Python 批次調整圖片大小工具及進度條顯示

這個 Python 工具利用 Pillow 函式庫進行圖片大小調整，並使用 tqdm 函式庫顯示處理進度。使用者只需提供圖片所在目錄路徑以及目標尺寸，程式便會自動讀取目錄下的所有圖片，進行大小調整後儲存至同目錄下的 resize 資料夾。過程中，tqdm 會即時顯示處理進度，讓使用者清楚掌握目前處理狀態，避免長時間等待的焦慮感。此工具適用於需要批次處理大量圖片的場景，例如：資料預處理、圖片格式轉換等。

from tqdm import tqdm
from PIL import Image
import os
from time import sleep

def resize_image(size, image_path):
    """
    重新調整單張圖片大小。
    
    :param size: 重新調整大小的尺寸（tuple），例如（寬，高）
    :param image_path: 圖片路徑
    """
    if os.path.isfile(image_path):
        try:
            # 開啟圖片
            im = Image.open(image_path)
            # 重新調整圖片大小
            im.thumbnail(size, Image.ANTIALIAS)
            # 儲存重新調整大小的圖片
            im.save("resize/" + os.path.basename(image_path))
        except Exception as ex:
            print(f"Error: {str(ex)} to {image_path}")

def main():
    # 輸入圖片路徑
    path = input("Enter Path to images: ")
    # 輸入重新調整大小的尺寸
    size = input("Size Height, Width: ")
    size = tuple(map(int, size.split(",")))
    
    # 切換到圖片路徑
    os.chdir(path)
    
    # 取得圖片列表
    list_images = os.listdir(path)
    
    # 如果不存在「resize」目錄，則建立
    if "resize" not in list_images:
        os.mkdir("resize")
    
    # 逐一重新調整圖片大小
    for image in tqdm(list_images, desc="Resizing Images"):
        resize_image(size, image)

if __name__ == "__main__":
    main()

繩索遊戲簡介

繩索遊戲是一種經典的文字遊戲，玩家需要猜測一個秘密的單詞，透過不斷猜測和反饋，最終猜出正確的單詞。以下是繩索遊戲的基本程式設計。

程式碼實作

import random

# 列出可能的單詞
words = ['apple', 'banana', 'cherry', 'date', 'elderberry']

# 選擇一個隨機單詞
word = random.choice(words)

# 初始化猜測次數和已猜測的單詞
tries = 6
guessed_words = []

# 初始化單詞完成狀態
word_completion = ['_'] * len(word)

# 遊戲迴圈
while tries > 0 and '_' in word_completion:
    # 顯示目前的單詞狀態
    print(' '.join(word_completion))
    print(f"Length of the word: {len(word)}")
    
    # 取得玩家的猜測
    guess = input("Guess a letter: ").lower()
    
    # 檢查猜測是否有效
    if len(guess) != 1 or not guess.isalpha():
        print("Not a valid guess.")
        continue
    
    # 檢查猜測是否已經猜過
    if guess in guessed_words:
        print("You already guessed this letter.")
        continue
    
    # 新增猜測到已猜測的單詞列表
    guessed_words.append(guess)
    
    # 檢查猜測是否正確
    if guess in word:
        # 更新單詞完成狀態
        for i, letter in enumerate(word):
            if letter == guess:
                word_completion[i] = guess
    else:
        # 減少猜測次數
        tries -= 1
    
    # 顯示繩索遊戲的格式
    print(display_hangman(tries))
    print("\n")

# 檢查遊戲結果
if '_' not in word_completion:
    print("Congrats, you guessed the word! You win!")
else:
    print(f"Sorry, you ran out of tries. The word was {word}. Maybe next time!")

