PIL.Image.resize()配合Image.LANCZOS比默认BICUBIC更锐利、少模糊，尤其适合批量降分辨率；因默认resample并非BICUBIC而是NEAREST，易致锯齿，而LANCZOS在清晰度与抗混叠间平衡最佳。
直接说结论：用 PIL.Image.resize() 配合 Image.LANCZOS 重采样，比默认的 Image.BICUBIC 更锐利、更少模糊，尤其适合批量降分辨率。
为什么不能只用 resize() 而不指定重采样算法？
默认情况下 resize() 使用 Image.NEAREST（最近邻），在降分辨率时容易出现块状失真或锯齿；而 Image.BILINEAR 或 Image.BICUBIC 会过度平滑，细节丢失严重。实测中 Image.LANCZOS 在清晰度和抗混叠之间平衡最好。
- 对 4000×3000 的风景图缩到 1200×900：
LANCZOS保留文字边缘和纹理，BICUBIC明显发虚 - 含细线条的 UI 截图，
LANCZOS比BILINEAR少约 30% 模糊感 - 注意：
LANCZOS计算稍慢，但对单张图差异可忽略，批量处理时总耗时影响不大
如何安全地保持宽高比并限制最长边？
直接按目标尺寸硬缩放会拉伸变形。正确做法是先计算等比缩放后的尺寸，再裁剪或填充——但批量压缩通常只需「等比缩放 + 最长边限制」，避免手动判断宽高。
- 用
Image.thumbnail((max_width, max_height), resample=Image.LANCZOS)，它原地修改图像、保持比例、不放大原图（即只缩不放） - 比如设
thumbnail((1920, 1080))，一张 5000×2000 的图会缩为 1920×768，一张 800×600 的图保持原尺寸 - 别用
resize()手动算比例——容易漏掉round()导致尺寸非整数，触发ValueError: size must be a tuple of two integers
批量处理时必须处理的三个异常点
实际跑脚本时，90% 的中断来自这三类问题，不是代码逻辑错，而是图片本身不规范。
立即学习“Python免费学习笔记（深入）”；
-
OSError: cannot identify image file：文件后缀是.jpg但内容是 WebP 或已损坏，加try/except跳过，别让整个流程卡住 - RGBA 模式图缩成 JPEG 会报
ValueError: cannot write mode RGBA as JPEG，需统一转为RGB：img = img.convert("RGB")（注意：有透明底的图会变黑底，如需白底得额外 paste） - 读取超大图（如 >100MB TIFF）可能触发
DecompressionBombError，提前加Image.MAX_IMAGE_PIXELS = None或设合理上限（如1024 * 1024 * 1024）
最易被忽略的是色彩空间——Pillow 默认不保留 EXIF 和 ICC 配置文件，压缩后图在不同设备上看色差明显。如果业务对颜色敏感，得手动从原图提取 img.info.get("icc_profile") 并传给 save(..., icc_profile=...)。
