实用脚本能自动给图片添加滤镜吗？

wen 实用脚本 2026-07-23 2

本文目录导读：

实用脚本能自动给图片添加滤镜吗？

环境准备
自动添加滤镜脚本
进阶版本（支持更多滤镜和参数调整）
批量处理不同滤镜
使用说明
建议

是的，完全可以！我们可以用 Python 编写一个实用脚本，自动给图片添加各种滤镜效果，下面我提供一个基于 Pillow (PIL) 的通用脚本，支持多种滤镜,并且可以批量处理文件夹内的图片。

环境准备

首先安装必要的库：

pip install Pillow

自动添加滤镜脚本

import os
from PIL import Image, ImageFilter, ImageEnhance
from pathlib import Path
def auto_add_filter(input_path, output_path, filter_type='emboss', quality=85):
    """
    自动给图片添加滤镜
    参数:
        input_path: 输入图片路径或文件夹路径
        output_path: 输出路径
        filter_type: 滤镜类型 (emboss, blur, contour, sharpen, smooth, edge_enhance, 
                     grayscale, sepia, invert, brightness_boost, contrast_boost)
        quality: 输出图片质量 (1-100)
    """
    # 确定输入文件列表
    if os.path.isdir(input_path):
        # 支持常见图片格式
        extensions = ('.jpg', '.jpeg', '.png', '.bmp', '.tiff', '.webp')
        files = [f for f in Path(input_path).iterdir() 
                if f.suffix.lower() in extensions]
    else:
        files = [Path(input_path)]
    # 确保输出目录存在
    output_dir = Path(output_path)
    output_dir.mkdir(parents=True, exist_ok=True)
    processed_count = 0
    for file_path in files:
        try:
            # 打开图片
            img = Image.open(file_path)
            # 根据滤镜类型应用效果
            filtered_img = apply_filter(img, filter_type)
            # 生成输出文件名
            stem = file_path.stem
            suffix = file_path.suffix.lower()
            output_file = output_dir / f"{stem}_{filter_type}{suffix}"
            # 保存处理后的图片
            if suffix in ('.jpg', '.jpeg'):
                filtered_img.save(output_file, 'JPEG', quality=quality)
            else:
                filtered_img.save(output_file)
            print(f"✓ 已处理: {file_path.name} -> {output_file.name}")
            processed_count += 1
        except Exception as e:
            print(f"✗ 处理失败: {file_path.name} - {str(e)}")
    print(f"\n处理完成！共处理 {processed_count} 张图片")
    return processed_count
def apply_filter(img, filter_type):
    """应用具体滤镜效果"""
    filter_type = filter_type.lower()
    if filter_type == 'emboss':
        return img.filter(ImageFilter.EMBOSS)
    elif filter_type == 'blur':
        return img.filter(ImageFilter.GaussianBlur(radius=5))
    elif filter_type == 'contour':
        return img.filter(ImageFilter.CONTOUR)
    elif filter_type == 'sharpen':
        return img.filter(ImageFilter.SHARPEN)
    elif filter_type == 'smooth':
        return img.filter(ImageFilter.SMOOTH)
    elif filter_type == 'edge_enhance':
        return img.filter(ImageFilter.EDGE_ENHANCE)
    elif filter_type == 'grayscale':
        return img.convert('L').convert('RGB')
    elif filter_type == 'sepia':
        return apply_sepia(img)
    elif filter_type == 'invert':
        return Image.eval(img, lambda x: 255 - x)
    elif filter_type == 'brightness_boost':
        enhancer = ImageEnhance.Brightness(img)
        return enhancer.enhance(1.5)
    elif filter_type == 'contrast_boost':
        enhancer = ImageEnhance.Contrast(img)
        return enhancer.enhance(1.5)
    elif filter_type == 'vintage':
        return apply_vintage_effect(img)
    else:
        print(f"未知滤镜类型: {filter_type}，使用原图")
        return img
def apply_sepia(img):
    """应用复古褐色滤镜"""
    # 先转为灰度
    gray = img.convert('L')
    # 创建褐色效果
    width, height = gray.size
    sepia_img = Image.new('RGB', (width, height))
    pixels = gray.load()
    sepia_pixels = sepia_img.load()
    for y in range(height):
        for x in range(width):
            gray_val = pixels[x, y]
            # 褐色调色板
            r = min(int(gray_val * 1.2), 255)
            g = min(int(gray_val * 1.0), 255)
            b = min(int(gray_val * 0.8), 255)
            sepia_pixels[x, y] = (r, g, b)
    return sepia_img
def apply_vintage_effect(img):
    """应用复古效果（混合滤镜）"""
    # 先降低饱和度
    enhancer = ImageEnhance.Color(img)
    img = enhancer.enhance(0.5)
    # 增加对比度
    enhancer = ImageEnhance.Contrast(img)
    img = enhancer.enhance(1.2)
    # 轻微模糊
    img = img.filter(ImageFilter.GaussianBlur(radius=1))
    # 添加褐色调
    return apply_sepia(img)
# 使用示例
if __name__ == "__main__":
    # 示例1：处理单张图片
    auto_add_filter(
        input_path="input.jpg",  # 输入图片路径
        output_path="output",    # 输出文件夹
        filter_type="sepia"      # 使用复古褐色滤镜
    )
    # 示例2：批量处理文件夹内所有图片
    auto_add_filter(
        input_path="photos/",     # 输入文件夹
        output_path="filtered/",  # 输出文件夹
        filter_type="emboss",     # 浮雕效果
        quality=90
    )
    # 可用的滤镜类型列表
    """
    1. emboss - 浮雕效果
    2. blur - 高斯模糊
    3. contour - 轮廓
    4. sharpen - 锐化
    5. smooth - 平滑
    6. edge_enhance - 边缘增强
    7. grayscale - 灰度
    8. sepia - 复古褐色
    9. invert - 颜色反转
    10. brightness_boost - 亮度增强
    11. contrast_boost - 对比度增强
    12. vintage - 复古综合效果
    """

