使用Python筛选400×400尺寸上下含大量留白的横向图片

问题分析 #

原代码的核心缺陷在于：

• 仅检查上下5%的窄条区域，无法反映整体上下留白的真实占比
• 未区分有效内容的方向，也没有排除侧边留白过多的图片
• 阈值设置过低（0.2），导致大量非目标图片被误选

改进方案 #

我们需要先定位图片的有效内容区域，再通过内容区域的宽高比、上下留白占比、左右留白占比三个维度精准筛选目标图片：

from PIL import Image
import os
import shutil

def is_target_horizontal_image(image_path, white_threshold=200, min_top_bottom_gap_ratio=0.3, max_side_gap_ratio=0.2):
    img = Image.open(image_path)
    width, height = img.size  # 固定为400×400

    # 转为灰度图，简化白色像素判断逻辑
    gray_img = img.convert("L")
    pixel_data = gray_img.getdata()

    # 提取所有非白色像素的坐标（判断有效内容范围）
    non_white_coords = [idx for idx, val in enumerate(pixel_data) if val < white_threshold]
    if not non_white_coords:  # 全白图片直接跳过
        return False

    # 计算有效内容区域的上下左右边界
    min_y = min(coord // width for coord in non_white_coords)
    max_y = max(coord // width for coord in non_white_coords)
    min_x = min(coord % width for coord in non_white_coords)
    max_x = max(coord % width for coord in non_white_coords)

    # 计算内容区域的宽高
    content_width = max_x - min_x + 1
    content_height = max_y - min_y + 1

    # 条件1：有效内容为横向（宽度大于高度）
    if content_width <= content_height:
        return False

    # 条件2：上下留白总占比达标
    total_top_bottom_gap = height - content_height
    top_bottom_gap_ratio = total_top_bottom_gap / height
    if top_bottom_gap_ratio < min_top_bottom_gap_ratio:
        return False

    # 条件3：左右留白占比不超标，排除侧边留白多的图片
    total_side_gap = width - content_width
    side_gap_ratio = total_side_gap / width
    if side_gap_ratio > max_side_gap_ratio:
        return False

    return True

def filter_target_images(input_folder, output_folder):
    os.makedirs(output_folder, exist_ok=True)
    image_extensions = ('.png', '.jpg', '.jpeg', '.gif', '.bmp', '.tiff')

    for filename in os.listdir(input_folder):
        if filename.lower().endswith(image_extensions):
            img_path = os.path.join(input_folder, filename)
            if is_target_horizontal_image(img_path):
                shutil.copy2(img_path, os.path.join(output_folder, filename))

if __name__ == "__main__":
    input_dir = r'your/input/folder/path'
    output_dir = r'your/output/folder/path'
    filter_target_images(input_dir, output_dir)
    print(f"筛选完成，结果已保存到: {output_dir}")

参数说明 #

• white_threshold=200：判断白色像素的阈值，可根据图片实际白色深浅调整（数值越接近255判断越严格）
• min_top_bottom_gap_ratio=0.3：要求上下留白总占比至少30%，可按需提高或降低
• max_side_gap_ratio=0.2：限制左右留白总占比不超过20%，避免误选侧边留白多的纵向内容图片

内容的提问来源于stack exchange，提问作者Mycode