第一章：RGBA像素矩阵在Go语言中的核心抽象与内存模型
Go语言标准库 image/color 和 image 包为图像处理提供了轻量但严谨的内存抽象。其中 color.RGBA 是底层像素值的核心结构体，它以四个 uint8 字段（R、G、B、A）封装归一化到 0–255 范围的通道值；而 *image.RGBA 类型则代表一块连续的、按行优先（row-major）排列的像素矩阵，其 Pix 字段指向一个 []byte 底层数组。
RGBA图像的内存布局规则
*image.RGBA 的像素数据并非按 (R,G,B,A) 四元组交错存储于独立切片中，而是严格遵循以下布局：
Pix是单一[]byte，长度恒为Stride × Bounds().Max.Y；- 每行占用
Stride字节（≥Bounds().Max.X × 4），可能含填充字节以对齐内存边界； - 像素
(x, y)对应的 RGBA 值起始索引为y × Stride + x × 4； - 通道顺序固定为 R→G→B→A（小端序字节流，但每个通道独立为
uint8）。
创建并验证像素矩阵的内存一致性
以下代码构建一个 2×2 红色图像，并打印其内存布局关键参数：
package main
import (
"fmt"
"image"
"image/color"
)
func main() {
// 创建 2×2 图像，显式指定 bounds
img := image.NewRGBA(image.Rect(0, 0, 2, 2))
// 填充纯红色（alpha=255）
red := color.RGBA{255, 0, 0, 255}
for y := 0; y < 2; y++ {
for x := 0; x < 2; x++ {
img.Set(x, y, red)
}
}
fmt.Printf("Bounds: %v\n", img.Bounds()) // {0,0}-{2,2}
fmt.Printf("Stride: %d\n", img.Stride) // 8（2×4，无填充）
fmt.Printf("Len(Pix): %d\n", len(img.Pix)) // 16（2行 × 8字节/行）
fmt.Printf("First pixel bytes: %v\n", img.Pix[0:4]) // [255 0 0 255]
}该示例输出证实：2×2 图像共需 4 个像素 × 4 字节 = 16 字节存储，且 Stride == 8 表明无额外填充，Pix[0:4] 直接对应左上角像素的 RGBA 值。这种确定性内存模型使 Go 图像操作可安全对接 C/C++ 库（如 OpenCV）、GPU 绑定（via unsafe.Pointer）及 SIMD 加速，无需运行时重排数据。
第二章：反模式识别与诊断方法论
2.1 RGBA内存布局误解：color.RGBA vs []uint8的字节对齐陷阱
Go 标准库中 color.RGBA 是一个结构体，而非字节切片；其字段顺序为 R, G, B, A uint8，但内存对齐可能插入填充字节（尽管在 64 位平台当前实际无填充，行为不可依赖）。
color.RGBA 的真实内存布局
type RGBA struct {
R, G, B, A uint8 // 实际占用 4 字节，无 padding（当前实现）
}
// ⚠️ 但直接转为 []byte 时：(*[4]byte)(unsafe.Pointer(&c))[:] 是合法的；
// 而 c.R, c.G, c.B, c.A 顺序访问才保证可移植性。该代码将 color.RGBA 地址强制转为 [4]byte 数组再切片，绕过字段语义，依赖当前 ABI 布局——若未来添加 padding 或字段重排，将静默失效。
[]uint8 的“假想 RGBA”陷阱
| 操作 | 安全性 | 原因 |
|---|---|---|
[]uint8{r,g,b,a} |
✅ | 显式字节序列，无隐含布局 |
unsafe.Slice(&c.R, 4) |
⚠️ | 仅当 R 是结构体首字段且无 padding 时成立 |
graph TD
A[用户传入 []uint8] --> B{是否按 R,G,B,A 顺序？}
B -->|是| C[需确认是否 4-byte-aligned]
B -->|否| D[通道错位：G→B位置等]
C --> E[直接 reinterpret？风险！]
E --> F[应显式构造 color.RGBA]2.2 原地修改导致的通道污染：Alpha预乘与非预乘混用的运行时表现
当图像处理管线中混合使用预乘 Alpha（Premultiplied Alpha）与非预乘 Alpha（Straight Alpha）数据，并对同一内存缓冲区进行原地（in-place）写入时，RGB 通道会因错误的 alpha 缩放而被不可逆污染。
数据同步机制陷阱
以下代码演示典型污染场景：
