Trabalho com imagens em Go (Golang)

Trabalho com imagens em Go (Golang): visão geral das bibliotecas e exemplos práticos

Go (Golang) é uma linguagem compilada, estaticamente tipada, que está ganhando popularidade no desenvolvimento web, microsserviços e tarefas relacionadas ao processamento de dados. Ao contrário do Python, onde tradicionalmente se usa OpenCV ou Pillow para trabalhar com imagens, Go possui várias bibliotecas leves e rápidas que permitem realizar operações básicas com gráficos raster: redimensionamento, corte, rotação, aplicação de filtros e desenho.

Neste artigo, veremos três das bibliotecas mais populares para trabalhar com imagens em Go: imaging, nfnt/resize e gg. Você aprenderá como instalá-las e verá exemplos de código para tarefas típicas.

1. Biblioteca `imaging`

imaging é uma biblioteca simples, mas poderosa, para processamento de imagens. Ela fornece funções convenientes para redimensionamento, corte, rotação, aplicação de filtros (desfoque, nitidez, inversão de cores) e salvamento em vários formatos (JPEG, PNG, GIF, BMP).

Instalação

go get -u github.com/disintegration/imaging

Exemplo: redimensionamento e corte

package main

import (    "fmt"    "github.com/disintegration/imaging"    "log")

func main() {    // Abrir a imagem    src, err := imaging.Open("input.jpg")    if err != nil {        log.Fatalf("Erro ao abrir o arquivo: %v", err)    }

    // Redimensionar para 800x600, mantendo a proporção    dst := imaging.Resize(src, 800, 600, imaging.Lanczos)        // Cortar a região central de 400x400    dst = imaging.CropCenter(dst, 400, 400)

    // Aplicar filtro de desfoque    dst = imaging.Blur(dst, 3.0)

    // Salvar o resultado    err = imaging.Save(dst, "output.jpg")    if err != nil {        log.Fatalf("Erro ao salvar: %v", err)    }    fmt.Println("Imagem processada e salva como output.jpg")}

A biblioteca suporta vários filtros: imaging.Grayscale, imaging.Invert, imaging.Contrast, imaging.Sharpen e outros. Todos funcionam "prontos para uso".

2. Biblioteca `nfnt/resize`

Se sua tarefa é apenas redimensionar imagens com máxima performance, nfnt/resize é a melhor escolha. Ela é otimizada para processamento de alta velocidade e suporta vários algoritmos de interpolação (NearestNeighbor, Bilinear, Bicubic, Lanczos2, Lanczos3).

Instalação

go get -u github.com/nfnt/resize

Exemplo: redimensionamento com diferentes algoritmos

package main

import (    "image"    "image/jpeg"    "log"    "os"    "github.com/nfnt/resize")

func main() {    file, err := os.Open("input.jpg")    if err != nil {        log.Fatal(err)    }    defer file.Close()

    img, _, err := image.Decode(file)    if err != nil {        log.Fatal(err)    }

    // Redimensionar para largura de 300 pixels, altura calculada automaticamente    m := resize.Resize(300, 0, img, resize.Lanczos3)

    out, err := os.Create("resized.jpg")    if err != nil {        log.Fatal(err)    }    defer out.Close()

    // Salvar com qualidade JPEG 90%    err = jpeg.Encode(out, m, &jpeg.Options{Quality: 90})    if err != nil {        log.Fatal(err)    }    log.Println("Imagem reduzida para largura de 300px")}

Esta biblioteca não fornece funções para corte ou filtros, mas sua velocidade e minimalismo a tornam ideal para servidores que precisam processar milhares de imagens por segundo.