# 繩索遊戲格式顯示函式
def display_hangman(tries):
    stages = [  # final state: head, torso, both arms, and both legs
                """
                   --------
                   |      |
                   |      O
                   |     \\|/
                   |      |
                   |     / \\
                   -
                """,
                # head, torso, both arms, and one leg
                """
                   --------
                   |      |
                   |      O
                   |     \\|/
                   |      |
                   |     / 
                   -
                """,
                # head, torso, and both arms
                """
                   --------
                   |      |
                   |      O
                   |     \\|/
                   |      |
                   |      
                   -
                """,
                # head, torso, and one arm
                """
                   --------
                   |      |
                   |      O
                   |     \\|
                   |      |
                   |     
                   -
                """,
                # head and torso
                """
                   --------
                   |      |
                   |      O
                   |      |
                   |      |
                   |     
                   -
                """,
                # head
                """
                   --------
                   |      |
                   |      O
                   |    
                   |      
                   |     
                   -
                """,
                # initial empty state
                """
                   --------
                   |      |
                   |      
                   |    
                   |      
                   |     
                   -
                """
    ]
    return stages[tries]

內容解密：

上述程式碼實作了一個基本的繩索遊戲，玩家需要猜測一個秘密的單詞，透過不斷猜測和反饋，最終猜出正確的單詞。程式碼包括以下部分：

列出可能的單詞和選擇一個隨機單詞。
初始化猜測次數和已猜測的單詞。
初始化單詞完成狀態。
遊戲迴圈，顯示目前的單詞狀態，取得玩家的猜測，檢查猜測是否有效，檢查猜測是否已經猜過，新增猜測到已猜測的單詞列表，檢查猜測是否正確，更新單詞完成狀態，減少猜測次數，顯示繩索遊戲的格式。
檢查遊戲結果，顯示贏得遊戲或失去遊戲的訊息。

圖表翻譯：

  graph LR
    A[開始] --> B[初始化變數]
    B --> C[遊戲迴圈]
    C --> D[顯示單詞狀態]
    D --> E[取得玩家猜測]
    E --> F[檢查猜測有效性]
    F --> G[檢查猜測是否已經猜過]
    G --> H[新增猜測到已猜測的單詞列表]
    H --> I[檢查猜測是否正確]
    I --> J[更新單詞完成狀態]
    J --> K[減少猜測次數]
    K --> L[顯示繩索遊戲的格式]
    L --> M[檢查遊戲結果]
    M --> N[顯示贏得遊戲或失去遊戲的訊息]

人工智慧在醫療領域的應用

人工智慧（AI）在醫療領域的應用已經成為了一個熱門的研究領域。隨著醫療技術的進步，醫療資料的產生量也越來越大，如何有效地處理和分析這些資料成為了一個挑戰。人工智慧可以幫助醫生和研究人員更好地理解和利用這些資料，從而改善醫療服務的品質和效率。

醫療資料分析

醫療資料分析是人工智慧在醫療領域的一個重要應用。透過分析醫療資料，人工智慧可以幫助醫生和研究人員發現隱藏的模式和關係，從而更好地理解疾病的發生和發展。例如，人工智慧可以分析醫療影像資料，幫助醫生診斷疾病和監測病情的變化。

# Import necessary libraries
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

# Load medical image data
image_data = np.load("medical_image_data.npy")

# Split data into training and testing sets
train_data, test_data, train_labels, test_labels = train_test_split(image_data, np.load("medical_image_labels.npy"), test_size=0.2, random_state=42)

# Train a random forest classifier
clf = RandomForestClassifier(n_estimators=100, random_state=42)
clf.fit(train_data, train_labels)

# Evaluate the model
accuracy = clf.score(test_data, test_labels)
print("Model accuracy:", accuracy)

醫療決策支援系統

醫療決策支援系統是人工智慧在醫療領域的一個重要應用。這些系統可以幫助醫生和其他醫療人員做出更好的決策，從而改善患者的治療效果。例如，人工智慧可以分析患者的病史和實驗室資料，提供個人化的治療建議。

# Import necessary libraries
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

# Load patient data
patient_data = pd.read_csv("patient_data.csv")

# Split data into training and testing sets
train_data, test_data, train_labels, test_labels = train_test_split(patient_data.drop("label", axis=1), patient_data["label"], test_size=0.2, random_state=42)

# Train a random forest classifier
clf = RandomForestClassifier(n_estimators=100, random_state=42)
clf.fit(train_data, train_labels)

