### 如何使用 Python 读取文件夹中的图片 在 Python 中，可以利用 `os` 和 `PIL` 或者 `cv2` 库来实现从指定文件夹中批量加载图像的功能。以下是具体方法： #### 使用 PIL (Pillow) 加载图像 Python Imaging Library (PIL)，现在通常称为 Pillow，是一个强大的库用于处理图像数据。通过结合 `os.listdir()` 方法获取目录下的所有文件名列表，并逐一判断是否为图片文件。 ```python from PIL import Image import os folder_path = 'path/to/your/folder' # 替换为目标文件夹路径 image_extensions = ['.png', '.jpg', '.jpeg'] # 支持的图片扩展名 images = [] for filename in os.listdir(folder_path): # 遍历文件夹内的所有文件 if any(filename.lower().endswith(ext) for ext in image_extensions): img_path = os.path.join(folder_path, filename) try: with Image.open(img_path) as img: # 打开并加载图像 images.append(img.convert('RGB')) # 转换为 RGB 模式[^1] except Exception as e: print(f"无法打开 {img_path}: {e}") ``` 上述代码会遍历目标文件夹中的每一个文件，如果其扩展名为 `.png`, `.jpg`, 或 `.jpeg` 则尝试将其作为图像对象加载到内存中[^2]。 #### 使用 OpenCV 加载图像 OpenCV 是另一个广泛使用的计算机视觉库，在其中提供了非常简便的方式来操作图像。同样可以通过循环访问文件夹内容完成此任务。 ```python import cv2 import os folder_path = 'path/to/your/folder' image_extensions = ['png', 'jpg', 'jpeg'] images_cv = [] for file_name in os.listdir(folder_path): if file_name.split('.')[-1].lower() in image_extensions: full_file_path = os.path.join(folder_path, file_name) img_array = cv2.imread(full_file_path) # 将图像转换成 NumPy 数组形式[^3] if img_array is not None: images_cv.append(img_array) print(len(images_cv), "张图片已成功加载.") ``` 这段脚本实现了相同的目的——即收集给定目录下所有的兼容格式的图片数组集合。值得注意的是这里我们采用了 BGR 的颜色空间表示法而不是标准 RGB[^4]。 --- ###