Python批量缩放图片并添加水印的OpenCV实现教程

图片批量处理是许多工作场景中的常见需求，无论是统一电商商品图尺寸、压缩活动照片体积，还是为资料截图添加品牌水印。面对成百上千的图片文件，手动操作不仅效率低下，还容易出错。这正是Python自动化脚本发挥价值的绝佳场景。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

本文将手把手教你使用opencv-python库，构建一个功能完善的“图片批量缩放与添加水印”工具。整个过程逻辑清晰、代码简洁，无需深入复杂的图像算法，非常适合Python初学者和希望提升办公自动化效率的开发者实践。

1. OpenCV 是什么

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它提供了丰富的图像处理功能，从基础的读写、裁剪、缩放、滤镜，到高级的人脸识别、物体追踪等。在Python中，我们通过安装opencv-python包来调用其核心功能：

pip install opencv-python

安装成功后，可以通过以下代码验证环境是否配置正确：

import cv2
print(cv2.__version__)

2. 图片读取与保存

OpenCV提供了直观的图片读写接口：cv2.imread()用于读取图片，cv2.imwrite()用于保存图片。

import cv2

image = cv2.imread("input.jpg")
if image is None:
    raise FileNotFoundError("图片读取失败，请检查文件路径")
cv2.imwrite("output.jpg", image)

需要了解一个关键概念：OpenCV将读取的图片转换为NumPy多维数组进行处理。数组的形状（shape）遵循（高度, 宽度, 通道数）的格式。例如，一张1920x1080的彩色图片，其形状通常为(1080, 1920, 3)，分别对应高度、宽度和BGR三个颜色通道。

3. 图片缩放

调整图片尺寸主要依赖cv2.resize()函数，它支持多种缩放模式。

3.1 按指定宽高缩放

直接设定目标宽度和高度即可，注意参数顺序为(宽度, 高度)。

resized = cv2.resize(image, (800, 600))

3.2 按比例缩放

通过设置缩放因子，可以实现等比例缩放。例如，将图片宽高均缩小为原来的一半：

resized = cv2.resize(image, None, fx=0.5, fy=0.5)

其中，fx为宽度缩放比例，fy为高度缩放比例。

3.3 按目标宽度等比例缩放

在实际应用中，更常见的需求是限制图片的最大宽度，同时保持原始宽高比，防止图片变形。实现方法是先计算缩放比例，再推导出对应的高度。

height, width = image.shape[:2]
target_width = 1000
scale = target_width / width
target_height = int(height * scale)
resized = cv2.resize(image, (target_width, target_height))

4. 添加文字水印

使用cv2.putText()函数可以在图片上绘制文字。该函数参数明确，易于理解：

watermarked = image.copy()
cv2.putText(
    watermarked,
    text="Python OpenCV",      # 水印文字内容
    org=(30, 60),             # 文字左下角的起始坐标(x, y)
    fontFace=cv2.FONT_HERSHEY_SIMPLEX, # 字体类型
    fontScale=1.2,            # 字体缩放系数
    color=(255, 255, 255),    # 文字颜色（BGR顺序）
    thickness=2,              # 字体粗细
    lineType=cv2.LINE_AA      # 抗锯齿线型，使边缘平滑
)

一个重要的细节是：OpenCV默认使用BGR颜色通道顺序，这与常见的RGB顺序不同。因此，纯白色是(255, 255, 255)，而纯红色是(0, 0, 255)。

5. 半透明文字水印

直接绘制不透明水印可能过于突兀。更优的方案是创建一个覆盖层（overlay），在其上绘制文字，然后通过图像混合技术，以一定的透明度叠加到原图上。

overlay = image.copy()
output = image.copy()
# 在覆盖层上绘制文字
cv2.putText(overlay, "Python OpenCV", (30, 60), cv2.FONT_HERSHEY_SIMPLEX, 1.2, (255, 255, 255), 2, cv2.LINE_AA)
# 混合图像，alpha参数控制水印透明度
alpha = 0.35
watermarked = cv2.addWeighted(overlay, alpha, output, 1 - alpha, 0)

alpha参数是关键，其值范围在0到1之间。值越大，水印越明显；值越小，水印越淡雅。

6. 批量处理整个文件夹图片

实现批量处理的逻辑非常清晰：遍历指定输入文件夹，筛选出所有支持的图片格式，然后对每一张图片执行“读取->缩放->添加水印->保存”的标准化流程。

首先，定义常见的图片文件扩展名集合：

IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".bmp", ".webp"}

接着，利用Python的pathlib模块优雅地遍历文件夹：

from pathlib import Path
input_dir = Path("input_images")
for file_path in input_dir.iterdir():
    if file_path.suffix.lower() in IMAGE_EXTENSIONS:
        print(file_path)  # 识别出一张待处理的图片

