用python对图片进行压缩

可以使用Pillow库中的Image模块对图片进行压缩。首先，导入以下代码行：

from PIL import Image
import os

然后，使用以下代码行加载原始图像：

image = Image.open("original_image.jpg")

下一步是将图像压缩到你需要的尺寸。以下代码行可以将图像缩小到50％：

width, height = image.size
image = image.resize((int(width * 0.5), int(height * 0.5)))

最后，使用以下代码行保存压缩后的图像：

image.save("compressed_image.jpg", optimize=True, quality=85)

其中，优化的参数可以减小文件大小，质量参数可以控制图像压缩后的图像质量，取值范围是0到100之间，值越高质量越好，但文件大小也就越大。

相关问题

Python 对图片进行压缩

Python可以使用Pillow库对图片进行压缩。具体操作可以使用Pillow库中的Image.resize()函数对图片进行尺寸调整，以及Image.save()函数对图片进行压缩质量调整。例如：

from PIL import Image

# 打开图片文件
img = Image.open("example.jpg")

# 调整图片尺寸为原来的一半
new_size = tuple([int(i/2) for i in img.size])
resized_img = img.resize(new_size)

# 压缩图片质量为原来的70%
resized_img.save("compressed.jpg", quality=70)

这样就可以将原图缩小一倍并压缩质量为70%后存储到指定路径。

用python对图片进行SVD压缩

可以使用Python中的numpy库对图片进行SVD压缩，具体实现可以参考以下代码：

import numpy as np
from PIL import Image

# 读取图片并转换成灰度图
img = Image.open('example.jpg').convert('L')
# 转换成numpy数组
img_array = np.array(img)
# 对图片矩阵进行SVD分解
U, S, VT = np.linalg.svd(img_array)

# 设置要保留的奇异值个数，即压缩后的图片大小
k = 100
# 对S矩阵进行截断，只保留前k个奇异值
S = np.diag(S[:k])
# 计算压缩后的图片矩阵
compressed_img = U[:, :k] @ S @ VT[:k, :]
# 转换为PIL图片并保存
final_img = Image.fromarray(compressed_img.astype(np.uint8))
final_img.save('compressed.png')

这段代码通过对图片矩阵进行SVD分解，对S矩阵进行截断，保留前k个奇异值，来实现图片压缩。