使用concurrent.futures.threadThreadPoolExecutor()实现多线程图片处理

使用concurrent.futures.threadThreadPoolExecutor()实现多线程图片处理的步骤如下：

1. 首先导入必要的库文件：

from concurrent.futures import ThreadPoolExecutor
from PIL import Image
import os

2. 创建一个函数来处理图片，例如将图片缩放为指定尺寸并保存：

def process_image(file_path, output_path, size):
    # 打开图片
    img = Image.open(file_path)
    # 缩放图片
    img.thumbnail(size)
    # 保存图片
    file_name = os.path.basename(file_path)
    img.save(os.path.join(output_path, f"processed_{file_name}"))
    print(f"Processed image: {file_name}")

3. 创建一个函数来遍历指定目录下的所有图片，并调用线程池来处理图片：

def process_images(input_path, output_path, size, num_threads):
    # 获取目录下的所有文件
    files = [os.path.join(input_path, file) for file in os.listdir(input_path) if file.endswith('.jpg') or file.endswith('.png')]
  
    # 创建线程池
    with ThreadPoolExecutor(max_workers=num_threads) as executor:
        # 提交每个图片处理任务给线程池
        for file in files:
            executor.submit(process_image, file, output_path, size)

4. 在主程序中调用process_images函数来进行图片处理：

if __name__ == "__main__":
    input_path = "/path/to/input/folder"
    output_path = "/path/to/output/folder"
    size = (800, 600)  # 指定缩放尺寸
    num_threads = 4  # 指定线程数量

    process_images(input_path, output_path, size, num_threads)

在上述例子中，我们使用concurrent.futures.threadThreadPoolExecutor()来创建一个线程池，并使用ThreadPoolExecutor.submit()方法来提交每个图片处理任务给线程池。线程池会自动分配线程来执行任务，从而实现多线程图片处理。

需要注意的是，有一些操作需要加锁以避免线程冲突，例如创建目录或者保存图片时，可以使用threading.Lock来进行线程间的同步操作。