7. 中文路径兼容处理

在Windows系统下，当文件路径或名称包含中文字符时，标准的cv2.imread()和cv2.imwrite()函数可能会报错。一个可靠的解决方案是使用numpy.fromfile()结合cv2.imdecode()来读取图片，使用cv2.imencode()结合tofile()来保存图片。

7.1 兼容中文路径读取

import cv2
import numpy as np

def imread_unicode(file_path):
    data = np.fromfile(str(file_path), dtype=np.uint8)
    image = cv2.imdecode(data, cv2.IMREAD_COLOR)
    return image

7.2 兼容中文路径保存

def imwrite_unicode(file_path, image):
    ext = file_path.suffix
    success, encoded_image = cv2.imencode(ext, image)
    if not success:
        return False
    encoded_image.tofile(str(file_path))
    return True

8. 完整项目代码

将上述所有功能模块整合，即可得到一个健壮、实用的批量图片处理脚本。建议将其保存为batch_resize_watermark.py。

假设项目目录结构如下：

image_project/
├─ batch_resize_watermark.py
├─ input_images/
│  ├─ 示例图片1.jpg
│  ├─ 示例图片2.png
│  └─ 示例图片3.webp
└─ output_images/

完整的脚本代码如下：

from pathlib import Path
import cv2
import numpy as np

IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".bmp", ".webp"}

def imread_unicode(file_path: Path):
    """兼容中文路径的图片读取。"""
    data = np.fromfile(str(file_path), dtype=np.uint8)
    image = cv2.imdecode(data, cv2.IMREAD_COLOR)
    return image

def imwrite_unicode(file_path: Path, image) -> bool:
    """兼容中文路径的图片保存。"""
    file_path.parent.mkdir(parents=True, exist_ok=True)
    ext = file_path.suffix
    success, encoded_image = cv2.imencode(ext, image)
    if not success:
        return False
    encoded_image.tofile(str(file_path))
    return True

def resize_keep_ratio(image, max_width: int = 1200):
    """按最大宽度等比例缩放图片。"""
    height, width = image.shape[:2]
    if width <= max_width:
        return image.copy()
    scale = max_width / width
    target_height = int(height * scale)
    resized = cv2.resize(
        image,
        (max_width, target_height),
        interpolation=cv2.INTER_AREA
    )
    return resized

def add_text_watermark(
    image,
    text: str,
    alpha: float = 0.35,
    margin: int = 30
):
    """在图片右下角添加半透明文字水印。"""
    output = image.copy()
    overlay = image.copy()
    height, width = image.shape[:2]

    font_face = cv2.FONT_HERSHEY_SIMPLEX
    font_scale = max(width / 1200, 0.7)
    thickness = max(int(width / 600), 1)

    text_size, baseline = cv2.getTextSize(
        text,
        font_face,
        font_scale,
        thickness
    )
    text_width, text_height = text_size

    x = max(width - text_width - margin, margin)
    y = max(height - margin, text_height + margin)

    # 先绘制一层深色阴影，增强在浅色背景下的可读性
    cv2.putText(
        overlay,
        text,
        (x + 2, y + 2),
        font_face,
        font_scale,
        (0, 0, 0),
        thickness + 1,
        cv2.LINE_AA
    )
    # 再绘制白色文字主体
    cv2.putText(
        overlay,
        text,
        (x, y),
        font_face,
        font_scale,
        (255, 255, 255),
        thickness,
        cv2.LINE_AA
    )
    watermarked = cv2.addWeighted(overlay, alpha, output, 1 - alpha, 0)
    return watermarked

def process_image(
    input_path: Path,
    output_path: Path,
    watermark_text: str,
    max_width: int
) -> bool:
    """处理单张图片：读取、缩放、加水印、保存。"""
    image = imread_unicode(input_path)
    if image is None:
        print(f"读取失败: {input_path}")
        return False
    resized = resize_keep_ratio(image, max_width=max_width)
    watermarked = add_text_watermark(resized, watermark_text)
    success = imwrite_unicode(output_path, watermarked)
    if not success:
        print(f"保存失败: {output_path}")
        return False
    return True

