip_percent/100)
    # 应用对比度拉伸
    img_stretched = np.clip((img - low_val) * 255 / (high_val - low_val), 0, 255).astype(np.uint8)
    return img_stretched
def batch_adjust_contrast_advanced(input_dir, output_dir, method='manual', factor=1.5, clip_percent=1):
    """
    批量调整对比度（高级版）
    参数:
        method: 'manual' 手动调节, 'auto' 自动均衡, 'clahe' 自适应直方图均衡
    """
    Path(output_dir).mkdir(parents=True, exist_ok=True)
    extensions = ('.jpg', '.jpeg', '.png', '.bmp', '.tiff', '.webp')
    for filename in os.listdir(input_dir):
        if filename.lower().endswith(extensions):
            try:
                img_path = os.path.join(input_dir, filename)
                img = cv2.imread(img_path)
                if method == 'manual':
                    # 手动调整对比度
                    img_adjusted = cv2.convertScaleAbs(img, alpha=factor, beta=0)
                    suffix = f"contrast_{factor}"
                elif method == 'auto':
                    # 自动对比度均衡
                    img_adjusted = auto_contrast(img, clip_percent)
                    suffix = "auto_equalized"
                elif method == 'clahe':
                    # CLAHE (自适应直方图均衡)
                    lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
                    l, a, b = cv2.split(lab)
                    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
                    l = clahe.apply(l)
                    lab = cv2.merge([l, a, b])
                    img_adjusted = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)
                    suffix = "clahe"
                # 保存结果
                name, ext = os.path.splitext(filename)
                output_path = os.path.join(output_dir, f"{name}_{suffix}{ext}")
                cv2.imwrite(output_path, img_adjusted)
                print(f"✓ 已处理: {filename} -> {suffix}")
            except Exception as e:
                print(f"✗ 处理失败 {filename}: {str(e)}")
# 使用示例
batch_adjust_contrast_advanced(
    "input_images", 
    "output_images", 
    method='manual',  # 可选: 'manual', 'auto', 'clahe'
    factor=1.5,
    clip_percent=1
)

命令行工具：ImageMagick

# 安装ImageMagick (如果未安装)
# macOS: brew install imagemagick
# Ubuntu: sudo apt-get install imagemagick
# 批量调整对比度（所有jpg文件）
for file in *.jpg; do
    convert "$file" -contrast-stretch 10%x10% "enhanced_$file"
done
# 更精确的对比度调整（+50%对比度）
for file in *.jpg; do
    convert "$file" -sigmoidal-contrast 50,50% "contrast_$file"
done

图形化批量处理工具

Adobe Bridge + Camera Raw

在Bridge中选中所有图片
右键选择"在Camera Raw中打开"
调整一张图片的对比度
全选,同步设置

FastStone Image Viewer

打开图片文件夹
选择所有图片 (Ctrl+A)
工具 → 批量转换 → 调整对比度
设置参数并执行

性能优化版（多线程处理）

from concurrent.futures import ThreadPoolExecutor, as_completed
from PIL import Image, ImageEnhance
import os
from pathlib import Path
import logging
logging.basicConfig(level=logging.INFO)
def process_image(args):
    """处理单张图片"""
    input_path, output_dir, contrast_factor = args
    try:
        filename = os.path.basename(input_path)
        img = Image.open(input_path)
        enhancer = ImageEnhance.Contrast(img)
        img_enhanced = enhancer.enhance(contrast_factor)
        output_path = os.path.join(output_dir, f"contrast_{filename}")
        img_enhanced.save(output_path, quality=95)
        return f"✓ {filename}"
    except Exception as e:
        return f"✗ {filename}: {str(e)}"
def batch_adjust_contrast_multithread(input_dir, output_dir, contrast_factor=1.5, max_workers=4):
    """多线程批量处理"""
    Path(output_dir).mkdir(parents=True, exist_ok=True)
    extensions = ('.jpg', '.jpeg', '.png', '.bmp', '.tiff', '.webp')
    image_paths = [
        os.path.join(input_dir, f) 
        for f in os.listdir(input_dir) 
        if f.lower().endswith(extensions)
    ]
    # 准备参数
    args_list = [(path, output_dir, contrast_factor) for path in image_paths]
    # 多线程处理
    with ThreadPoolExecutor(max_workers=max_workers) as executor:
        futures = [executor.submit(process_image, args) for args in args_list]
        for future in as_completed(futures):
            result = future.result()
            logging.info(result)
    logging.info(f"处理完成！共处理 {len(image_paths)} 张图片")
# 使用示例
batch_adjust_contrast_multithread(
    "input_images", 
    "output_images", 
    contrast_factor=1.5,
    max_workers=8  # 根据CPU核心数调整
)

使用建议

对比度因子说明：
- 0：保持原样
- 0-2.0：增强对比度（推荐1.2-1.8）
- 0-1.0：降低对比度
选择合适的方法：
- 简单批量：使用Pillow脚本
- 需要自动优化：使用OpenCV的CLAHE
- 大量图片：使用多线程版本
- 图形界面：使用FastStone或Bridge
备份原始文件：处理前建议复制一份原图

本文地址： https://www.bmjup.com/post/18030.html