利用 Shell 腳本與 AI 工具高效批次處理大量相片

面對大量相片時，傳統手動整理、命名與修復既辛苦又耗時。透過兩支自動化 Shell 腳本與 AI 工具 CodeFormer，可以實現相片批次命名、縮圖、AI 修復、格式轉換與備份的一條龍作業，極大提升效率。

---

工作流程詳述

1. 匯入相片並命名資料夾

將拍攝好的相片傳入任意資料夾，並將該資料夾命名為「拍攝日期_分類+事件描述」，例如：
20251104_旅遊_阿里山
方便追蹤跟管理。

2. 自動命名相片（photorename2.sh）

運行 photorename2.sh，依據相片的 EXIF 資訊自動讀取拍攝時間（Image Created）和相機型號（Camera Model），再依照格式：

時分_相機型號_序號.副檔名

自動重命名相片檔案，例如：
1030_Canon_001.jpg
若照片缺少拍攝時間則用檔案的修改時間代替。命名後的檔案方便辨識該張照片的基本資訊。

3. 縮圖並 AI 修復（aiphoto2.sh）

運行 aiphoto2.sh，它會先呼叫 photorename2.sh 進行命名，再將照片依「最長邊1920像素」限制縮放，並呼叫 CodeFormer 進行人像修復、背景優化及彩色化等處理。

最後會將修復完的照片轉為 4K 解析度 JPG，90%壓縮率，以兼顧畫質與檔案大小。修復後會搬回原始資料夾並依「拍攝日期_分類+事件描述_時分_相機型號_序號」命名。

4. 原始相片壓縮保存

原始相片會集中移到一個子資料夾並壓縮打包，確保有完整原始備份且不占用過多空間。

5. 靈活使用

由於 CodeFormer AI 修復需要較多資源與時間，若不需精細處理，只執行 photorename2.sh 即可快速完成命名及匯整，保持 EXIF 資訊完整。

---

腳本內容詳列

photorename2.sh — 自動依拍攝時間、相機型號重新命名

#!/bin/bash

count=1
shopt -s nullglob

files=(*.jpg *.JPG *.jpeg *.JPEG *.png *.PNG *.tif *.TIF *.tiff *.TIFF)

for file in "${files[@]}"; do

  # 取得 Camera Model
  model=$(exiftags -c "$file" | grep "Camera Model" | awk -F': ' '{print $2}' | tr -d ' ')
  
  # 取得 Image Created（格式類似 2024:09:10 10:00:32）
  image_created=$(exiftags -i "$file" | grep "Image Created" | awk -F': ' '{print $2}')
  
  # model 預設為 na
  if [ -z "$model" ]; then
    model="na"
  fi

  # 要取出時間 hhmm，若 image_created 無值則用檔案修改時間替代
  if [ -z "$image_created" ]; then
    time_hhmm=$(date -r "$file" +"%H%M")
    echo "無 Image Created，使用檔案修改時間: $file -> $time_hhmm"
  else
    # 從 Image Created 字串取時間部分，再去掉冒號，只取前4字 hhmm
    time_hhmm=$(echo "$image_created" | awk '{print $2}' | sed 's/://g' | cut -c1-4)
  fi

  seq=$(printf "%03d" $count)

  ext="${file##*.}"

  new_name="${time_hhmm}_${model}_${seq}.${ext}"

  mv -i "$file" "$new_name"

  echo "已重新命名: $file -> $new_name"

  ((count++))
  
done

aiphoto2.sh — 自動縮圖、AI修復並整理照片

#!/bin/bash
#依據時間、相機命名
photorename2.sh

USER_INPUT_DIR="$(pwd)"

CURRENT_DIR_NAME="$(basename "$USER_INPUT_DIR")"

# 新增：去除 _resize 字串的純目錄名稱
CLEAN_DIR_NAME="${CURRENT_DIR_NAME/_resize/}"

ORIGINAL_DIR="${USER_INPUT_DIR}/${CURRENT_DIR_NAME}_原始"

RESIZE_DIR="${USER_INPUT_DIR}/${CURRENT_DIR_NAME}_resize"

AI_OUTPUT_DIR="${USER_INPUT_DIR}/ai_${CURRENT_DIR_NAME}_resize"

mkdir -p "$ORIGINAL_DIR"

mkdir -p "$RESIZE_DIR"

echo "開始將 JPG/PNG 圖片縮放輸出到 $RESIZE_DIR ..."

shopt -s nullglob

for img in "$USER_INPUT_DIR"/*.{jpg,JPG,jpeg,JPEG,png,PNG}; do

filename=$(basename "$img")

convert "$img" -resize 1920x1920\> -quality 90 "$RESIZE_DIR/${filename%.*}.jpg"

done

shopt -u nullglob

echo "將目錄 $USER_INPUT_DIR 中所有非目錄檔案移動到 $ORIGINAL_DIR ..."

find "$USER_INPUT_DIR" -maxdepth 1 -type f ! -name "$(basename "$0")" -exec mv {} "$ORIGINAL_DIR/" \;

echo "切換到 $RESIZE_DIR 執行 aiphoto ..."

