批量改图片DPI的Python脚本 | 写论文终于不用一张张改了
先说下DPI这事儿很多人搞不清其实改DPI不改变图片本身的像素就是改个打印清晰度标识。简单说72/96dpi屏幕看看还行打印就糊300dpi普通印刷够用600dpi学术论文、学位论文基本都要这个标准所以改DPI不是把小图放大只是告诉打印机这图按高清来印。脚本怎么写的直接上代码我把注释都写清楚了小白也能用。核心部分其实就几行最关键的就是Pillow这个库的save方法给它传dpi参数就行from PIL import Image # 打开图片 with Image.open(你的图片.jpg) as img: # 保存的时候设置DPI img.save(输出.jpg, dpi(600, 600), quality95)就这么简单。JPG的话加个quality95画质损失很小。PNG是无损的直接设dpi就行。完整的批量处理版本我加了遍历文件夹、格式过滤、异常处理这些直接用就行from PIL import Image import os # 这里改路径就行 INPUT_FOLDER r.\input # 把要处理的图放这个文件夹 OUTPUT_FOLDER r.\output # 处理完自动存在这里 TARGET_DPI (600, 600) # 论文就用600不用改 # # 自动创建输出文件夹 os.makedirs(OUTPUT_FOLDER, exist_okTrue) count_ok 0 count_skip 0 print(开始处理...\n) for filename in os.listdir(INPUT_FOLDER): filepath os.path.join(INPUT_FOLDER, filename) # 跳过文件夹 if not os.path.isfile(filepath): continue # 只处理图片 ext os.path.splitext(filename)[1].lower() if ext not in (.png, .jpg, .jpeg): count_skip 1 print(f跳过: {filename}) continue try: with Image.open(filepath) as img: params {dpi: TARGET_DPI} # JPG额外加画质参数 if ext in (.jpg, .jpeg): params[quality] 95 params[subsampling] 0 # 保存 img.save(os.path.join(OUTPUT_FOLDER, filename), **params) count_ok 1 print(f完成: {filename}) except Exception as e: count_skip 1 print(f失败: {filename} | {str(e)}) # 最后统计 print(\n -*40) print(f处理完了成功: {count_ok} 张跳过: {count_skip} 个) print(f文件存在这里: {os.path.abspath(OUTPUT_FOLDER)}) print(-*40)怎么用

相关新闻

段件库 (Duanjian):段言(Duan)的官方段件包管理器和注册表。

段件库 (Duanjian):段言(Duan)的官方段件包管理器和注册表。

段件库 (Duanjian) 段言(Duan)的官方段件包管理器和注册表。 快速开始 # 安装段件 duanpkg install 网络请求# 搜索段件 duanpkg search 数据库# 按命名空间过滤 duanpkg search 工具 --namespace community# 按分类过滤 duanpkg list --category dev…

2026/7/9 1:49:44阅读更多 →
STM32L496ZG驱动磁性蜂鸣器实现嵌入式声音反馈方案

STM32L496ZG驱动磁性蜂鸣器实现嵌入式声音反馈方案

1. 项目概述:为嵌入式项目添加互动声音元素在嵌入式系统开发中,声音反馈是提升用户体验的关键要素之一。通过STM32L496ZG微控制器和CMT-8540S-SMT磁性蜂鸣器的组合,我们可以为各种项目添加丰富的互动声音元素。这个方案特别适合需要低成本、低…

2026/7/9 1:49:43阅读更多 →
护照多功能证件阅读机在酒店行业的应用

护照多功能证件阅读机在酒店行业的应用

护照多功能证件阅读机在酒店行业的应用,主要围绕提升外籍宾客入住效率、满足公安合规要求及优化住客服务体验展开,已成为酒店智能化管理的关键设备-5-12。核心应用场景 前台快速入住登记:前台人员将旅客护照放置在阅读器上,设备在…

2026/7/9 1:44:43阅读更多 →
数据库设计方法:从需求到表结构

数据库设计方法:从需求到表结构

数据库设计方法:从需求到表结构一句话总结:数据库设计遵循"需求分析 → 概念结构设计(E-R 图) → 逻辑结构设计(关系模式) → 物理结构设计(索引/存储)"四步流程&#xff…

2026/7/9 2:49:47阅读更多 →
中国工业互联网研究院发布 “模数共振”评测体系

中国工业互联网研究院发布 “模数共振”评测体系

“模数共振”评测体系 “模数共振”评测体系,整体分为三个层级:第一层是行业数据集测试,重点评估数据的专业性、通用性等指标,为模型训练与应用提供高质量数据基础;第二层是大模型测试,围绕基础能力、场景…

