500张证件照要改尺寸?Python+AI 3分钟搞定

VOL. 04

Python+AI 实战系列 · 第4篇

HR小刘，上周接到一个任务。

公司办500张工牌，需要收集所有人的证件照。

照片收上来了。问题也来了：

•尺寸不统一，有大有小

•背景不统一，蓝底白底自拍都有

•文件名乱七八糟，"微信图片_20250301.jpg"

•分辨率参差不齐

领导要求：全部统一成白底、295×413像素、文件名用工号。

小刘打开Photoshop，处理了第一张。

然后看了看文件夹里的499张。

陷入了沉默。

预计工作量：3天。

实际工作量：3分钟。

你仔细想想，下面这些事，是不是经常遇到：

•批量改图片尺寸、分辨率

•批量加水印、加Logo

•批量转换格式（PNG转JPG、HEIC转JPG）

•从图片里提取文字（OCR）

•批量裁剪、旋转、调色

•证件照换底色

•发票/合同截图里的关键信息提取

这些事，有一个共同特点：

每一张的处理逻辑都一样，只是数据不同。

Photoshop再强大，也需要你一张一张操作。

Python不一样——处理1张和处理500张，代码一模一样，只是循环多跑几圈。

人做500张要3天，Python做500张要3秒。

传统做法： Photoshop打开一张 → 改尺寸 → 加水印 → 导出 → 下一张。每张2分钟，500张16小时。

Python+AI做法： 写一个脚本，指定文件夹，自动处理。3分钟。

告诉AI：

"帮我写一个Python脚本，读取文件夹里所有图片，统一调整为295×413像素，右下角加'XX公司'水印，输出到新文件夹。"

用Pillow库（Python最基础的图像处理库）就能搞定。

传统做法： Photoshop → 魔棒选背景 → 删掉 → 填白色 → 导出。每张3分钟，100张5小时。

Python+AI做法： AI识别前景人物，自动抠图，换白底。100张5分钟。

告诉AI：

"帮我写一个Python脚本，用rembg库自动去除图片背景，替换为白色。"

rembg是开源AI抠图库，效果比Photoshop魔棒好得多。

关键：不需要你懂任何图像处理原理。一行代码，AI自动完成。

传统做法： 看着图片，一个字一个字敲进Excel。一张发票5分钟，100张8小时。

Python+AI做法： Python调用OCR识别，AI理解内容并结构化输出。100张10分钟。

告诉AI：

"帮我写一个Python脚本，读取所有发票图片，用OCR识别'发票号、金额、日期、开票方'，输出到Excel。"

Python负责"读图片"，AI负责"理解内容"。

不只是把文字识别出来，还能理解"哪个是金额、哪个是日期"。

传统做法： 一张张看，手动改名，手动拖文件夹。500张，2小时。

Python+AI做法： AI识别图片内容，自动命名+分类。5分钟。

告诉AI：

"帮我写一个Python脚本，读取图片，用AI识别内容（'身份证正面''学历证书'等），按类别分文件夹，文件名改为'类别_序号'。"

AI不只是"看图"，而是"理解图"。

来一个能直接上手的。

第一步：安装依赖

pipinstallPillow

一行命令，搞定。

第二步：让AI写代码

把这段话丢给AI：

"帮我写一个Python脚本：- 读取 input 文件夹里所有jpg和png图片- 每张图调整为295×413像素- 右下角加'XX公司'文字水印，半透明白色- 输出到 output 文件夹- 打印处理进度"

第三步：运行

pythonresize.py

3分钟后，output文件夹里，500张处理好的图片整整齐齐。

第一次30分钟（安装环境+调试）。以后每次3分钟。

上面的场景，都是"机械处理"。

但AI还能做更高级的事：理解图片。

自动筛选合格证件照

"检查这500张证件照，筛选出白底、正面、无遮挡、清晰度达标的。不合格的单独放一个文件夹，标注原因。"

发票信息自动录入

"读取这些发票图片，提取发票号、金额、税额、日期、开票方，输出到Excel。"

不只是OCR识别文字，是理解"哪串数字是金额、哪串是日期"。

图片内容自动打标签

"给这1000张图片自动打标签：'人物''风景''文档''产品'。"

这些功能，以前需要一个专业的图像处理团队。现在一段Python代码就搞定。

坑1：图片格式不统一

JPG、PNG、HEIC、WEBP混在一起。

解决：让AI加一步"格式统一转换"，全部转成JPG再处理。

坑2：图片质量太差，OCR不准

模糊、歪斜、光照不均。

解决：先让AI写一个"图片预处理脚本"——调亮度、矫正倾斜、提高清晰度，再OCR。

坑3：处理完不检查

解决：随机抽查10张。Python处理99%没问题，但那1%可能让你返工。

上面所有场景，核心动作都是同一件事：

把"规则明确、重复执行"的操作，从人手里交给机器。

人擅长什么？判断、创造、决策。

机器擅长什么？重复、批量、不犯错。

把重复的事交给机器，不是偷懒，是把人放回到该在的位置上。

小刘那3天的工作量，变成3分钟。

省下来的3天，她做了什么？

她做了一份"员工入职体验优化方案"。

那才是她该干的事。

下一篇预告：

《我用Python+AI，搭了一个"永远不忘事"的第二大脑》

收藏了1000篇文章，一篇也没看过？Python+AI帮你把"收藏"变成"能用"。

如果这篇文章让你想到自己手动处理过的图片，转发出去。

也许有人因此从3天的苦力活，变成3分钟的自动化。