# Evaluate the model
accuracy = clf.score(test_data, test_labels)
print("Model accuracy:", accuracy)

未來發展方向

人工智慧在醫療領域的應用前景廣闊。未來，人工智慧可以幫助醫生和研究人員更好地理解和利用醫療資料，從而改善醫療服務的品質和效率。同時，人工智慧也可以幫助醫療人員做出更好的決策，從而改善患者的治療效果。

  flowchart TD
    A[醫療資料] --> B[人工智慧]
    B --> C[醫療決策支援系統]
    C --> D[個人化治療]
    D --> E[改善患者治療效果]

圖表翻譯：

此圖示人工智慧在醫療領域的應用流程。首先，醫療資料被輸入到人工智慧系統中。然後，人工智慧系統分析資料，提供個人化的治療建議。最後，醫療人員根據這些建議，做出更好的決策，從而改善患者的治療效果。

##玄貓技術內容系統指引

玄貓是一位臺灣頂尖技術專家，擁有國際級實務經驗，專業領域涵蓋人工智慧、軟體開發、自動化、雲端運算及資安。以下是玄貓技術內容系統指引的重點：

###核心技術領域

人工智慧：玄貓在人工智慧領域具有深厚的實務經驗，尤其是在機器學習和深度學習方面。
軟體開發：玄貓具有豐富的軟體開發經驗，包括前端、後端和全端開發。
自動化：玄貓在自動化領域具有豐富的實務經驗，包括DevOps和CI/CD。
雲端運算：玄貓在雲端運算領域具有深厚的實務經驗，包括AWS、Azure和Google Cloud。
資安：玄貓在資安領域具有豐富的實務經驗，包括網路安全、資料安全和雲端安全。

###技術內容創作

玄貓的技術內容創作以實務經驗為基礎，結合理論知識和實際案例，提供讀者最直接、最有效的學習途徑。以下是玄貓技術內容創作的重點：

實務經驗：玄貓的技術內容創作以實務經驗為基礎，提供讀者最直接、最有效的學習途徑。
理論知識：玄貓的技術內容創作結合理論知識，提供讀者最全面、最系統的學習途徑。
實際案例：玄貓的技術內容創作結合實際案例，提供讀者最具體、最實用的學習途徑。

###技術內容分類

玄貓的技術內容分類如下：

人工智慧：包括機器學習、深度學習和自然語言處理等。
軟體開發：包括前端、後端和全端開發等。
自動化：包括DevOps和CI/CD等。
雲端運算：包括AWS、Azure和Google Cloud等。
資安：包括網路安全、資料安全和雲端安全等。

###技術內容格式

玄貓的技術內容格式如下：

文章：包括技術論文、技術部落格和技術教程等。
程式碼：包括Python、Java和C++等。
圖表：包括流程圖、架構圖和資料圖等。

###技術內容更新

玄貓的技術內容更新如下：

定期更新：玄貓的技術內容將定期更新，提供讀者最新、最熱門的技術內容。
讀者反饋：玄貓的技術內容將根據讀者反饋進行更新，提供讀者最需要、最想要的技術內容。

###技術內容分享

玄貓的技術內容分享如下：

部落格：玄貓的技術內容將在部落格上分享，提供讀者最方便、最快速的學習途徑。
社交媒體：玄貓的技術內容將在社交媒體上分享，提供讀者最廣泛、最便捷的學習途徑。
論壇：玄貓的技術內容將在論壇上分享，提供讀者最互動、最實用的學習途徑。

程式碼解說：多階段遊戲狀態管理

內容解密：

上述程式碼是一個簡單的多階段遊戲狀態管理系統。這個系統使用了一個名為 stages 的列表來儲存不同階段的遊戲狀態。每個階段都以一個字串表示，包含了該階段的遊戲板面和棋子組態。

def get_stage(tries):
    stages = [
        """
--------
| |
| 0
| |
| |
--------
""",
        """
--------
| |
| 0
| |
| |
--------
""",
        """
--------
| |
| |
| |
| |
--------
"""
    ]
    return stages[tries]

