### 问题解构 用户需求聚焦于：**使用 Python 批量遍历指定文件夹（含子文件夹）下的所有图片文件**，核心诉求包括： - ✅ 支持常见图片格式（`.jpg`, `.png`, `.jpeg`, `.bmp`, `.tiff` 等）； - ✅ 支持递归遍历子目录（即深度优先或广度优先的全路径扫描）； - ✅ 返回可编程处理的路径列表（非仅打印）； - ✅ 兼容 `matplotlib`（用于后续显示）与 `numpy`（用于图像数组操作）的典型工作流。 该任务本质是 **文件系统遍历 + 文件类型过滤 + 路径聚合**，属 Python 标准库与生态协同的典型场景。参考资料 [ref_1]–[ref_6] 均验证了 `os.walk()`、`pathlib.Path.rglob()` 及正则匹配在批量图像处理中的高频应用，且全部基于 `matplotlib.pyplot.imread` 或 `cv2.imread` 加载图像，隐含对 `numpy.ndarray` 的强依赖。 --- ### 方案推演与对比 | 方法 | 核心模块 | 递归支持 | 图片过滤方式 | 代码简洁性 | 与 matplotlib/numpy 兼容性 | 推荐指数 | |------|----------|-----------|----------------|--------------|------------------------------|------------| | `os.walk()` + `str.endswith()` | `os` | ✅（需手动拼接） | 显式后缀元组判断 | ⭐⭐ | ✅（路径直传 `plt.imread`） | ⭐⭐⭐⭐ | | `pathlib.Path.rglob()` | `pathlib`（Python 3.4+） | ✅（原生递归） | `path.suffix.lower() in IMG_EXTS` | ⭐⭐⭐⭐⭐ | ✅（`.as_posix()` 转字符串） | ⭐⭐⭐⭐⭐ | | `glob.glob("**/*.jpg")` | `glob` | ✅（需 `recursive=True`） | 单扩展通配（多扩展需多次调用） | ⭐⭐⭐ | ✅ | ⭐⭐⭐ | | `scandir()` + 递归函数 | `os` | ✅（需手写递归） | 灵活（可结合 `imghdr.what` 检测真实类型） | ⭐⭐ | ✅ | ⭐⭐⭐ | > **结论**：`pathlib.Path.rglob()` 是现代 Python 最优解——语法清晰、类型安全、无需手动路径拼接，且与 `matplotlib.image.imread()` 和 `numpy.array` 完全无缝衔接。 --- ### 核心代码实现（含完整示例） 以下代码实现： - 递归扫描 `./images/` 下所有图片； - 过滤 `.jpg`, `.jpeg`, `.png`, `.bmp`, `.tiff`, `.webp`； - 返回绝对路径 `list`，可直接用于 `matplotlib` 显示或 `numpy` 处理； - 包含错误容错（跳过无法读取的损坏文件）。 ```python import pathlib import matplotlib.pyplot as plt import numpy as np # 定义支持的图片扩展名（小写统一） IMG_EXTENSIONS = {'.jpg', '.jpeg', '.png', '.bmp', '.tiff', '.webp'} def collect_image_paths(root_dir: str, recursive: bool = True) -> list: """ 递归收集指定目录下所有图片文件的绝对路径 Args: root_dir: 根目录路径（字符串） recursive: 是否递归子目录（默认True） Returns: list[str]: 图片文件的绝对路径列表 """ root = pathlib.Path(root_dir) if not root.exists(): raise FileNotFoundError(f"根目录不存在: {root_dir}") pattern = "**/*" if recursive else "*" paths = [] for p in root.rglob("*"): if p.is_file() and p.suffix.lower() in IMG_EXTENSIONS: paths.append(p.as_posix()) # 转为标准Unix风格路径（兼容Windows） return sorted(paths) # 排序确保可复现 # === 示例：批量加载并显示前3张图（验证matplotlib+numpy集成） === if __name__ == "__main__": # 1. 收集图片路径 image_list = collect_image_paths("./images/") # 替换为你的实际路径 print(f"共找到 {len(image_list)} 张图片") # 2. 批量加载并转为numpy数组（matplotlib.imread返回np.ndarray） images_np = [] for i, img_path in enumerate(image_list[:3]): # 仅处理前3张作演示 try: img_arr = plt.imread(img_path) # 自动转为numpy.ndarray，dtype通常为uint8或float32 images_np.append(img_arr) print(f"[{i+1}] {img_path} → shape={img_arr.shape}, dtype={img_arr.dtype}") except Exception as e: print(f"⚠️ 跳过 {img_path}: {e}") # 3. 使用matplotlib可视化（验证端到端流程） if images_np: fig, axes = plt.subplots(1, min(3, len(images_np)), figsize=(12, 4)) if len(images_np) == 1: axes = [axes] for ax, img, path in zip(axes, images_np, image_list[:3]): ax.imshow(img) ax.set_title(f"{pathlib.Path(path).name}\n{img.shape}", fontsize=9) ax.axis("off") plt.tight_layout() plt.show() ``` > ✅ **关键说明**： > - `plt.imread()` 内部调用 `PIL` 或 `matplotlib` 自带解码器，**输出即为 `numpy.ndarray`**，可直接参与数值运算（如 `img.mean()`, `np.fft.fft2(img)`）[ref_1][ref_4]； > - `pathlib.Path.as_posix()` 解决 Windows 路径反斜杠 `\` 导致 `matplotlib` 报错问题 [ref_6]； > - 若需更高鲁棒性（如跳过伪图片文件），可集成 `imghdr.what(p)` 或 `PIL.Image.open().verify()` [ref_5]。 --- ### 扩展场景：按类别子文件夹批量处理（如 `./dataset/train/cat/`, `./dataset/train/dog/`） ```python # 按子目录分类收集（常用于深度学习数据集） from collections import defaultdict def collect_by_subdir(root_dir: str) -> dict: """返回 {子目录名: [图片路径列表]}""" result = defaultdict(list) for p in pathlib.Path(root_dir).rglob("*"): if p.is_file() and p.suffix.lower() in IMG_EXTENSIONS: subdir = p.parent.name result[subdir].append(p.as_posix()) return dict(result) # 示例：print(collect_by_subdir("./dataset/train/")) ``` 该模式被广泛用于 [ref_2] 的子文件夹特定文件提取与 [ref_3] 的 `.mat` 分类转换流程中，构成工业级数据预处理基础链路。