使用glob函数处理多张图片

要使用`glob`函数处理多张图片，您可以按照以下步骤进行操作：

1. 首先，确保您已经导了`glob`模块。例如，在Python中可以使用以下代码导入`glob`模块：

import glob

2. 然后，使用`glob.glob()`函数来获取与您的文件匹配的所有图像文件的路径列表。您需要提供一个匹配模式来指定要搜索的图像文件类型和路径。例如，如果您的图像文件都位于名为`images`的文件夹中，并且文件名以`.jpg`或`.png`结尾，您可以使用以下代码获取所有匹配的图像文件路径：

image_files = glob.glob("images/*.jpg") + glob.glob("images/*.png")

3. 接下来，您可以遍历图像文件路径列表，并对每个图像文件执行您需要的操作。例如，您可以使用`cv2.imread()`函数加载图像，并对其进行处理：

import cv2

for image_file in image_files:
    image = cv2.imread(image_file)
    # 对图像进行处理或执行其他操作

4. 最后，根据您的需求，您可以在循环中对每个图像执行不同的操作，或者将它们保存在新的文件中。

这是一个基本的示例，展示了如何使用`glob`函数处理多张图片。根据您的具体需求，您可能需要根据文件夹结构和文件名模式进行适当的调整。希望对您有所帮助！如果您有任何其他问题，请随时提问。

相关问题

裁剪图片中带标签的部分，标签信息存放在json文件当中，并使用glob函数处理多张图片

您好！要裁剪带有标签的图片并使用json文件中的标签信息，可以按照以下步骤进行操作，并使用glob函数处理多张图片：

1. 导入所需的库：

import os
import json
from PIL import Image
import glob

2. 定义函数以处理单张图片：

def process_image(image_path, json_path):
    # 打开图片
    image = Image.open(image_path)
    
    # 读取json文件
    with open(json_path, 'r') as f:
        json_data = json.load(f)
    
    # 获取标签信息
    label_info = json_data['label']
    x = label_info['x']
    y = label_info['y']
    width = label_info['width']
    height = label_info['height']
    
    # 裁剪图片
    cropped_image = image.crop((x, y, x + width, y + height))
    
    # 保存裁剪后的图片
    cropped_image.save('cropped_' + os.path.basename(image_path))

3. 使用glob函数遍历多张图片并进行处理：

image_folder = 'your_image_folder_path'
json_folder = 'your_json_folder_path'

# 获取所有图片路径
image_paths = glob.glob(os.path.join(image_folder, '*.jpg'))

# 遍历图片路径
for image_path in image_paths:
    # 构建对应的json文件路径
    json_path = os.path.join(json_folder, os.path.splitext(os.path.basename(image_path))[0] + '.json')
    
    # 处理单张图片
    process_image(image_path, json_path)

请将 'your_image_folder_path' 替换为存放图片的文件夹路径，'your_json_folder_path' 替换为存放json文件的文件夹路径。此外，上述代码假设图片格式为jpg，如果图片格式为其他格式，请相应地修改 `glob.glob` 中的参数。

希望能对您有所帮助！如果还有其他问题，请随时提问。

glob.glob函数返回图片地址

### 如何使用 Python `glob` 模块获取图片文件路径

#### 使用 `glob.glob()` 查找图片文件路径

为了查找特定类型的图片文件，可以利用 `glob.glob()` 函数配合相应的文件扩展名模式。例如要找到所有 `.jpg`, `.png`, 和 `.gif` 类型的图像文件：

import glob

# 定义多个模式来匹配不同类型的图片文件
image_patterns = ['*.jpg', '*.jpeg', '*.png', '*.gif']

# 创建一个列表推导式来收集所有符合条件的图片路径
all_image_paths = []
for pattern in image_patterns:
    all_image_paths.extend(glob.glob(f'./images/{pattern}'))

print(all_image_paths)

这段代码会遍历给定目录下的所有子目录，并返回与指定模式相匹配的所有图片文件路径[^1]。

如果希望一次性处理多种格式，则可以通过正则表达式的风格定义更复杂的模式字符串:

import glob

# 同时支持 jpg, jpeg, png, gif 格式的单行写法
image_files = glob.glob('./images/*.{jpg,jpeg,png,gif}', recursive=True)

print(image_files)

注意这里使用了参数 `recursive=True` 来允许搜索嵌套更深一层或多层的子目录内的目标文件[^4]。

对于大量数据集或需要高效内存使用的场景下推荐采用 `iglob()` 方法替代 `glob()` ，因为前者不会立即加载整个结果集合到内存中而是按需生成每一个匹配项：

import glob

gen = glob.iglob('**/*.jpg', recursive=True)  # 只寻找.jpg结尾的照片
for file_path in gen:
    print(file_path)

上述例子展示了怎样通过通配符 `**/` 实现跨多级子目录检索功能的同时仅占用较少资源完成相同任务[^2].