在這個程式碼中，get_stage 函式接受一個名為 tries 的引數，代表著當前遊戲的嘗試次數。函式根據 tries 的值從 stages 列表中選擇相應的遊戲階段，並傳回該階段的遊戲板面組態。

圖表翻譯：

此圖表示了遊戲狀態管理系統的流程。當玩家進行了一次嘗試時，系統會根據嘗試次數選擇下一個遊戲階段，並傳回該階段的遊戲板面組態。

  flowchart TD
    A[玩家進行嘗試] --> B[系統選擇下一個階段]
    B --> C[系統傳回遊戲板面組態]
    C --> D[玩家檢視遊戲板面組態]

程式碼最佳化：

為了最佳化程式碼，我們可以使用一個字典來儲存不同的遊戲階段，而不是使用一個列表。這樣可以使得程式碼更加靈活和易於維護。

def get_stage(tries):
    stages = {
        0: """
--------
| |
| 0
| |
| |
--------
""",
        1: """
--------
| |
| 0
| |
| |
--------
""",
        2: """
--------
| |
| |
| |
| |
--------
"""
    }
    return stages.get(tries, "無效的嘗試次數")

在這個最佳化版本中，我們使用了一個字典 stages 來儲存不同的遊戲階段。字典的鍵是嘗試次數，值是相應的遊戲板面組態。函式 get_stage 現在使用 stages.get 方法來根據 tries 的值選擇相應的遊戲階段，如果 tries 的值不在字典中，則傳回一個預設的錯誤訊息。

使用tqdm和Pillow進行圖片重塑的進度條顯示

在進行大量圖片重塑時，顯示進度條可以讓使用者更好地瞭解程式的執行進度。以下是使用tqdm和Pillow進行圖片重塑的進度條顯示的示例。

安裝所需的函式庫

pip install tqdm Pillow

程式碼示例

from tqdm import tqdm
from PIL import Image
import os

# 定義圖片重塑的函式
def resize_image(image_path, output_path, size):
    image = Image.open(image_path)
    image = image.resize(size)
    image.save(output_path)

# 定義圖片重塑的進度條顯示
def resize_images_with_progress(input_dir, output_dir, size):
    image_paths = [os.path.join(input_dir, file) for file in os.listdir(input_dir) if file.endswith('.jpg')]
    for image_path in tqdm(image_paths, desc='圖片重塑進度'):
        output_path = os.path.join(output_dir, os.path.basename(image_path))
        resize_image(image_path, output_path, size)

# 使用示例
input_dir = 'input_images'
output_dir = 'output_images'
size = (256, 256)
resize_images_with_progress(input_dir, output_dir, size)

解釋

安裝所需的函式庫：tqdm和Pillow。
定義圖片重塑的函式：resize_image。
定義圖片重塑的進度條顯示：resize_images_with_progress。
使用示例：指定輸入目錄、輸出目錄和重塑大小，然後呼叫resize_images_with_progress函式。

進度條顯示

當執行resize_images_with_progress函式時，tqdm會顯示一個進度條，顯示圖片重塑的進度。進度條會顯示已經重塑的圖片數量、總圖片數量和重塑速度等資訊。

內容解密：

tqdm函式庫提供了一個簡單的方式來顯示進度條。
Pillow函式庫提供了一個簡單的方式來重塑圖片。
resize_image函式定義了圖片重塑的邏輯。
resize_images_with_progress函式定義了圖片重塑的進度條顯示的邏輯。

圖表翻譯：

  flowchart TD
    A[開始] --> B[讀取圖片]
    B --> C[重塑圖片]
    C --> D[顯示進度條]
    D --> E[儲存重塑後的圖片]
    E --> F[結束]

圖表顯示了圖片重塑的進度條顯示的流程。

圖片重新調整大小工具

概述

本工具使用 Python 語言，結合 Pillow 和 tqdm 等函式庫，實作圖片批次重新調整大小的功能。使用者可以指定圖片所在路徑、重新調整大小的尺寸，工具將自動處理所有圖片，並將重新調整大小的圖片儲存在原路徑下的「resize」目錄中。