// 错误：对非预乘输入 buffer 原地应用预乘逻辑
void premultiply_inplace(uint8_t* rgba, int n) {
for (int i = 0; i < n; i++) {
float a = rgba[i*4+3] / 255.0f;
rgba[i*4+0] = (uint8_t)(rgba[i*4+0] * a); // R ← R×α
rgba[i*4+1] = (uint8_t)(rgba[i*4+1] * a); // G ← G×α
rgba[i*4+2] = (uint8_t)(rgba[i*4+2] * a); // B ← B×α
// α 未变 —— 但若输入已是预乘格式，则 R/G/B 被二次缩放！
}
}逻辑分析：
rgba[i*4+3]是 alpha 值（0–255），a归一化后用于缩放 RGB。若输入实为预乘格式（即 R=G=B=α×original），则R*a实际计算α²×original，造成亮度塌缩与色偏。该操作不可逆，且无格式元数据校验。
混用后果对比
| 场景 | 输入格式 | 原地预乘操作后 RGB 状态 | 可恢复性 |
|---|---|---|---|
| 正确 | 非预乘 | R×α, G×α, B×α（合规） | 否（丢失 original） |
| 错误 | 预乘 | R×α², G×α², B×α²（污染） | 否（α² 无法开方还原） |
关键路径依赖
graph TD
A[原始像素流] --> B{Alpha 格式标识？}
B -->|缺失/忽略| C[统一按预乘处理]
C --> D[原地写入]
D --> E[RGB 通道二次缩放]
E --> F[视觉色偏+抗锯齿失真]2.3 并发写入无保护：sync.Pool误配+unsafe.Pointer绕过GC引发的竞态崩溃
数据同步机制缺失的根源
sync.Pool 本应缓存临时对象以降低 GC 压力，但若将未加锁的可变结构体指针存入池中，并通过 unsafe.Pointer 强转绕过类型安全与 GC 跟踪，将导致多个 goroutine 同时读写同一内存地址。
典型错误模式
var pool = sync.Pool{
New: func() interface{} {
return &bytes.Buffer{} // ✅ 安全：每次新建独立实例
},
}
// ❌ 危险：从池中取出后用 unsafe.Pointer 修改底层数据
buf := pool.Get().(*bytes.Buffer)
ptr := (*[1 << 20]byte)(unsafe.Pointer(&buf.Bytes()[0])) // 绕过 GC，暴露裸内存逻辑分析：
buf.Bytes()返回底层数组视图，unsafe.Pointer转换后，该内存块不再受 GC 保护；若另一 goroutine 此时调用pool.Put(buf)或buf.Reset()，将触发内存重用或提前释放，造成 UAF（Use-After-Free）。
竞态路径对比
| 场景 | GC 是否跟踪 | 多 goroutine 写入 | 风险等级 |
|---|---|---|---|
标准 *bytes.Buffer 池化 |
✅ 是 | ❌ 受 mutex 保护 | 低 |
unsafe.Pointer + 池化对象 |
❌ 否 | ✅ 直接裸写 | ⚠️ 高 |
graph TD
A[goroutine 1: Get→write via unsafe] --> B[内存未被 GC 保护]
C[goroutine 2: Put→Reset→复用底层数组] --> B
B --> D[竞态写入 → 崩溃]2.4 图像尺寸边界越界：image.Rectangle.Bounds()未校验导致的静默截断
image.Rectangle 的 Bounds() 方法仅返回其内部 Min 和 Max 点构成的矩形，不验证坐标是否在图像实际尺寸内。
静默截断示例
r := image.Rect(10, 10, 200, 200)
img := image.NewRGBA(image.Rect(0, 0, 100, 100))
sub := img.SubImage(r) // 不 panic！但 sub 实际为 img[10:100, 10:100]sub 的底层像素切片被自动裁剪至 img 边界，r.Max 超出部分被丢弃，无错误提示。
关键风险点
SubImage、Draw操作均依赖Bounds()，但不校验源/目标矩形有效性- 越界读写表现为“黑块”或“内容缺失”，调试困难
安全校验建议
| 检查项 | 推荐方式 |
|---|---|
| 是否完全包含 | r.In(image.Bounds()) |
| 是否为空 | r.Empty() |
| 是否越界写入 | draw.Draw(dst, r, src, p, op) 前手动校验 |
graph TD
