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：

pip install Pillow

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：

import os
from PIL import Image

def compress_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）"""
    with Image.open(input_path) as img:
        # PNG透明通道转RGB，避免JPEG保存报错
        if img.mode in ('RGBA', 'P'):
            img = img.convert('RGB')
        
        quality = 85
        while quality > 0:
            img.save(output_path, 'JPEG', quality=quality, optimize=True)
            current = os.path.getsize(output_path) / 1024
            if current <= target_kb:
                print(f"✅ 压缩完成: {current:.2f}KB | 质量:{quality}")
                break
            quality -= step
        
        if quality <= 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：

import os
from PIL import Image

def batch_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')
    
    for filename in os.listdir(input_dir):
        if not filename.lower().endswith(supported):
            continue
        
        in_path = os.path.join(input_dir, filename)
        out_path = os.path.join(output_dir, filename)
        
        try:
            with Image.open(in_path) as img:
                # 透明通道处理
                if img.mode in ('RGBA', 'P'):
                    img = img.convert('RGB')
                
                # 超宽图片等比缩放
                if img.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()
                if ext == '.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) / 1024
                new = os.path.getsize(out_path) / 1024
                ratio = (1 - new / orig) * 100
                print(f"✅ {filename}: {orig:.1f}KB → {new:.1f}KB (节省{ratio:.1f}%)")
        
        except Exception as e:
            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：

import tinify
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。