Go批量处理图片需用os.ReadDir遍历目录、校验.jpg/.jpeg后缀、image.Decode自动解码；缩放用golang.org/x/image/draw.ApproxBiLinear；WebP编码需webp.Options{Lossless:false,Quality:75}；并发用带缓冲channel限流。
用 image/jpeg 和 os.ReadDir 批量读取并解码图片
Go 标准库不支持直接批量加载，必须手动遍历目录、逐个打开并解码。常见错误是忽略文件扩展名校验，导致 jpeg.Decode 或 png.Decode 在非图像文件上 panic。
- 先用
os.ReadDir（Go 1.16+）列出目录项，避免filepath.Walk的递归干扰 - 对每个
entry.Name()做后缀判断：strings.HasSuffix(strings.ToLower(name), ".jpg")，注意大小写 - 打开文件后，用
image.Decode（自动识别格式）比硬写jpeg.Decode更稳妥；但若只处理 JPEG，显式调用可提前暴露格式错误 - 务必检查
err：解码失败时返回的不是nil图像，而是nil, err，直接 deref 会 panic
调整尺寸时优先用 golang.org/x/image/draw 而非手动重采样
标准库 image 包不提供缩放函数，自己实现双线性插值容易出边界或性能问题。社区方案中 draw.ApproxBiLinear 是最轻量且足够清晰的选择。
- 目标图像需预先创建：
dst := image.NewRGBA(image.Rect(0, 0, width, height)) - 调用
draw.ApproxBiLinear.Scale，注意第 4 个参数是源图像的image.Rectangle，别传src.Bounds()以外的范围 - 如果批量处理大量小图，可复用
dst图像对象（重设尺寸后dst.Bounds().Max.X/Y），减少 GC 压力 - 避免用
draw.CatmullRom：质量高但慢 3–5 倍，批量场景下得不偿失
保存为 WebP 需引入 golang.org/x/image/webp 并注意编码参数
标准库不支持 WebP，必须额外依赖。常见坑是忽略 webp.Options 中的 Lossless 和 Quality 冲突——设了 Quality=80 却开 Lossless=true，会导致静默降级为无损模式，体积反而更大。
Golang Samber Hot
下载
在 Golang 中使用 samber/hot 进行内存缓存，支持 LRU、LFU、TinyLFU、W‑TinyLFU、S3FIFO、ARC、TwoQueue、SIEVE、FIFO 等淘汰算法，提供 TTL、缓存加载器及分片功能。
- 安装：
go get golang.org/x/image/webp - 编码前确认图像类型：WebP 只接受
*image.RGBA或*image.YCbCr，*image.NRGBA需转换 - 推荐配置：
webp.Options{Lossless: false, Quality: 75}，平衡体积与细节 - 写入文件时用
os.Create后直接传给webp.Encode，不要中间套bytes.Buffer——内存放大明显
并发处理图片时用带缓冲的 channel 控制 goroutine 数量
直接对每个文件起 goroutine（如 go process(file)）在千张图场景下会瞬间拉起上千 goroutine，调度开销大，还可能触发系统 open files 限制。
立即学习“go语言免费学习笔记（深入）”；
- 用
sem := make(chan struct{}, 4)控制并发数（4 是常见安全值，可根据 CPU 核心数微调） - 每个 goroutine 开始前
sem ，结束后 <code><-sem - 错误需收集：用
sync.WaitGroup+sync.Mutex管理错误切片，别只打印不聚合 - 注意
os.Open和jpeg.Decode都可能阻塞，CPU 密集型操作（如缩放）才真正受益于并发；I/O 密集部分靠并发提升有限
批量图像处理真正的复杂点不在单张图的逻辑，而在于路径、格式、错误传播和资源复用之间的耦合。比如同一张图被反复 os.Open 三次（读取、解码、再读取元数据），或缩放后忘记 dst.Bounds() 没更新就传给下个环节——这类细节不会报错，但结果错得悄无声息。