A[调用 SubImage] --> B{Bounds().In(img.Bounds())?}
B -- 否 --> C[panic 或 error 返回]
B -- 是 --> D[正常子图创建]2.5 跨包类型断言滥用：从image.Image到*image.RGBA的强制转换丢失元数据
Go 标准库中 image.Image 是只读接口，而 *image.RGBA 是可变结构体。直接断言可能绕过安全边界：
img := loadSomeImage() // 可能是 *image.NRGBA 或 *image.YCbCr
rgba, ok := img.(*image.RGBA) // ❌ 危险：类型不匹配时 ok==false，但若误用 panic 或忽略 ok 会导致 nil 指针
if !ok {
rgba = image.NewRGBA(img.Bounds()) // ✅ 安全回退：复制像素，保留 Bounds 元数据
draw.Draw(rgba, rgba.Bounds(), img, img.Bounds().Min, draw.Src)
}逻辑分析：img.Bounds() 返回图像逻辑区域（含坐标偏移），但 *image.RGBA 的 Rect 字段若被暴力断言覆盖，原始 Stride、Pix 偏移等底层元数据将不可恢复。
常见元数据丢失项对比
| 元数据字段 | image.Image 接口可见 |
*image.RGBA 结构体持有 |
断言后是否保留 |
|---|---|---|---|
Bounds() |
✅ | ✅ | ✅（仅当 Bounds 一致） |
ColorModel() |
✅ | ❌（固定为 color.RGBAModel） | ❌ |
Stride |
❌（接口不暴露） | ✅ | ❌（断言失败则无） |
安全转换路径
graph TD
A[interface{ Image }] -->|type assert| B{Is *image.RGBA?}
B -->|Yes| C[直接使用，元数据完整]
B -->|No| D[draw.Draw 复制到新 *image.RGBA]
D --> E[Bounds 保留，Stride 重算，Pix 重分配]第三章：第3种反模式深度解剖——CI流水线静默损坏机制
3.1 Go test -race在图像处理场景下的检测盲区分析
数据同步机制
图像处理中常使用 sync.Pool 复用 *image.RGBA 对象，但 -race 无法检测跨 goroutine 的 *pool 内部对象重用竞争——因对象指针在 Get()/Put() 间未被 race detector 跟踪。
典型盲区代码示例
var pool = sync.Pool{New: func() any { return &image.RGBA{} }}
func process(img *image.RGBA) {
p := pool.Get().(*image.RGBA)
// ❌ 竞争：p 可能正被另一 goroutine 使用
draw.Draw(p, p.Bounds(), img, image.Point{}, draw.Src)
pool.Put(p)
}-race 不监控 sync.Pool 内部对象生命周期，仅检测显式共享变量的读写冲突；p 的复用发生在 detector 作用域之外。
盲区类型对比
| 盲区类型 | -race 是否捕获 | 原因 |
|---|---|---|
| 全局变量并发写入 | ✅ | 显式地址暴露 |
| sync.Pool 复用对象 | ❌ | 对象指针未被 runtime 记录 |
| channel 传递后二次使用 | ❌ | 检测器不追踪值语义复用 |
graph TD
A[goroutine 1: pool.Get()] --> B[获取 *RGBA]
C[goroutine 2: pool.Get()] --> B
B --> D[并发写入同一底层像素数组]
D --> E[-race 无告警]3.2 Docker构建中CGO_ENABLED=0导致的色彩空间降级链式反应
当在 Alpine Linux 容器中执行 CGO_ENABLED=0 go build 时，Go 会跳过所有 cgo 依赖——包括 libjpeg-turbo、libpng 和 libtiff 的色彩空间处理能力。
色彩处理能力缺失路径
- Go 标准库
image/jpeg在CGO_ENABLED=0下退化为纯 Go 实现（golang.org/x/image/jpeg） - 丢失 YCbCr→RGB 的硬件加速查表与子采样插值逻辑
- 仅支持 baseline JPEG，无法解析 Adobe RGB、ProPhoto RGB 等扩展色彩配置文件
典型构建片段
# 构建阶段：禁用 CGO 导致色彩栈坍塌
FROM golang:1.22-alpine
ENV CGO_ENABLED=0
COPY main.go .
