批量模糊处理图片的脚本

wen 实用脚本 2026-08-01 2

本文目录导读：

批量模糊处理图片的脚本

方案一：使用 Python + Pillow（推荐）
方案二：使用 ImageMagick 命令行工具
方案三：使用 OpenCV (适合高级处理)
使用方法
功能特点

使用 Python + Pillow（推荐）

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
批量模糊处理图片脚本
支持：整图模糊、局部模糊、多种模糊效果
"""
import os
import sys
from PIL import Image, ImageFilter, ImageOps
import argparse
from pathlib import Path
def create_output_dir(input_path, output_dir):
    """创建输出目录"""
    if output_dir is None:
        # 默认在输入目录下创建 blurred 文件夹
        input_dir = Path(input_path)
        if input_dir.is_file():
            input_dir = input_dir.parent
        output_dir = input_dir / "blurred"
    output_dir.mkdir(parents=True, exist_ok=True)
    return output_dir
def add_gaussian_blur(image, radius=2):
    """高斯模糊"""
    return image.filter(ImageFilter.GaussianBlur(radius=radius))
def add_average_blur(image, size=3):
    """均值模糊"""
    return image.filter(ImageFilter.BoxBlur(size))
def add_motion_blur(image, angle=0, distance=5):
    """运动模糊"""
    return image.filter(ImageFilter.GaussianBlur(radius=distance))
def add_bilateral_blur(image, radius=5, sigma_color=50, sigma_space=50):
    """双边滤波（保留边缘的模糊）"""
    # 使用 PIL 的高斯模糊替代（PIL 没有内置双边滤波）
    return image.filter(ImageFilter.Smoothing())
def blur_only_center(image, blur_radius=5, center_percent=0.3):
    """只模糊图片中心区域"""
    img = image.copy()
    width, height = img.size
    # 计算中心区域
    center_w = int(width * center_percent)
    center_h = int(height * center_percent)
    left = (width - center_w) // 2
    top = (height - center_h) // 2
    right = left + center_w
    bottom = top + center_h
    # 创建 mask
    mask = Image.new("L", (width, height), 0)
    mask_pixels = mask.load()
    from PIL import ImageDraw
    draw = ImageDraw.Draw(mask)
    draw.rectangle([left, top, right, bottom], fill=255)
    # 模糊整个图片
    blurred = add_gaussian_blur(image, blur_radius)
    # 使用 mask 合成
    result = Image.composite(blurred, img, mask)
    return result
def remove_exif(image):
    """移除 EXIF 数据"""
    data = list(image.getdata())
    image_without_exif = Image.new(image.mode, image.size)
    image_without_exif.putdata(data)
    return image_without_exif
def process_image(input_path, output_path, blur_type='gaussian', radius=5, quality=95, **kwargs):
    """处理单张图片"""
    try:
        # 打开图片
        img = Image.open(input_path)
        # 应用模糊
        if blur_type == 'gaussian':
            result = add_gaussian_blur(img, radius)
        elif blur_type == 'average':
            result = add_average_blur(img, radius)
        elif blur_type == 'motion':
            result = add_motion_blur(img, radius)
        elif blur_type == 'center':
            result = blur_only_center(img, radius, kwargs.get('center_percent', 0.3))