2026/7/9 2:49:47阅读更多 →
西安同城二手商城开发公司排名,商品分类检索缓存优化

西安同城二手商城开发公司排名,商品分类检索缓存优化

西安同城二手商城开发公司排名,商品分类检索缓存优化 西安同城二手商城、闲置交易商城的商业化落地需求逐年增长,区别于轻量化二手小程序,同城二手商城具备商品量大、分类层级多、筛选维度复杂、访问并发高的特点,适配本地商家入…

2026/7/9 2:49:47阅读更多 →
gplearn 0.4.2 因子挖掘实战:GPU加速与三维数据改造,训练耗时从10小时降至30分钟

gplearn 0.4.2 因子挖掘实战:GPU加速与三维数据改造,训练耗时从10小时降至30分钟

gplearn 0.4.2 因子挖掘实战:GPU加速与三维数据改造,训练耗时从10小时降至30分钟1. 遗传规划与因子挖掘的技术演进遗传规划(Genetic Programming, GP)作为演化计算的重要分支,近年来在金融量化领域展现出独特价值。其核…

2026/7/9 2:49:47阅读更多 →
QRF vs QR vs QLSTM:3种分位数回归模型在风电预测中的性能对比

QRF vs QR vs QLSTM:3种分位数回归模型在风电预测中的性能对比

QRF vs QR vs QLSTM:风电预测中三种分位数回归模型的深度评测风电功率预测一直是可再生能源领域的关键技术挑战。传统点预测方法难以捕捉风能的随机性和波动性,而分位数回归(Quantile Regression)技术通过预测条件分位数&#xff…

2026/7/9 2:49:47阅读更多 →
Java的java.lang.ModuleLayer可视化

Java的java.lang.ModuleLayer可视化

Java模块化系统的核心:ModuleLayer可视化探秘 在Java 9引入模块化系统后,java.lang.ModuleLayer作为模块层的运行时抽象,成为动态加载和隔离模块的关键组件。其复杂的层级关系和依赖机制往往让开发者难以直观理解。通过可视化手段展现Module…

2026/7/9 2:44:47阅读更多 →
从GitHub安全案例解析常见漏洞与防护实践

从GitHub安全案例解析常见漏洞与防护实践

1. 项目概述:从GitHub Trending看安全实战 最近在GitHub Trending上看到一个项目,叫 skills4/skills ,它因为一些安全漏洞案例被大家讨论。这其实是一个挺典型的场景:一个旨在展示或教授某种技能的仓库,本身却成了安…

2026/7/8 5:12:14阅读更多 →
MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

# MLT 2026启示:因果推理与概率建模驱动下一代LLM应用## 一、背景与挑战:从“黑箱预测”到“可信推理”2026年6月,第7届机器学习与趋势国际会议(MLT 2026)将在悉尼召开。会议议程中,“因果与可解释机器学习…

2026/7/8 7:00:12阅读更多 →
通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

1. 项目概述与漏洞背景最近在梳理一些历史OA系统的安全风险时,通达OA v11.6版本中的一个老漏洞又进入了我的视线。这个漏洞位于/general/bi_design/appcenter/report_bi.func.php文件中,是一个典型的SQL注入点。虽然这个漏洞的利用方式看起来并不复杂&am…

2026/7/9 2:47:07阅读更多 →
Three.js 着色器光效教程

Three.js 着色器光效教程

着色器光效 Shader Light ▶ 在线运行案例 案例合集: 三维可视化功能案例(threehub.cn)开源仓库github地址: https://github.com/z2586300277/three-cesium-examples400个案例代码: 网盘链接 你将学到什么 ShaderMaterial 自…

2026/7/9 0:04:37阅读更多 →
如何5分钟掌握CS2智能库存管理:开源工具CASEMOVE终极指南

如何5分钟掌握CS2智能库存管理:开源工具CASEMOVE终极指南

如何5分钟掌握CS2智能库存管理:开源工具CASEMOVE终极指南 【免费下载链接】casemove A dedicated desktop app that enables you to move items in and out of storage units in CS2. 项目地址: https://gitcode.com/gh_mirrors/ca/casemove 还在为CS2存储单…

2026/7/9 0:04:37阅读更多 →
GBase 8a vs MySQL 8.0:ALTER TABLE语法与限制的5点关键差异对比

GBase 8a vs MySQL 8.0:ALTER TABLE语法与限制的5点关键差异对比

GBase 8a与MySQL 8.0:ALTER TABLE语法差异深度解析与实战指南1. 两种数据库的ALTER TABLE能力全景对比在数据库架构设计和运维过程中,表结构变更(DDL操作)是不可避免的需求。GBase 8a作为国产分析型数据库代表,与开源M…

2026/7/9 0:04:37阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/8 6:59:54阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/8 13:42:39阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/8 13:42:39阅读更多 →