进阶版本（支持更多滤镜和参数调整）

如果你想要更丰富的滤镜效果,可以使用更专业的库：

# 安装 OpenCV
pip install opencv-python
# 或者使用 scikit-image
pip install scikit-image

使用 OpenCV 的高级滤镜脚本：

import cv2
import numpy as np
from pathlib import Path
def opencv_auto_filter(input_path, output_path, filter_type='cartoon'):
    """使用 OpenCV 自动添加滤镜"""
    # 确定输入文件列表
    if Path(input_path).is_dir():
        extensions = ('.jpg', '.jpeg', '.png', '.bmp')
        files = [f for f in Path(input_path).iterdir() 
                if f.suffix.lower() in extensions]
    else:
        files = [Path(input_path)]
    output_dir = Path(output_path)
    output_dir.mkdir(parents=True, exist_ok=True)
    for file_path in files:
        # 读取图片
        img = cv2.imread(str(file_path))
        if img is None:
            print(f"无法读取: {file_path}")
            continue
        # 应用滤镜
        if filter_type == 'cartoon':
            result = cartoon_filter(img)
        elif filter_type == 'sketch':
            result = sketch_filter(img)
        elif filter_type == 'pencil':
            result = pencil_filter(img)
        elif filter_type == 'oil':
            result = oil_painting(img)
        else:
            result = img
        # 保存结果
        output_file = output_dir / f"{file_path.stem}_{filter_type}.jpg"
        cv2.imwrite(str(output_file), result)
        print(f"✓ 已处理: {file_path.name}")
def cartoon_filter(img):
    """卡通效果"""
    # 边缘检测
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray = cv2.medianBlur(gray, 5)
    edges = cv2.adaptiveThreshold(gray, 255, 
                                  cv2.ADAPTIVE_THRESH_MEAN_C, 
                                  cv2.THRESH_BINARY, 9, 9)
    # 颜色量化
    color = cv2.bilateralFilter(img, 9, 300, 300)
    # 组合
    cartoon = cv2.bitwise_and(color, color, mask=edges)
    return cartoon
def sketch_filter(img):
    """素描效果"""
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    inv_gray = 255 - gray
    blur = cv2.GaussianBlur(inv_gray, (21, 21), 0)
    sketch = cv2.divide(gray, 255 - blur, scale=256)
    return cv2.cvtColor(sketch, cv2.COLOR_GRAY2BGR)
def pencil_filter(img):
    """铅笔效果"""
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    pencil = cv2.Canny(gray, 50, 150)
    return cv2.cvtColor(pencil, cv2.COLOR_GRAY2BGR)
def oil_painting(img):
    """油画效果"""
    oil = cv2.xphoto.oilPainting(img, 7, 1)
    return oil
# 使用示例
if __name__ == "__main__":
    opencv_auto_filter("photo.jpg", "output", "cartoon")
    opencv_auto_filter("photos/", "filtered", "sketch")

批量处理不同滤镜

如果你想要对同一批图片应用多个滤镜：

def batch_multi_filters(input_dir, output_dir, filters):
    """对文件夹内所有图片应用多个滤镜"""
    input_path = Path(input_dir)
    output_path = Path(output_dir)
    output_path.mkdir(parents=True, exist_ok=True)
    for img_file in input_path.glob("*.[jJ][pP][gG]"):
        for filter_name in filters:
            auto_add_filter(
                str(img_file),
                str(output_path),
                filter_type=filter_name
            )
# 同时应用多种滤镜
batch_multi_filters("input/", "output/", 
                    ["emboss", "sepia", "grayscale", "vintage"])

使用说明

单张图片处理：直接指定图片路径
批量处理：指定文件夹路径，自动处理所有图片
保存位置：自动在原文件名后添加滤镜名称
自定义参数：可以调整 quality、radius 等参数

建议

对于简单滤镜，使用 Pillow 即可
需要卡通、素描等特殊效果时，使用 OpenCV
处理大量图片时，可以添加多线程处理提升速度
建议先在小样本上测试不同滤镜效果

这个脚本完全能满足日常的图片滤镜需求,你可以根据自己的喜好调整参数或添加新的滤镜类型。