        elif blur_type == 'smart':
            # 智能模糊 - 保持边缘
            result = add_bilateral_blur(img)
        else:
            print(f"未知的模糊类型: {blur_type}")
            return False
        # 保存结果
        result.save(output_path, quality=quality, optimize=True)
        return True
    except Exception as e:
        print(f"处理 {input_path} 时出错: {e}")
        return False
def batch_process(input_path, output_dir=None, blur_type='gaussian', 
                 radius=5, quality=95, recursive=False, **kwargs):
    """批量处理图片"""
    input_path = Path(input_path)
    output_dir = create_output_dir(input_path, output_dir)
    # 收集图片文件
    images = []
    if input_path.is_file():
        if input_path.suffix.lower() in ['.jpg', '.jpeg', '.png', '.bmp', '.gif', '.webp', '.tiff']:
            images.append(input_path)
    elif input_path.is_dir():
        pattern = "**/*" if recursive else "*"
        for ext in ['*.jpg', '*.jpeg', '*.png', '*.bmp', '*.gif', '*.webp', '*.tiff']:
            images.extend(input_path.glob(f"{pattern}.{ext.split('.')[1]}"))
    if not images:
        print("没有找到图片文件")
        return
    print(f"找到 {len(images)} 张图片")
    # 处理每张图片
    success_count = 0
    for img_path in images:
        # 构造输出路径
        relative_path = img_path.relative_to(input_path if input_path.is_dir() else input_path.parent)
        output_path = output_dir / relative_path
        output_path.parent.mkdir(parents=True, exist_ok=True)
        print(f"处理: {img_path}")
        if process_image(img_path, output_path, blur_type, radius, quality, **kwargs):
            success_count += 1
            print(f"  ✓ 已保存到 {output_path}")
        else:
            print(f"  ✗ 处理失败")
    print(f"\n处理完成！成功 {success_count}/{len(images)} 张图片")
    print(f"输出目录: {output_dir}")
def main():
    parser = argparse.ArgumentParser(description="批量模糊处理图片")
    parser.add_argument("input", help="输入文件或文件夹路径")
    parser.add_argument("-o", "--output", help="输出文件夹路径（默认：输入目录下blurred文件夹）")
    parser.add_argument("-t", "--type", choices=['gaussian', 'average', 'motion', 'center', 'smart'],
                       default='gaussian', help="模糊类型")
    parser.add_argument("-r", "--radius", type=int, default=5, help="模糊半径")
    parser.add_argument("-q", "--quality", type=int, default=95, help="图片质量（1-100）")
    parser.add_argument("--recursive", action="store_true", help="递归处理子文件夹")
    parser.add_argument("--center-percent", type=float, default=0.3, 
                       help="中心模糊范围（0-1，默认0.3）")
    args = parser.parse_args()
    batch_process(
        args.input,
        args.output,
        args.type,
        args.radius,
        args.quality,
        args.recursive,
        center_percent=args.center_percent
    )
if __name__ == "__main__":
    main()

