实际开发中经常需要把一张大图均匀切分成多张小图，比如拼图验证码处理、数据集切片、图片九宫格处理。本文基于Python Pillow（PIL）库实现可复用的图片分割函数，支持传入Image对象，返回切割后的子图对象列表，可选择是否落地保存文件。

环境准备

首先安装Pillow库：

pip install pillow

需求说明

• 输入：PIL的Image图片对象，分割份数N（N×N等分）
• 输出：分割之后的子图Image对象列表，不强制写磁盘，可选保存到本地文件夹
• 示例场景：300×300图片，split_count=3，输出9张100×100的子图。

完整代码实现

from PIL import Image
import os
from typing import List


def split_image(
    img: Image.Image,
    split_count: int,
    save_dir: str = None
) -> List[Image.Image]:
    """
    PIL图片N×N等分分割
    :param img: 输入PIL Image对象
    :param split_count: 分割份数，3代表3×3，输出9张子图
    :param save_dir: 不为None时保存子图到此目录；None不落地磁盘
    :return: List[Image.Image] 分割后的子图对象列表
    """
    w, h = img.size

    tile_w = w // split_count
    tile_h = h // split_count

    tile_list: List[Image.Image] = []

    for y in range(split_count):
        for x in range(split_count):
            left = x * tile_w
            upper = y * tile_h
            right = left + tile_w
            lower = upper + tile_h

            tile = img.crop((left, upper, right, lower))
            tile_list.append(tile)

            if save_dir is not None:
                os.makedirs(save_dir, exist_ok=True)
                save_path = os.path.join(save_dir, f"tile_x{x}_y{y}.png")
                tile.save(save_path)

    return tile_list


if __name__ == "__main__":
    # 示例用法
    big_img = Image.open("test.jpg")
    tiles = split_image(big_img, split_count=3)

    print(f"分割得到 {len(tiles)} 张子图")
    print(f"单张子图尺寸: {tiles[0].size}")

    # 单独保存中间一张图片
    # tiles[4].save("middle.png")

    # 如果需要全部保存到本地，传入save_dir参数
    # tiles = split_image(big_img, split_count=3, save_dir="./split_out")

核心原理讲解

1. Image.crop() 裁剪函数

Pillow中crop((left, upper, right, lower))是图片裁剪核心API，四个参数分别代表：

• left：裁剪区域左边界x坐标
• upper：裁剪区域上边界y坐标
• right：裁剪区域右边界x坐标
• lower：裁剪区域下边界y坐标

2. 坐标计算逻辑

假设原图宽高为w,h，分割份数为split_count：

• 每一小块宽度：tile_w = w // split_count
• 每一小块高度：tile_h = h // split_count

双层循环，y为行优先外层循环，x为列内层循环。

left = x * tile_w
upper = y * tile_h
right = left + tile_w
lower = upper + tile_h

3. 返回列表的索引顺序（3×3示例）

index:0 → x=0,y=0 | index:1 →x=1,y=0 | index:2 →x=2,y=0
index:3 → x=0,y=1 | index:4 →x=1,y=1 | index:5 →x=2,y=1
index:6 → x=0,y=2 | index:7 →x=1,y=2 | index:8 →x=2,y=2

多种调用示例

示例1：只做内存分割，不保存文件

适合深度学习数据集预处理，直接拿到子图对象做后续处理。

img = Image.open("300x300.jpg")
tile_list = split_image(img, split_count=3)
# tile_list 里面全部是PIL Image对象，可以直接转numpy、做缩放等操作

示例2：分割同时保存全部子图到文件夹

img = Image.open("300x300.jpg")
tile_list = split_image(img, split_count=3, save_dir="./output")

示例3：分割后只保存其中某一张

img = Image.open("300x300.jpg")
tiles = split_image(img, split_count=3)
tiles[4].save("center.png")

⚠️注意事项

1. 整除问题：当前代码使用整数除法//，如果原图宽高不能被split_count整除，图片右下角多余像素会直接丢弃。
2. 对象生命周期：返回的子图是裁剪出来的新Image对象，和原图相互独立。
3. 本函数只支持N行N列正方形等分；如果需要自定义行列（比如2行3列），可以修改函数增加rows,cols两个入参。

扩展：配套图片拼接函数

很多场景分割之后还需要把子图列表重新合并回大图，这里提供配套的合并函数：

def merge_images(tile_list: List[Image.Image], split_count: int) -> Image.Image:
    """
    将N×N分割得到的子图列表重新拼接回原图
    :param tile_list: split_image返回的子图列表
    :param split_count: 分割时使用的份数
    :return: 拼接完成的PIL Image对象
    """
    tile_w, tile_h = tile_list[0].size
    out_w = tile_w * split_count
    out_h = tile_h * split_count
    out_img = Image.new("RGB", (out_w, out_h))

    idx = 0
    for y in range(split_count):
        for x in range(split_count):
            out_img.paste(tile_list[idx], (x * tile_w, y * tile_h))
            idx += 1
    return out_img

# 使用示例
merged = merge_images(tiles, split_count=3)
merged.save("merged.jpg")

总结

• 函数接收PIL Image对象，无需传入文件路径，更适合内存中流水线处理。
• 返回子图对象列表，灵活选择是否写磁盘，适配数据集处理、九宫格、验证码切片等场景。
• 配合merge_images函数，实现分割-拼接完整流程。

完整源码可直接复制运行，可根据业务需求扩展补白逻辑，处理不能整除的图片尺寸。

---