Python Pillow 图片批量压缩实战：限制宽度、输出 WebP 和校验清晰度

很多站点的图片体积偏大，不是因为图片内容复杂，而是因为上传时没有做统一处理。比如一张手机截图有两三千像素宽，放到文章页只显示八百像素，实际却让用户下载了原始大图。处理这类问题，Python 加 Pillow 是一个轻量又稳的方案。

本文做一个可直接复用的小脚本：从输入目录读取图片，按最大宽度等比缩放，输出为 WebP，同时记录原始体积、压缩后体积和尺寸变化。这样既能减少页面加载压力，也方便确认图片没有糊掉。

摘要

图片压缩不是只追求体积越小越好，而是要在清晰度、尺寸和格式之间取平衡。常见做法是：先限制最大宽度，再用 WebP 保存；对于透明图片保留透明通道；最后抽查关键图片，确认文字和边缘没有明显发糊。

适合人群

适合需要处理文章配图、产品截图、后台上传图、教程图片的 Python 开发者。你需要了解基本 Python 文件读写和命令行运行方式。

目录

• 准备目录和依赖
• 从输入目录到 WebP 输出
• 限制宽度并保留透明通道
• 最大宽度、质量参数和清晰度校验
• 上线前检查清单

一、准备目录和依赖

先创建输入和输出目录，输入目录放原图，输出目录放压缩结果。

mkdir -p input-images output-images
python3 -m pip install pillow

为了让示例更集中，下面脚本默认处理 PNG 和 WebP。如果你要处理 JPG 图片，可以按同样方式把后缀加到白名单里。

二、从输入目录到 WebP 输出

整体流程很简单：读取输入目录，逐张打开图片，按最大宽度处理，保存 WebP，最后检查输出结果。

先写一个最小可用版本：

from pathlib import Path
from PIL import Image

INPUT_DIR = Path("input-images")
OUTPUT_DIR = Path("output-images")
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)

SUPPORTED_SUFFIXES = {".png", ".webp"}

def save_webp(source_path: Path, quality: int = 84) -> Path:
    target_path = OUTPUT_DIR / f"{source_path.stem}.webp"

    with Image.open(source_path) as image:
        image.save(target_path, "WEBP", quality=quality, method=6)

    return target_path

for source_path in INPUT_DIR.iterdir():
    if source_path.suffix.lower() not in SUPPORTED_SUFFIXES:
        continue

    result_path = save_webp(source_path)
    print(f"saved: {result_path}")

这个版本已经能跑通，但还缺少尺寸控制。实际业务里，图片太宽是体积过大的主要原因之一，所以还要加最大宽度。

三、限制宽度并保留透明通道

等比缩放的关键是只限制最大宽度，不要强行拉伸。下面函数会在图片宽度超过阈值时缩小，否则保持原尺寸。

from pathlib import Path
from PIL import Image

INPUT_DIR = Path("input-images")
OUTPUT_DIR = Path("output-images")
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)

SUPPORTED_SUFFIXES = {".png", ".webp"}
MAX_WIDTH = 1400
QUALITY = 84

def resize_if_needed(image: Image.Image, max_width: int) -> Image.Image:
    width, height = image.size
    if width  Image.Image:
    if image.mode in ("RGBA", "LA"):
        return image
    return image.convert("RGB")

def compress_image(source_path: Path) -> Path:
    target_path = OUTPUT_DIR / f"{source_path.stem}.webp"

    with Image.open(source_path) as image:
        resized = resize_if_needed(image, MAX_WIDTH)
        ready = normalize_mode(resized)
        ready.save(target_path, "WEBP", quality=QUALITY, method=6)

    return target_path

RGBA 和 LA 模式通常带透明信息，直接保存为 WebP 可以保留透明通道。普通 RGB 图片则转成 RGB，避免模式不一致带来的保存问题。

四、最大宽度、质量参数和清晰度校验

压缩参数需要根据图片类型调整。文章配图、截图、界面图要优先保证文字清晰；纯风景图可以略微提高压缩强度。

可以按这几个规则调参：

• 体积仍然过大：先降低最大宽度，比如从 1600 改到 1400。
• 体积还不理想：再把 QUALITY 从 88 调到 84 或 80。
• 画面发糊：把 QUALITY 往上调，或提高最大宽度。
• 带透明边缘的图片：确认输出后透明区域没有变成白底。

为了方便检查，可以给脚本加一个清单，记录每张图片的变化。

import json
from pathlib import Path
from PIL import Image

def image_info(path: Path) -> dict:
    with Image.open(path) as image:
        width, height = image.size
    return {
        "file": path.name,
        "width": width,
        "height": height,
        "bytes": path.stat().st_size,
    }

manifest = []

for source_path in INPUT_DIR.iterdir():
    if source_path.suffix.lower() not in SUPPORTED_SUFFIXES:
        continue

    target_path = compress_image(source_path)
    manifest.append({
        "source": image_info(source_path),
        "output": image_info(target_path),
    })

(OUTPUT_DIR / "manifest.json").write_text(
    json.dumps(manifest, ensure_ascii=False, indent=2),
    encoding="utf-8",
)

有了清单后，你可以快速看到哪些图片体积下降明显，哪些图片尺寸没有变化，哪些图片需要单独调整参数。

五、常见问题

1. WebP 一定比 PNG 小吗？

多数照片和截图会明显变小，但不是绝对。极小图标、纯色小图，有时差异不明显。重点还是看压缩后体积和清晰度。

2. 质量参数越高越好吗？

不是。质量越高，体积也会越大。文章配图通常可以从 84 开始试，界面截图和代码截图可以适当提高。

3. 为什么不直接统一缩成固定宽高？

固定宽高容易拉伸图片。更稳的做法是限制最大宽度，高度按比例计算，保持原始画面比例。

上线前检查清单

• 输入目录和输出目录是否分开，避免覆盖原图。
• 是否限制最大宽度，避免超大图直接上线。
• 是否保留透明图片的透明通道。
• 是否生成压缩清单，方便对比体积和尺寸。
• 是否抽查包含文字、边框、细线的图片，确认没有明显发糊。
• 是否保留原图，直到线上图片确认无问题。

总结

Python Pillow 批量压缩图片的核心流程并不复杂：读取目录、限制宽度、保存 WebP、生成清单、人工抽查。真正影响效果的是参数取舍。先控制最大宽度，再调整质量参数，最后检查透明和文字细节，就能得到体积更小、清晰度仍然可用的图片素材。