PROCESS_DIR="$RESIZE_DIR"

cd "$PROCESS_DIR" || { echo "無法切換到 $PROCESS_DIR"; exit 1; }

USER_HOME="$HOME"

TEMP_OUTPUT_DIR="$USER_HOME/aiphoto"

FINAL_OUTPUT_DIR="$PROCESS_DIR/ai_${CURRENT_DIR_NAME}"

mkdir -p "$TEMP_OUTPUT_DIR"

mkdir -p "$FINAL_OUTPUT_DIR"

cd "$HOME/CodeFormer"

source "$HOME/codeformer_env/bin/activate"

clear

echo "=============================================="

echo " CodeFormer 批次處理操作介面 "

echo "=============================================="

echo "原始圖片資料夾：$PROCESS_DIR"

echo "暫存輸出資料夾（使用者目錄）：$TEMP_OUTPUT_DIR"

echo "最終輸出資料夾（原始目錄下）：$FINAL_OUTPUT_DIR"

echo

echo "請選擇處理模式："

echo " [1] 僅修復"

echo " [2] 利用 Real-ESRGAN 強化背景區域"

echo " [3] 以 Real-ESRGAN 進一步提升修復後的人臉細節"

echo " [4] 彩色化黑白或褪色照片"

echo " [5] 人臉修補（裁切並對齊的人臉）"

echo " [0] 離開程式"

read -p "請輸入選項數字（0-5，0離開）: " choice

if [[ "$choice" =~ ^[1-3]$ ]]; then

read -p "請輸入權重值 (例如 0.7 或 1.0，建議 0.7~1.0): " weight

if ! [[ "$weight" =~ ^0*(\.([0-9]+))?$|^1(\.0*)?$ ]]; then

echo "錯誤：權重請輸入介於 0 與 1 之間的數字"

deactivate

exit 1

fi

fi

case $choice in

0)

echo "離開程式。"

deactivate

exit 0

;;

1)

echo "執行選項 1：僅使用權重 ${weight} 修復"

python inference_codeformer.py -w "$weight" --input_path "$PROCESS_DIR" --output_path "$TEMP_OUTPUT_DIR"

;;

2)

echo "執行選項 2：使用權重 ${weight} 並利用 Real-ESRGAN 強化背景區域"

python inference_codeformer.py -w "$weight" --bg_upsampler realesrgan --input_path "$PROCESS_DIR" --output_path "$TEMP_OUTPUT_DIR"

;;

3)

echo "執行選項 3：使用權重 ${weight} 並以 Real-ESRGAN 進一步提升修復後的人臉細節"

python inference_codeformer.py -w "$weight" --face_upsample --bg_upsampler realesrgan --input_path "$PROCESS_DIR" --output_path "$TEMP_OUTPUT_DIR"

;;

4)

echo "執行選項 4：彩色化黑白或褪色照片"

python inference_colorization.py --input_path "$PROCESS_DIR" --output_path "$TEMP_OUTPUT_DIR"

;;

5)

echo "執行選項 5：人臉修補（裁切並對齊的人臉）"

python inference_inpainting.py --input_path "$PROCESS_DIR" --output_path "$TEMP_OUTPUT_DIR"

;;

*)

echo "無效選項，請重新執行並選擇有效選項。"

deactivate

exit 1

;;

esac

if [ "$choice" -eq 4 ] || [ "$choice" -eq 5 ]; then

echo "搬移處理結果到最終資料夾 $FINAL_OUTPUT_DIR"

mv -v "$TEMP_OUTPUT_DIR"/* "$FINAL_OUTPUT_DIR"/

else

if [ -d "$TEMP_OUTPUT_DIR/final_results" ]; then

echo "搬移處理結果到最終資料夾 $FINAL_OUTPUT_DIR"

mv -v "$TEMP_OUTPUT_DIR/final_results/"*.png "$FINAL_OUTPUT_DIR"/

else

echo "找不到 $TEMP_OUTPUT_DIR/final_results 目錄，無法搬移結果"

fi

fi

echo "原始圖片保留於 $USER_INPUT_DIR ，處理結果已搬移至 $FINAL_OUTPUT_DIR"

deactivate

PARENT_DIR="$(dirname "$USER_INPUT_DIR")"

FINAL_OUTPUT_PARENT_DIR="${PARENT_DIR}/${CURRENT_DIR_NAME}"

mkdir -p "$FINAL_OUTPUT_PARENT_DIR"

echo "aiphoto 處理完成，開始轉換 $FINAL_OUTPUT_DIR 下的 png 檔案為 jpg，輸出至 $FINAL_OUTPUT_PARENT_DIR ..."

shopt -s nullglob

for pngimg in "$FINAL_OUTPUT_DIR"/*.png; do

filename=$(basename "$pngimg")

# 改用不含 _resize 的純目錄名稱做為前綴
newname="ai_${CLEAN_DIR_NAME}_${filename%.*}.jpg"

convert "$pngimg" -quality 90 "$FINAL_OUTPUT_PARENT_DIR/$newname"

done

shopt -u nullglob

echo "所有處理完成，結果已存放於 $FINAL_OUTPUT_PARENT_DIR"

# 刪除目錄_resize

rm -rf "$RESIZE_DIR"

# 壓縮目錄_原始成tgz，檔名為目錄_原始.tgz

tgz_file="${ORIGINAL_DIR}.tgz"

tar -czf "$tgz_file" -C "$USER_INPUT_DIR" "${CURRENT_DIR_NAME}_原始"

# 刪除目錄_原始

rm -rf "$ORIGINAL_DIR"

#結束音效
play -q /opt/finish.mp3

這兩支 Script 讓批次照片的整理與 AI 修復變得簡單又高效，適合大量相片管理的需求。 如需更深入腳本解析或運行流程說明，可隨時詢問！