RUN go build -o app .此配置使
image.Decode()返回的*image.RGBA像素数据始终以 sRGB 基线解释，忽略 EXIF ColorSpace 标签与 ICC Profile；后续图像处理（如 resize、overlay）均在错误色域中运算，引发不可逆色偏。
| 组件 | CGO_ENABLED=1 | CGO_ENABLED=0 |
|---|---|---|
| JPEG chroma | 4:2:0 / 4:2:2 支持 | 仅 4:2:0 baseline |
| Gamma handling | libjpeg-turbo ICC 拾取 | 忽略 ICC，强制 sRGB |
| Performance | ~8× 解码吞吐 | ~1×（纯 Go 查表模拟） |
graph TD
A[CGO_ENABLED=0] --> B[跳过 libjpeg-turbo 链接]
B --> C[JPEG 解码无 YCbCr→RGB 矩阵校准]
C --> D[EXIF ColorSpace 标签被忽略]
D --> E[后续 resize/blend 在错误色域进行]
E --> F[输出图像色域收缩、饱和度损失]3.3 GitHub Actions runner缓存RGBA临时文件引发的跨job像素污染
当多个 CI job 共享同一 runner 实例时，libpng 或 skia 渲染库生成的 RGBA 临时缓冲区（如 /tmp/.rgba_cache_XXXX）可能被复用而未清空。
渲染上下文残留示例
# runner 启动时未清理临时 RGBA 缓冲
find /tmp -name "*.rgba" -mmin -60 -exec ls -lh {} \;
# 输出可能包含：
# -rw------- 1 runner runner 4.0M Jun 12 08:23 /tmp/canvas_7a2f.rgba该文件是 1024×768 图像的原始字节（每像素 4 字节，RGBA），若下一 job 直接 mmap() 复用该文件且未初始化，将继承前一 job 的像素数据。
污染传播路径
graph TD
A[Job-1 render] --> B[Write /tmp/img.rgba]
B --> C[Runner cache persists]
C --> D[Job-2 mmap /tmp/img.rgba]
D --> E[Skip memset → 像素残留]缓解策略对比
| 方案 | 是否隔离 | 性能开销 | 配置复杂度 |
|---|---|---|---|
--tmpfs /tmp:rw,size=512M |
✅ 完全隔离 | ⚠️ 中等 | 低 |
rm -f /tmp/*.rgba in pre-run |
⚠️ 依赖命名约定 | ✅ 极低 | 中 |
setenv SK_DISABLE_GPU_CACHE=1 |
❌ 仅限 Skia | ✅ 无 | 高 |
第四章：工程化修复与防御性实践
4.1 构建时注入pixelguard：基于go:generate的RGBA结构体字段校验器
pixelguard 是一个轻量级构建期校验工具，专为图像处理中易错的 RGBA 字段设计。它通过 go:generate 在编译前自动注入字段约束逻辑。
核心工作流
//go:generate pixelguard -type=Color
type Color struct {
R, G, B uint8 // ✅ 自动校验范围 [0,255]
A int // ⚠️ 非uint8 → 生成警告并跳过校验
}该指令触发 pixelguard 扫描包内结构体，仅对 uint8 类型字段生成边界检查代码；-type 参数指定目标类型名，支持通配符（如 -type=*Color）。
校验逻辑生成示意
| 字段 | 类型 | 是否注入校验 | 原因 |
|---|---|---|---|
| R | uint8 | ✅ | 符合 RGBA 位宽语义 |
| A | int | ❌ | 类型不匹配，忽略 |
graph TD
A[go:generate 指令] --> B[解析AST获取结构体]
B --> C{字段类型 == uint8?}
C -->|是| D[注入 validateRgbaField 方法]
C -->|否| E[记录警告日志]校验方法在 Validate() 中统一调用，确保所有 RGBA 字段在运行前完成合法性断言。