使用 ImageMagick 命令行工具

#!/bin/bash
# 批量模糊处理图片脚本 (需安装 ImageMagick)
# 使用方法: ./blur_images.sh [输入目录] [输出目录] [模糊半径]
INPUT_DIR="${1:-.}"
OUTPUT_DIR="${2:-blurred}"
BLUR_RADIUS="${3:-5}"
# 创建输出目录
mkdir -p "$OUTPUT_DIR"
# 计数器
count=0
# 遍历所有图片文件
for img in "$INPUT_DIR"/*.{jpg,jpeg,png,bmp,gif,webp,tiff} 2>/dev/null; do
    # 检查文件是否存在
    if [ -f "$img" ]; then
        filename=$(basename "$img")
        echo "处理: $filename"
        # 使用 ImageMagick 进行高斯模糊
        convert "$img" -blur 0x$BLUR_RADIUS "$OUTPUT_DIR/$filename"
        if [ $? -eq 0 ]; then
            echo "  ✓ 完成"
            ((count++))
        else
            echo "  ✗ 失败"
        fi
    fi
done
echo "完成！共处理 $count 张图片"
echo "输出目录: $OUTPUT_DIR"

使用 OpenCV (适合高级处理)

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
使用 OpenCV 进行批量模糊处理
支持更多高级功能：人脸识别模糊、区域模糊等
"""
import os
import cv2
import numpy as np
from pathlib import Path
import argparse
def gaussian_blur(image, kernel_size=(15, 15)):
    """高斯模糊"""
    return cv2.GaussianBlur(image, kernel_size, 0)
def median_blur(image, kernel_size=15):
    """中值模糊 - 适合去除椒盐噪声"""
    return cv2.medianBlur(image, kernel_size)
def bilateral_filter(image, d=9, sigma_color=75, sigma_space=75):
    """双边滤波 - 保持边缘"""
    return cv2.bilateralFilter(image, d, sigma_color, sigma_space)
def custom_region_blur(image, regions=None):
    """自定义区域模糊
    regions: list of tuples [(x, y, w, h), ...] 需要模糊的区域
    """
    result = image.copy()
    if regions:
        for (x, y, w, h) in regions:
            region = result[y:y+h, x:x+w]
            blurred_region = gaussian_blur(region)
            result[y:y+h, x:x+w] = blurred_region
    return result
def batch_process_opencv(input_path, output_dir=None, blur_type='gaussian', 
                        kernel_size=15, **kwargs):
    """OpenCV 批量处理"""
    input_path = Path(input_path)
    if output_dir is None:
        output_dir = input_path if input_path.is_dir() else input_path.parent
        output_dir = output_dir / "blurred_opencv"
    output_dir.mkdir(exist_ok=True)
    images = []
    if input_path.is_file():
        images.append(input_path)
    elif input_path.is_dir():
        for ext in ['*.jpg', '*.jpeg', '*.png', '*.bmp']:
            images.extend(input_path.glob(ext))
    for img_path in images:
        print(f"处理: {img_path.name}")
        # 读取图片
        image = cv2.imread(str(img_path))
        if image is None:
            print(f"  ✗ 无法读取")
            continue
        # 选择模糊方法
        if blur_type == 'gaussian':
            result = gaussian_blur(image, (kernel_size, kernel_size))
        elif blur_type == 'median':
            result = median_blur(image, kernel_size)
        elif blur_type == 'bilateral':
            result = bilateral_filter(image)
        else:
            print(f"未知模糊类型: {blur_type}")
            continue
        # 保存结果
        output_path = output_dir / img_path.name
        cv2.imwrite(str(output_path), result)
        print(f"  ✓ 已保存")
    print(f"处理完成！输出目录: {output_dir}")
def main():
    parser = argparse.ArgumentParser()
    parser.add_argument("input", help="输入文件或文件夹")
    parser.add_argument("-o", "--output", help="输出文件夹")
    parser.add_argument("-t", "--type", choices=['gaussian', 'median', 'bilateral'],
                       default='gaussian', help="模糊类型")
    parser.add_argument("-k", "--kernel", type=int, default=15, help="内核大小")
    args = parser.parse_args()
    batch_process_opencv(args.input, args.output, args.type, args.kernel)
if __name__ == "__main__":
    main()

使用方法

安装依赖

# Python 方案需要的依赖
pip install Pillow numpy opencv-python
# 方案二需要安装 ImageMagick
# Ubuntu/Debian:
sudo apt-get install imagemagick
# macOS:
brew install imagemagick

Python 脚本使用示例

# 基本用法
python blur_batch.py ./input_folder
# 指定输出文件夹和模糊类型
python blur_batch.py ./input_folder -o ./output_folder -t gaussian -r 8
# 局部模糊（只模糊中心）
python blur_batch.py ./input_folder -t center -r 10 --center-percent 0.4
# 递归处理子文件夹
python blur_batch.py ./input_folder --recursive

Bash 脚本使用

./blur_images.sh "./images" "./blurred_output" 8

功能特点

多种模糊类型：高斯模糊、均值模糊、运动模糊、中心区域模糊等
批量处理：支持文件夹批量处理
保留原图：默认不覆盖原图片
灵活输出：可以指定输出目录
递归处理：可以递归处理子文件夹
质量控制：可以调整输出图片质量

您可以根据需要选择最适合的方案，如果需要特殊功能（如人脸识别模糊、特定区域模糊等）,我可以进一步修改脚本。