程式碼解析

from tqdm import tqdm
from PIL import Image
import os
from time import sleep

def resize_image(size, image_path):
    """
    重新調整單張圖片大小。
    
    :param size: 重新調整大小的尺寸（tuple），例如（寬，高）
    :param image_path: 圖片路徑
    """
    if os.path.isfile(image_path):
        try:
            # 開啟圖片
            im = Image.open(image_path)
            # 重新調整圖片大小
            im.thumbnail(size, Image.ANTIALIAS)
            # 儲存重新調整大小的圖片
            im.save("resize/" + os.path.basename(image_path))
        except Exception as ex:
            print(f"Error: {str(ex)} to {image_path}")

def main():
    # 輸入圖片路徑
    path = input("Enter Path to images: ")
    # 輸入重新調整大小的尺寸
    size = input("Size Height, Width: ")
    size = tuple(map(int, size.split(",")))
    
    # 切換到圖片路徑
    os.chdir(path)
    
    # 取得圖片列表
    list_images = os.listdir(path)
    
    # 如果不存在「resize」目錄，則建立
    if "resize" not in list_images:
        os.mkdir("resize")
    
    # 逐一重新調整圖片大小
    for image in tqdm(list_images, desc="Resizing Images"):
        resize_image(size, image)

if __name__ == "__main__":
    main()

內容解密：

圖片路徑和大小輸入：使用者需要輸入圖片所在路徑和重新調整大小的尺寸。
圖片列表取得：工具取得指定路徑下的所有檔案列表。
「resize」目錄建立：如果不存在「resize」目錄，工具將自動建立。
圖片重新調整大小：工具逐一對圖片進行重新調整大小的操作，並儲存在「resize」目錄中。
進度條顯示：使用 tqdm 函式庫顯示重新調整大小的進度。

圖表翻譯：

  flowchart TD
    A[開始] --> B[輸入圖片路徑和大小]
    B --> C[取得圖片列表]
    C --> D[建立「resize」目錄]
    D --> E[重新調整圖片大小]
    E --> F[儲存重新調整大小的圖片]
    F --> G[顯示進度]

圖表翻譯：

開始：工具啟動。
輸入圖片路徑和大小：使用者輸入圖片路徑和重新調整大小的尺寸。
取得圖片列表：工具取得指定路徑下的所有檔案列表。
建立「resize」目錄：如果不存在「resize」目錄，工具將自動建立。
重新調整圖片大小：工具逐一對圖片進行重新調整大小的操作。
儲存重新調整大小的圖片：工具儲存重新調整大小的圖片在「resize」目錄中。
顯示進度：工具顯示重新調整大小的進度。

從使用者經驗的角度來看，這個圖片重新調整大小工具提供了一個簡潔易用的介面，讓使用者可以快速批次處理圖片。透過使用 tqdm 顯示進度條，使用者可以清楚地瞭解處理進度，避免了等待過程中的焦慮感。同時，將調整後的圖片儲存到專門的 “resize” 資料夾，也方便使用者管理和使用。

然而，這個工具也存在一些可以改進的地方。例如，目前只支援 jpg 格式的圖片，可以考慮增加對其他常見圖片格式的支援，例如 png、gif 等。此外，目前的錯誤處理機制比較簡單，僅僅是列印錯誤訊息，可以考慮增加更完善的錯誤處理，例如記錄錯誤日誌、跳過錯誤圖片繼續處理等。更進一步地，可以加入使用者自定義儲存路徑的功能，而不是固定儲存在 “resize” 資料夾中。

展望未來，這個工具可以整合更多圖片處理的功能，例如圖片壓縮、格式轉換、裁剪等等，成為一個更全面的圖片處理工具。同時，可以考慮開發圖形化使用者介面 (GUI)，讓使用者操作更加便捷。隨著深度學習技術的發展，也可以考慮整合一些根據 AI 的圖片處理功能，例如圖片超解析度、圖片風格轉換等，提升工具的價值和競爭力。玄貓認為，持續的最佳化和功能擴充套件將使這個工具更具實用價值，滿足更多使用者的需求。

玄貓

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。