Pythonで複数の画像ファイルにつけたIPTCのキーワードを集計する（pyexiv2を使用）

はじめに

画像ファイル（JPEG）にIPTCのヘッドラインやキーワードを付けて管理しているのですが（管理は主にAdobe Bridgeを使用）、画像ファイルに付けた情報をPythonで表示・編集する方法はあるのかと思い、調べてみました。

個々の画像ファイルのIPTC情報を操作するなら、Adobe Bridgeを始めとする画像管理アプリを使えば良いのですが（それでも、IPTCやExifを操作できる使い勝手の良いアプリは少ない）、複数の画像ファイルに付けたキーワードの総数や、キーワードごとの使用回数を調べる、それも再帰的に調べたいとなると、Adobe Bridgeではできそうになかったので、Pythonでやってみることにしました。

画像ファイルに付けた情報の例

参考: IPTC

使用するモジュール

本例ではpyexiv2を使います。

環境

• OS: Windows 11 Home 22H2
• Python: 64ビット版、3.11.4

インストール

pip install pyexiv2

IPTC情報を表示する

import pyexiv2
import pprint    # 辞書を整形して出力するために使用

# カレントディレクトリのサンプルファイルを読み込む
img = pyexiv2.Image(r'.\sample.jpg')

# 表示 IPTC情報全部
pprint.pprint(img.read_iptc())

# 表示 一部
# IPTCのキーワードのみ
keywords = img.read_iptc()['Iptc.Application2.Keywords']
print(keywords)

# クローズ処理
img.close()

表示結果。IPTC情報全部

{'Iptc.Application2.DateCreated': '2022-02-23',
 'Iptc.Application2.Headline': '冬のダム',
 'Iptc.Application2.Keywords': ['2月', '冬', '雪', 'ダム', '雪景色', '青空', 'サンプル'],
 'Iptc.Application2.RecordVersion': '4',
 'Iptc.Application2.TimeCreated': '10:41:18+00:00',
 'Iptc.Envelope.CharacterSet': '\x1b%G'}

Adobe Bridgeで画像に付けたヘッドライン、キーワードが表示されました。

表示結果。IPTC情報のキーワードのみ

['2月', '冬', '雪', 'ダム', '雪景色', '青空', 'サンプル']

型は辞書ですので、部分的に取り出すのも容易です。

複数の画像ファイルにおいて、キーワードごとの出現回数を集計する

基準となるディレクトリ配下のJPEGファイルをすべて読み込み、キーワードごとの出現回数を集計します。

import pyexiv2
import collections
from glob import glob
from tqdm import tqdm
from pprint import pprint

# 基準となるディレクトリ
base_dir = 'baseDir'

# 基準となるディレクトリ配下にあるJPEGファイルを再帰的に読み込む
glob_dir = glob('%s/**/*.jpg' % base_dir, recursive=True)

all_keywords = []

for file_name in tqdm(glob_dir):
    try:
        img = pyexiv2.Image(file_name)
        iptc = img.read_iptc()
    except Exception as err:
        # IPTC情報が読めなかったファイル名とエラー内容を表示
        print(f'Error file name: {file_name}')
        print(f'Exception: {err}')
        continue

    # IPTCのキーワードを抽出して、リストに加えていく
    # キーワードが登録されていないのにgetをするとエラーとなるので注意
    if 'Iptc.Application2.Keywords' in iptc:
        keywords = iptc.get('Iptc.Application2.Keywords')
        all_keywords.extend(keywords)

# collectionsのCounterクラスを用いて、キーワードの出現回数を集計する
coll = collections.Counter(all_keywords)

# 整形して表示する
pprint(coll)

# キーワードの出現回数の結果をファイルに出力する
# キーワード数が多いと画面では見切れてしまうので、必要に応じて
with open('aggregate_keywords.txt', 'w', encoding='UTF-8') as f:
    pprint(coll, stream=f)

# クローズ処理
img.close()

集計結果

Counter({'風景': 1273,
         '人物なし': 1232,
         '無人': 1231,
         '屋外': 1217,
         '日本': 1175,
         '青空': 1131,
         '背景': 1131,
         '空': 1097,
         '背景素材': 996,
         '素材': 992,
（中略）
         'ハロ': 1,
         '日暈': 1,
         '気象現象': 1,
         '日': 1,
         '輪': 1,
         '洪水吐': 1,
         '水たまり': 1})

キーワードごとの出現回数を求めることができました。