最近在利用paddle的开源模型实现对图片内容的推理。但是由于部分图片过大，导致识别精度下降。根据初步实验结果，发现图片中后部分的信息都没有用，于是想到用Pillow库对图片进行裁剪，从而降低图片大小。

导入Pillow库及其他相关库

from PIL import Image
import os
import glob
from tqdm import tqdm

这边注意一下，Pillow目前最新的版本是10.0.0，如果要用resize对图片进行缩放并进重采样，一些功能已经更新了，请及时查看Pillow官方文档：https://www.osgeo.cn/pillow/ 

获取图片列表

pic_lst = [] #图片名列表
d_path = 'C:/Users/Lenovo/Desktop/group1' #图片位置
new_path = 'C:/Users/Lenovo/Desktop/result' #处理后图片的位置
os.chdir(d_path)
pic_lst.extend(glob.glob(f'*.png'))

裁剪图片并保存

裁剪图片利用的是crop方法，用法是：Image.crop(box=None)。box -- 裁剪矩形，作为（左、上、右、下）元组。坐标系原点是图片的最左上角。通过对比发现，我只需要图片的前面80%即可，所以 box = (0,0,pic.width,int(pic.height*0.8))。另外如果图片的高度小于2000px的话，模型推理精度是可以的，我选择不裁剪。

# 逐一处理每个图片
for i in tqdm(pic_lst):
  path = d_path + '/' + i
  pic = Image.open(path)
  new_path_1 = new_path + '/' + i
  if pic.height > 2000:
    box = (0,0,pic.width,int(pic.height*0.8))
    new_pic = pic.crop(box)
    new_pic.save(new_path_1)
  else:
    pic.save(new_path_1)
print('end!')

运行，查看结果

我在处理批量数据的时候习惯使用tqdm这个库，方便可视化处理过程。图片裁剪成功！