在Python中，可以通过使用图像处理库如Pillow来调整图片大小，具体步骤包括导入Pillow库，然后使用Image模块的open()函数打开图片，接着使用resize()函数调整图片大小，通过指定新的宽度和高度参数，可以轻松地改变图片的尺寸。
在Python中,处理图像大小是一个常见的任务，尤其是在进行图像处理、数据分析或网页开发时，Pillow库是一个非常强大的工具，用于进行这种操作。
要使用Pillow库的Image模块来打开、调整和保存图像，您提供的代码片段已经很好地展示了如何使用resize方法来调整图像大小，下面我会对这段代码进行一些补充和优化，并解释一些额外的操作。
-
使用
resize方法调整图片大小：from PIL import Image with Image.open('input.jpg') as image: # 调整图片大小到指定尺寸，并保持纵横比 new_image = image.resize((300, 200), Image.LANCZOS) # 使用LANCZOS插值法提高质量 # 保存调整后的图片 new_image.save('output.jpg')这里使用了
with语句来确保图像文件在操作完成后被正确关闭，这是一个好的编程习惯，我添加了Image.LANCZOS作为resize方法的插值参数，以提高重采样时的图像质量。 -
保持纵横比使用
thumbnail方法：# 设定最大尺寸的宽高，并保持纵横比 image.thumbnail((300, 300)) # 这里将最大尺寸设为300x300，Pillow会自动按比例缩放以适应该尺寸 image.save('output.jpg') # 保存调整后的图片使用
thumbnail方法时，Pillow会自动按比例缩放图片以适应给定的最大尺寸，同时保持图片的纵横比。 -
对于性能优化,使用多线程处理图像是一个好方法，直接在Pillow中并不支持多线程操作，我们可以使用Python的并发特性来优化处理多个图像的流程，下面是一个使用多线程处理图像的示例：
from concurrent.futures import ThreadPoolExecutor from PIL import Image
def resize_image(input_path, output_path, size): with Image.open(input_path) as img: img.thumbnail(size) # 保持纵横比缩放至指定尺寸 img.save(output_path) # 保存调整后的图片
使用线程池执行多个图像处理任务
with ThreadPoolExecutor() as executor:
假设有一个列表包含多个图像路径和输出路径
image_tasks = [('input1.jpg', 'output1.jpg', (300, 300)), ...] # 根据实际情况填充任务列表
for input_path, output_path, size in image_tasks:
executor.submit(resize_image, input_path, output_path, size) # 提交任务到线程池执行
在这个示例中，我们使用了`ThreadPoolExecutor`来并发地执行多个图像处理任务，这需要您事先准备好一个包含输入和输出路径以及相应尺寸的任务列表，每个任务都会在单独的线程中执行`resize_image`函数，这样可以显著提高处理大量图像时的性能。
Pillow库提供了强大的工具来处理图像大小和其他图像处理任务，通过合理使用这些工具和技巧，您可以轻松地在Python中调整和处理图像。
