据统计，图片占据了网页总带宽的60%以上，网页加载每增加1秒，转化率下降7%。掌握图像压缩，不是锦上添花，而是刚需。
一、先搞清楚：你到底在压缩什么？
图像压缩本质上就两条路：
| 类型 | 原理 | 压缩率 | 典型格式 | 适用场景 |
|---|---|---|---|---|
| 无损压缩 | 消除冗余数据，信息零丢失 | 10%-20% | PNG、TIFF | 医学影像、技术图纸 |
| 有损压缩 | 丢弃人眼不敏感的细节 | 60%-90% | JPEG、WebP | 网页图片、社交媒体 |
日常开发中，有损压缩才是主力。人眼对高频细节（噪点、微小色差）并不敏感，JPEG正是利用这一点，通过DCT变换丢弃高频分量，实现"肉眼无损"的极限压缩。
二、核心武器：Pillow库
Pillow 是 Python 图像处理的瑞士军刀，安装一行搞定：
pipinstallPillow三板斧：压缩的本质就是三件事
| 手段 | 代码 | 效果 |
|---|---|---|
| 降质量 | quality=85 | 质量越低，体积越小，画质越差 |
| 缩尺寸 | img.resize((1920, 1080)) | 像素减半，体积约减75% |
| 换格式 | PNG → JPEG | 彩色图体积可缩减50%-80% |
实测数据：
quality=85时人眼几乎看不出差异，但文件体积已减少60%。
三、单张压缩：智能控大小
这是我最常用的脚本——不指定质量值，而是自动压缩到目标大小：
importosfromPILimportImagedefcompress_to_target(input_path,output_path,target_kb=50,step=5):"""自动压缩图片到指定大小（默认50KB）"""withImage.open(input_path)asimg:# PNG透明通道转RGB，避免JPEG保存报错ifimg.modein('RGBA','P'):img=img.convert('RGB')quality=85whilequality>0:img.save(output_path,'JPEG',quality=quality,optimize=True)current=os.path.getsize(output_path)/1024ifcurrent<=target_kb:print(f"✅ 压缩完成:{current:.2f}KB | 质量:{quality}")breakquality-=stepifquality<=0:print(f"⚠️ 已压到最低质量，最终:{current:.2f}KB")# 使用compress_to_target("test.jpg","compressed.jpg",target_kb=100)核心逻辑：从 quality=85 开始试探，每次降5，直到文件小于目标大小。简单粗暴，但极其有效。
四、批量压缩：100张照片30秒搞定
真实测试环境：100张手机照片，每张约10MB。
| 指标 | 压缩前 | 压缩后 |
|---|---|---|
| 总大小 | 1.0 GB | 150 MB |
| 单张大小 | 10 MB | 1.5 MB |
| 压缩比例 | - | 85% |
| 处理时间 | - | 约30秒 |
完整脚本：
importosfromPILimportImagedefbatch_compress(input_dir,output_dir,quality=85,max_width=1920):"""批量压缩文件夹内所有图片"""os.makedirs(output_dir,exist_ok=True)supported=('.jpg','.jpeg','.png','.bmp','.webp')forfilenameinos.listdir(input_dir):ifnotfilename.lower().endswith(supported):continuein_path=os.path.join(input_dir,filename)out_path=os.path.join(output_dir,filename)try:withImage.open(in_path)asimg:# 透明通道处理ifimg.modein('RGBA','P'):img=img.convert('RGB')# 超宽图片等比缩放ifimg.width>max_width:ratio=max_width/img.width new_h=int(img.height*ratio)img=img.resize((max_width,new_h),Image.LANCZOS)# PNG转JPG（可选）ext=os.path.splitext(filename)[1].lower()ifext=='.png':out_path=os.path.join(output_dir,f"{os.path.splitext(filename)[0]}.jpg")img.save(out_path,'JPEG',quality=quality,optimize=True)orig=os.path.getsize(in_path)/1024new=os.path.getsize(out_path)/1024ratio=(1-new/orig)*100print(f"✅{filename}:{orig:.1f}KB →{new:.1f}KB (节省{ratio:.1f}%)")exceptExceptionase:print(f"❌{filename}:{e}")# 执行batch_compress("./原始图片","./压缩图片",quality=80,max_width=1920)参数怎么选？看这张表：
| quality值 | 效果 | 推荐场景 |
|---|---|---|
| 90 | 高质量，压缩少 | 印刷级、产品图 |
| 85 | 平衡质量与大小（推荐） | 日常开发、网站配图 |
| 75 | 明显缩小，轻微损失 | 缩略图、预览图 |
| 50 | 体积最小，画质下降 | 极致压缩、传输优先 |
五、进阶玩法：不止Pillow
| 工具 | 特点 | 适用场景 |
|---|---|---|
| TinyPNG API | 压缩率极高（60%-80%），视觉无损 | 在线批量处理，需联网 |
| OpenCV | 速度快，适合视频帧处理 | 实时流、大规模批处理 |
| PyVips | 性能怪兽，内存占用极低 | 超大图片（航拍、医学影像） |
| K-means聚类 | 原理级压缩，可控制色彩数 | 学习算法、艺术化处理 |
TinyPNG 接入示例：
importtinify tinify.key="YOUR_API_KEY"source=tinify.from_file("input.jpg")source.to_file("output.jpg")# 一行搞定，压缩率比Pillow高20%+六、决策树：什么时候用什么方案？
需要压缩图片？ ├── 临时几张 → 在线工具（AI225、TinyPNG），别造轮子 ├── 批量处理 + 离线 → Pillow脚本（本文方案），够用且免费 ├── 极致压缩率 → TinyPNG API ├── 超大图片（>50MB）→ PyVips └── 学习算法原理 → K-means / 哈夫曼编码写在最后
图像压缩不是什么黑科技，但它是性价比最高的性能优化手段。一行quality=85，省下的带宽和存储，比你优化十段SQL都管用。
代码已经给你了，拿去用。别让你的用户等那多出来的3秒钟。
