前言：
在很多情况下我们都需要调整图片的大小到所需要的尺寸，比如在深度学习中批量调整图片大小可以使得数据预处理更加高效，如果图片过大，训练的时候会比较慢，而且占用内存空间，图片尺寸不一样的情况下，会对模型的训练产生一定的影响，导致模型训练的不稳定。批量调整图片大小还可以使得模型更加泛化，也可以一定程度上防止过拟合。
一、代码如下：
PIL也叫做Pillow，从PIL库中导入Image模块，这个模块提供了处理图像的功能。
from PIL import Image
import osinput_folder = '1' #要调整的图片所在的文件夹名称
output_folder = '2' # 调整后的图片所放的文件夹名称
if not os.path.exists(output_folder):os.makedirs(output_folder)
new_size = (256, 256) # 调整为256*256for filename in os.listdir(input_folder):# Check if the file is an imageif filename.endswith('.png') or filename.endswith('.jpg'):# Open the image and resize itimg = Image.open(os.path.join(input_folder, filename))img = img.resize(new_size)# Save the resized image to the output foldernew_filename = os.path.splitext(filename)[0] + '.png'img.save(os.path.join(output_folder, new_filename))上述代码就实现了把文件名为“1”里的图片都调整为256*256的尺寸，并将调整后的图片保存在文件名“2”里面。
二、函数介绍
1. .resize()函数
Image 类提供的 resize() 方法能够实现任意缩小和放大图像。
resize() 函数的语法格式如下：
resize(size, resample=image.BICUBIC, box=None, reducing_gap=None)- size：元组 (width,height)，图片缩放后的尺寸；
- resample：可选参数，指图像重采样滤波器，默认为 Image.BICUBIC；
- box：对指定图片区域进行缩放，box 的参数值是长度为 4 的像素坐标元组，即 (左,上,右,下)。注意，被指定的区域必须在原图的范围内，如果超出范围就会报错。当不传该参数时，默认对整个原图进行缩放；
- reducing_gap：可选参数，浮点参数值，用于优化图片的缩放效果，常用参数值有 3.0 和 5.0。
2.os.path.splitext()函数
os.path.splitext()函数是用于将文件路径分割成文件名和扩展名。
如：路径 '/path/to/picture1.jpg' 分割成文件名 '/path/to/picture1' 和扩展名 '.jpg'
import ospath = '/path/to/picture1.jpg'filename, suffix = os.path.splitext(path)print(filename) # /path/to/picture1print(suffix) # .jpg解释：new_filename = os.path.splitext(filename)[0] + '.png'
经过os.path.splitext(filename)分割后，变量new_filename里面包含两部分(/path/to/picture1, .jpg)
os.path.splitext(filename)[0]：取new_filename里面的第一个元素（因为下标从0开始），即/path/to/picture1 ，而+'.png'是指把后缀名改为.png格式的。
最后os.path.splitext(filename)[0] + '.png'即为/path/to/picture1.png
