【Python+图片切割+图片合并】基于Python的图片批量切割与合并（保持原像素不变，不会出现像素大小不匹配、填充黑边的问题）

前言

1、本文介绍了基于Python实现的图片切割后按原尺寸合并还原的方法。
2、本文前面详细介绍了各个方法，文末提供了完整代码。
3、本文需要自行填充一些路径，具体请看文末完整代码中的中文信息。
4、本文适配的MacOS解决了目录会自动生成.DS_Store文件的问题。
5、本文的逻辑将会是从切割到复原的全部流程，代码并不会在切割之后停下。
5、本文的逻辑中，存放切割后小图片的目录是作为临时目录，在对下一张图片处理之前将会把此文件夹清空，若需要对小图片做一些操作，可以在文末完整代码对应位置上添加流程。

在一般的图像切割与合并博文中，基本都不会考虑固定尺寸切割最后会导致尺寸损失或尺寸变大，体现就是图片的像素变少了，或者加上了没必要的多余像素。
本文在基于网络上的一些切割合并图像文章之后，实现了对一个目录内所有的图像进行切割、合并的操作，并且能保持像素数量与原图尺寸，不会出现图像尺寸的变化。

效果图

1、批量读取文件

调用os，读取目录下的所有文件，同时排除了MacOS系统自动生成的.DS_Store文件。

# 加载图片列表
def round_read_file(file_path):
    image_name_list = []
    for file_name in os.listdir(file_path):
    	# 排除MacOS的.DS_Store文件，Windows下不受影响。
        if file_name != '.DS_Store':
            print("加载图片:"+str(file_path)+str(file_name))
            image_name_list.append(str(file_name))
    print("总计加载图片数量" + str(len(image_name_list)))
    return image_name_list

2、清空目标目录方法（配合切割图片方法使用）

# 清空TEMP
# dir_path:需要清空的目录路径
def del_files(dir_path):
    # os.walk会得到dir_path下各个后代文件夹和其中的文件的三元组列表，顺序自内而外排列，
    for root, dirs, files in os.walk(dir_path, topdown=False):
        # 第一步：删除文件
        for name in files:
            os.remove(os.path.join(root, name))  # 删除文件
        # 第二步：删除空文件夹
        for name in dirs:
            os.rmdir(os.path.join(root, name)) # 删除一个空目录
    print("clear done!!")

3、批量切割图片（像素不足自动补全）

# 切割
# orgPath:加载图片所在路径
def qg(orgPath):
    del_files("切割后的小图片要保存在的目录/")
    global static_cols
    global static_rows
    # 目标分割大小
    DES_HEIGHT = 1500
    DES_WIDTH = 1500

    # 获取图像信息
    path_img = orgPath

    # 获取原始高分辨的图像的属性信息
    src = cv2.imread(path_img)
    height = src.shape[0]
    width = src.shape[1]

    # 把原始图像边缘填充至分割大小的整数倍
    padding_height = math.ceil(height / DES_HEIGHT) * DES_HEIGHT
    padding_width = math.ceil(width / DES_WIDTH) * DES_WIDTH

    # 将padding图像与原始图像进行融合，使得原始
    padding_img = np.random.randint(0, 255, size=(padding_height, padding_width, 3)).astype(np.uint8)
    padding_img[0:height + 0, 0:width + 0] = src

    img = padding_img  # 读取彩色图像，图像的透明度(alpha通道)被忽略，默认参数;灰度图像;读取原始图像，包括alpha通道;可以用1，0，-1来表示
    sum_rows = img.shape[0]  # 高度
    sum_cols = img.shape[1]  # 宽度

    cols = DES_WIDTH
    rows = DES_HEIGHT
    save_path = "切割后的小图片要保存在的目录/".format(cols, rows)  # 切割后的照片的存储路径
    static_rows = int(sum_rows / rows)
    static_cols = int(sum_cols / cols)
    filename = os.path.split(path