def batch_process_images(
    input_dir: Path,
    output_dir: Path,
    watermark_text: str = "Python OpenCV",
    max_width: int = 1200
) -> None:
    """批量处理文件夹中的图片。"""
    if not input_dir.exists():
        raise FileNotFoundError(f"输入文件夹不存在: {input_dir}")
    output_dir.mkdir(parents=True, exist_ok=True)

    image_files = [
        file_path
        for file_path in input_dir.iterdir()
        if file_path.is_file() and file_path.suffix.lower() in IMAGE_EXTENSIONS
    ]
    if not image_files:
        print(f"没有找到可处理的图片: {input_dir}")
        return

    success_count = 0
    for input_path in image_files:
        output_path = output_dir / input_path.name
        success = process_image(
            input_path=input_path,
            output_path=output_path,
            watermark_text=watermark_text,
            max_width=max_width
        )
        if success:
            success_count += 1
            print(f"处理完成: {input_path.name}")

    print(f"批量处理结束，成功 {success_count}/{len(image_files)} 张")
    print(f"输出目录: {output_dir.resolve()}")

def main():
    input_dir = Path("input_images")
    output_dir = Path("output_images")
    batch_process_images(
        input_dir=input_dir,
        output_dir=output_dir,
        watermark_text="Python OpenCV",
        max_width=1200
    )

if __name__ == "__main__":
    main()

在命令行中运行此脚本：

python batch_resize_watermark.py

运行成功后，终端将显示类似以下信息，表明所有图片均已处理完毕：

处理完成: 示例图片1.jpg
处理完成: 示例图片2.png
处理完成: 示例图片3.webp
批量处理结束，成功 3/3 张
输出目录: D:\image_project\output_images

9. 效果演示说明

脚本执行前，请将待处理的原始图片放入input_images文件夹。脚本执行后，处理完成的图片将保存至output_images文件夹。每张图片将经历两个核心处理步骤：

1. 智能缩放：如果原图宽度超过预设的max_width（默认为1200像素），则会按比例缩放到该最大宽度，高度自动调整以保持原图比例。
2. 添加水印：在图片右下角添加指定的半透明文字水印，水印大小会根据图片尺寸自适应调整。

得益于中文路径兼容处理，即使文件夹或文件名包含中文，整个流程也能顺畅执行。

10. 常见问题

10.1 为什么 OpenCV 的颜色是 BGR

这是OpenCV库早期的一个设计决策，其默认颜色通道顺序为BGR（蓝-绿-红），而许多其他图像库（如PIL/Pillow、Matplotlib）采用RGB顺序。在涉及颜色操作时，需要注意此区别并进行必要的转换。

10.2 PNG 透明背景会保留吗

本文示例代码使用cv2.IMREAD_COLOR模式读取图片，此模式会忽略PNG图像的透明通道（Alpha通道）。如果需要处理带透明背景的PNG图片，应改用cv2.IMREAD_UNCHANGED模式读取，并在后续的图像处理步骤中妥善维护Alpha通道数据。

10.3 水印位置如何调整

水印位置由add_text_watermark函数中的坐标计算逻辑决定。默认位置是右下角。若想将水印置于左上角，可修改坐标计算部分：

x = margin
y = text_height + margin

10.4 如何递归处理子文件夹

当前脚本仅处理输入目录的顶层文件。若要递归处理所有子目录中的图片，可将遍历代码从input_dir.iterdir()替换为input_dir.rglob("*")。同时，在生成输出路径时，需要保留原文件的相对目录结构，以防止不同子目录下的同名文件相互覆盖。

总结

通过本项目，我们系统性地实践了使用OpenCV进行图像处理的几个核心操作：图片的读取与保存、等比例缩放、文字水印添加以及透明度混合。同时，也解决了实际开发中常见的中文路径兼容性与批量文件遍历问题。

掌握这些基础知识后，你可以轻松扩展脚本功能，例如实现批量格式转换、添加图片Logo水印、支持递归目录处理、生成处理日志报告等，从而打造一个高度定制化、完全贴合个人或团队工作流的自动化图片处理工具。