用python删除文件夹中的重复图片(图片去重)

第一部分：判断两张图片是否相同

要查找重复的图片，必然绕不开判断两张图片是否相同。判断两张图片简单呀！图片可以看成数组，比较两个数组是否相等不就行了。但是这样做太过简单粗暴，因为两个数组的每个元素都要一一比较，效率很低。为了尽量避免两个庞大的数组比较：

• 先进行两张图片的大小(byte)比较，若大小不相同，则两张图片不相同；

• 在两张图片的大小相同的前提下，进行两张图片的尺寸(长和宽)比较，若尺寸不相同，则两张不相同；

• 在两张图片的尺寸相同的前提下，进行两张图片的内容(即数组元素)比较，若内容不相同，则图片不相同；

这样，当图片大小或图片尺寸不相同的时候，便认为两张图片不同，可以省去比较数组元素的部分，效率up~

import shutil
import numpy as np
from PIL import Image
import os

def 比较图片大小(dir_image1, dir_image2):
   with open(dir_image1, "rb") as f1:
       size1 = len(f1.read())
   with open(dir_image2, "rb") as f2:
       size2 = len(f2.read())
   if(size1 == size2):
       result = "大小相同"
   else:
       result = "大小不同"
   return result

def 比较图片尺寸(dir_image1, dir_image2):
   image1 = Image.open(dir_image1)
   image2 = Image.open(dir_image2)
   if(image1.size == image2.size):
       result = "尺寸相同"
   else:
       result = "尺寸不同"
   return result

def 比较图片内容(dir_image1, dir_image2):
   image1 = np.array(Image.open(dir_image1))
   image2 = np.array(Image.open(dir_image2))
   if(np.array_equal(image1, image2)):
       result = "内容相同"
   else:
       result = "内容不同"
   return result

def 比较两张图片是否相同(dir_image1, dir_image2):
   # 比较两张图片是否相同
   # 第一步：比较大小是否相同
   # 第二步：比较长和宽是否相同
   # 第三步：比较每个像素是否相同
   # 如果前一步不相同，则两张图片必不相同
   result = "两张图不同"
   大小 = 比较图片大小(dir_image1, dir_image2)
   if(大小 == "大小相同"):
       尺寸 = 比较图片尺寸(dir_image1, dir_image2)
       if(尺寸 == "尺寸相同"):
           内容 = 比较图片内容(dir_image1, dir_image2)
           if(内容 == "内容相同"):
               result = "两张图相同"
   return result

第二部分：判断文件夹内是否有重复图片

若要判断文件夹内是否有和图片A相同的图片，则需要遍历文件夹内所有图片，挨个判断两个图片是否相同。若文件夹有1000张图片，那么第1张图片需要与剩下的999张图片作比较，第2张图片需要与剩下的998张图片作比较，第3张需要与剩下的997张图片作比较，以此类推。在此程序中的做法是，先对所有图片按图片大小(byte)排序，然后再执行遍历比较。这样做的结果是：重复图片很大概率会连着出现（因为重复图片大小相同）

if __name__ == '__main__':

load_path = 'E:\\测试图片集(未去重)'  # 要去重的文件夹
   save_path = 'E:\\测试图片集(重复照片)'  # 空文件夹，用于存储检测到的重复的照片
   os.makedirs(save_path, exist_ok=True)

# 获取图片列表 file_map，字典{文件路径filename : 文件大小image_size}
   file_map = {}
   image_size = 0
   # 遍历filePath下的文件、文件夹（包括子目录）
   for parent, dirnames, filenames in os.walk(load_path):
       # for dirname in dirnames:
       # print('parent is ％s, dirname is ％s' ％ (parent, dirname))
       for filename in filenames:
           # print('parent is ％s, filename is ％s' ％ (parent, filename))
           # print('the full name of the file is ％s' ％ os.path.join(parent, filename))
           image_size = os.path.getsize(os.path.join(parent, filename))
           file_map.setdefault(os.path.join(parent, filename), image_size)

# 获取的图片列表按 文件大小image_size 排序
   file_map = sorted(file_map.items(), key=lambda d: d[1], reverse=False)
   file_list = []
   for filename, image_size in file_map:
       file_list.append(filename)

# 取出重复的图片
   file_repeat = []
   for currIndex, filename in enumerate(file_list):
       dir_image1 = file_list[currIndex]
       dir_image2 = file_list[currIndex + 1]
       result = 比较两张图片是否相同(dir_image1, dir_image2)
       if(result == "两张图相同"):
           file_repeat.append(file_list[currIndex + 1])
           print("\n相同的图片：", file_list[currIndex], file_list[currIndex + 1])
       else:
           print('\n不同的图片：', file_list[currIndex], file_list[currIndex + 1])
       currIndex += 1
       if currIndex >= len(file_list)-1:
           break

# 将重复的图片移动到新的文件夹，实现对原文件夹降重
   for image in file_repeat:
       shutil.move(image, save_path)
       print("正在移除重复照片：", image)

第三部分：程序运行结果

若文件夹下有10张图片A、5张图片B、1张图片C，程序运行结束后，该文件夹下剩余1张图片A、1张图片B、1张图片C；其他的图片移动到 save_path 指定的文件夹下。

第四部分：注意

程序代码可以直接复制使用，需要修改 load_path 和 save_path 参数；

保证 load_path 文件夹都为图片格式（.jpg .png .jpeg）的文件类型，不可以有其他格式的文件（例如.mp4）；请先用资源管理器处理文件夹，大佬直接修改代码读取文件夹下指定类型的文件；

来源：https://www.cnblogs.com/aiyou-3344520/p/14760053.html