效率至上 —— 自动化一键批量修改图片DPI（AI生成）

【导语：从一个具体且普遍的痛点切入】‌

做学术研究、撰写毕业论文或是向期刊投稿的朋友，大概率都曾被一个看似不起眼却又非常硬性的要求“折磨”过——‌图片DPI‌。许多期刊明确规定所有图表必须达到300dpi，甚至600dpi。然而，我们日常使用的绘图软件（如ArcGIS）、截图工具生成的图片，其默认DPI往往是72或96。于是，在投稿前的冲刺阶段，时间被一张张地消耗在打开图片、调整分辨率的机械重复操作上，这份枯燥的工作不仅消磨耐心，稍有不慎还容易出错。

既然工作是重复的，规则是清晰的，那么这件事就理应交给机器（代码）来完成。‌“效率至上”‌，这正是笔者Gyl想要通过“GylCode”这个空间分享的理念之一。

【正文内容】‌

一、痛点重现与分析‌

我们的目标非常明确：对于一个包含几十张甚至上百张图片的文件夹，我们需要一个工具，能够：

自动遍历指定文件夹内的所有图片文件。
逐一读取每一张图片。
统一将图片的DPI修改为指定值（例如300）。
将修改后的图片保存到另一个文件夹中，避免覆盖原图。

从技术上看，这需要解决三个关键点：‌文件批量处理、图片元信息（metadata）的读写、以及图像质量的无损转换‌。

二、武器库选择：为什么是Python + Pillow？‌

在众多技术方案中，我们选择 ‌Python‌，因其语法简洁、生态强大，极其适合此类自动化脚本的快速开发。而处理图片的库，我们选用 ‌Pillow‌，它是Python图像处理领域事实上的标准库（从PIL fork而来），功能强大且成熟。

python

你需要先安装 Pillow，在终端中执行：

pip install Pillow

三、核心代码实现（附详尽注释）‌

以下是实现上述目标的完整Python脚本 (batch_convert_dpi.py)，代码力求简洁并配上了清晰的注释，方便理解与复用。

python
import os
from PIL import Image

def batch_convert_dpi(src_folder, dst_folder, target_dpi=300):
"""
批量将指定文件夹下所有图片的DPI修改为目标值。

参数:
src_folder (str): 源文件夹路径，包含待处理的图片。
dst_folder (str): 目标文件夹路径，用于保存处理后的图片。
target_dpi (int): 目标DPI值，默认为300。

注意:
- 支持常见图片格式，如jpg, png, tiff等。
- 会保持原始图像尺寸和色彩模式不变，仅修改DPI元数据。
- 会自动创建目标文件夹。
"""
# 1. 确保目标文件夹存在，不存在则创建
os.makedirs(dst_folder, exist_ok=True)

2. 遍历源文件夹中的所有文件

for filename in os.listdir(src_folder):
# 构造完整的文件路径
src_path = os.path.join(src_folder, filename)
# 检查是否是文件（避免遍历到子文件夹）
if not os.path.isfile(src_path):
continue

3. 仅处理常见的图片文件格式

try:
# 使用PIL打开图片
with Image.open(src_path) as img:
# 4. 关键一步：获取原始图片的模式(如RGB, L等)和大小
img_mode = img.mode
img_size = img.size # (width, height)
# 获取图片原始DPI信息（如果有）
original_dpi = img.info.get('dpi')
print(f"处理中: {filename} | 原始DPI: {original_dpi} -> 目标DPI: {target_dpi}")

5. 创建一份原始图片数据的副本（确保数据完整）

使用原始模式加载所有像素数据到一个新的Image对象

img_data = img.getdata() # 获取像素数据
new_img = Image.new(img_mode, img_size) # 创建新图像
new_img.putdata(img_data) # 将像素数据放入新图像

6. 设置新的DPI元数据。元信息是一个元组：(水平DPI， 垂直DPI)

new_img.info['dpi'] = (target_dpi, target_dpi)

7. 构造目标文件路径并保存

分离文件名和扩展名，便于格式控制

name_without_ext, file_ext = os.path.splitext(filename)
dst_filename = f"{name_without_ext}_converted{file_ext}" # 可选：给新文件加后缀
dst_path = os.path.join(dst_folder, dst_filename)

保存图片，根据扩展名自动适配格式，并传递我们设置的info元数据

new_img.save(dst_path, dpi=new_img.info['dpi'])
print(f"已保存: {dst_filename}")

except Exception as e:
# 捕获并打印可能的异常（如文件不是图片，或已损坏）
print(f"处理文件 {filename} 时出错，已跳过。错误信息: {e}")

脚本主体：当直接运行此文件时执行

if name == "main":
# 请在此处设置你的文件夹路径
source_directory = "./input_images" # 替换为你的源图片文件夹路径
output_directory = "./output_images" # 替换为你希望保存结果的文件夹路径
desired_dpi = 300 # 设置你需要的DPI值

执行批量转换

print(f"开始批量转换，源文件夹: {source_directory}")
batch_convert_dpi(source_directory, output_directory, desired_dpi)
print(f"批量处理完成！输出目录: {output_directory}")

核心操作逻辑简述‌：
脚本的逻辑闭环非常清晰：‌遍历文件->打开图片->获取数据->创建副本->写入新DPI->保存新文件‌。对每个文件的操作都是一个独立的循环单元。

四、使用教程与进阶操作‌

准备工作‌：

确保你的计算机上已安装Python。
新建一个文件夹用于存放脚本和测试图片。

开始运行‌：

将上面的完整代码复制到一个文件中，命名为 batch_convert_dpi.py。
确保文件开头的 source_directory 和 output_directory 路径正确指向你的文件夹。可以直接使用绝对路径，例如 "C:/Users/YourName/Pictures/Journal_Figures"。
在终端或命令行中，导航到该脚本所在的文件夹，并执行 python batch_convert_dpi.py。

效果验证‌：

在Windows上，你可以在处理后的图片文件上右键点击‌属性 -> 详细信息‌，查看 水平分辨率 和 垂直分辨率 是否已更新为300 dpi。
在macOS或Linux上，可以使用 file 命令或 identify（ImageMagick）等工具查看图像元数据。

脚本能力扩展‌：

筛选特定格式‌：修改脚本中检查扩展名的部分，只处理特定格式（例如 .tiff， .png）。
递归处理子目录‌：使用 os.walk() 函数替代 os.listdir()，以递归地处理文件夹下的所有层级。
动态DPI‌：可以从命令行参数或一个配置文件（如JSON）中读取DPI值，实现更灵活的控制。
五、Gyl随笔：聊聊效率与边界‌

作为一个分享技术的园地，“GylCode”希望做到的远不止是给出代码。我们更想传递一种思维：‌技术应当是帮助我们解决问题的工具，而不是我们成为其奴役的对象‌。面对可以预见的重复劳作，一次性的、有价值的投入（比如花20分钟写下这个脚本，并在将来可能需要的时候不断复用），是性价比最高的。

写作博文如《由罗技 K380 键盘 FN 键模式切换引发的血案》（仅为举例）一样，不仅记录了解决问题的具体路径，更重要的是分享了在过程中探索、试错、定位真正痛点并获得知识提升的全过程。这正是技术创作的核心魅力所在。