如何用Python将文件夹内多张图片逐行存储为CSV文件并自动化处理

以下是可直接运行的批量处理代码，在你原有单图处理逻辑的基础上增加了文件夹遍历、格式过滤的能力：

import os
import pandas as pd
import numpy as np
import matplotlib.image as img

# 配置项，运行前请修改为自己的本地路径
image_folder = "./images"  # 存放待处理图片的文件夹路径
output_csv_path = "./gfgfile.csv"  # 最终输出的CSV文件路径
support_suffix = {"jpg", "jpeg", "png"}  # 支持的图片格式，可自行扩展

all_image_rows = []
# 遍历目标文件夹下的所有文件
for filename in os.listdir(image_folder):
    # 过滤非图片格式的文件
    suffix = filename.split(".")[-1].lower()
    if suffix not in support_suffix:
        continue
    # 拼接得到图片的完整路径
    full_img_path = os.path.join(image_folder, filename)
    # 复用原有单张图片处理逻辑
    imageMat = img.imread(full_img_path)
    image_reshape = imageMat.flatten().reshape(-1, 1).T
    # 拼接高度、宽度和像素数组
    image_row = np.array([[imageMat.shape[0], imageMat.shape[1]]])
    image_row = np.append(image_row, image_reshape, axis=1)
    all_image_rows.append(image_row[0])

# 所有图片处理完成后统一写入CSV
mat_df = pd.DataFrame(all_image_rows)
mat_df.to_csv(output_csv_path, header=None, index=None)

注意事项 #

• 如需支持更多图片格式，直接在support_suffix集合中添加对应后缀即可
• 若存在尺寸不一致的图片，较短的像素行会自动补NaN值
• 批量处理大量高分辨率图片时，CSV文件体积会非常大，建议提前预留足够磁盘空间
• 如果需要遍历图片文件夹下所有子目录中的图片，可将遍历逻辑替换为os.walk实现
• 若处理的图片数量极多内存不足，可修改为逐行追加写入CSV的模式降低内存占用

内容的提问来源于stack exchange，提问作者rluq