4.2 CI流水线专属测试套件：覆盖sRGB/linear RGB双色彩空间的diff断言
为保障渲染一致性，CI流水线需在像素级验证色彩空间转换逻辑。测试套件内置双色彩空间diff断言引擎，自动识别输入图像元数据并执行对应空间下的ΔE00色差计算。
核心断言逻辑
def assert_colorspace_diff(actual: Image, expected: Image, tolerance: float = 2.3):
# 自动检测ICC配置：sRGB → linear RGB via sRGB EOTF (IEC 61966-2-1)
actual_lin = srgb_to_linear(actual) # γ=2.2 + linearization offset
expected_lin = srgb_to_linear(expected)
delta_e = compute_delta_e00(actual_lin, expected_lin) # CIEDE2000 in Lab
assert delta_e < tolerance, f"Color drift detected: ΔE={delta_e:.3f}"tolerance=2.3 对应人眼可辨阈值；srgb_to_linear() 严格实现分段函数：V ≤ 0.04045 ? V/12.92 : ((V+0.055)/1.055)^2.4
测试维度覆盖
- ✅ 单帧PNG（嵌入sRGB ICC Profile）
- ✅ EXR线性缓冲区（无gamma修正）
- ✅ 渐变过渡区域（敏感度强化）
| 空间类型 | Gamma校正 | Diff算法 | 典型容差 |
|---|---|---|---|
| sRGB | 启用 | ΔE76 | 3.0 |
| linear RGB | 禁用 | ΔE00 | 2.3 |
graph TD
A[CI触发] --> B{读取图像元数据}
B -->|ICC=sRGB| C[应用EOTF转linear]
B -->|EXR/RAW| D[直通linear空间]
C & D --> E[Lab转换+ΔE00计算]
E --> F[断言tolerance阈值]4.3 生产环境像素沙箱：通过memmap实现只读像素矩阵隔离层
在高并发图像服务中，原始像素矩阵常被多进程共享但严禁修改。numpy.memmap 提供了零拷贝、只读内存映射能力，天然适配沙箱隔离需求。
核心实现
# 创建只读像素映射（假设 uint8 RGB 图像，1920×1080）
pixel_map = np.memmap(
"prod_pixels.dat",
dtype="uint8",
mode="r", # 关键：只读模式，OS 层面拒绝写入
shape=(1080, 1920, 3) # 显式声明结构，避免解析歧义
)mode="r" 触发内核级只读保护，任何 pixel_map[0,0] = 255 操作将抛出 OSError: Permission denied；shape 参数确保逻辑维度与物理布局严格对齐，规避 stride 错位风险。
隔离效果对比
| 特性 | 常规 ndarray 加载 | memmap 只读沙箱 |
|---|---|---|
| 内存占用 | 全量加载 → 6.2 MB | 页面按需映射 |
| 进程间共享开销 | 需显式 copy | 共享同一文件页 |
| 写保护可靠性 | Python 层模拟 | OS mmap 级强制 |
数据同步机制
- 文件由上游预处理服务原子写入（
os.replace()） - 所有 worker 进程通过
memmap重建视图，自动获取最新只读快照 - 无锁设计，依赖文件系统一致性保证
4.4 Prometheus指标埋点：监控每帧RGBA矩阵的alpha通道方差漂移
在实时渲染与视频流质量保障场景中，alpha通道方差漂移是透明度异常（如渐变断裂、混合失真）的关键先兆。
核心采集逻辑
# 每帧RGBA张量 → 提取alpha通道 → 计算方差 → 上报为Gauge
import numpy as np
from prometheus_client import Gauge
alpha_var_gauge = Gauge('frame_alpha_variance', 'Per-frame alpha channel variance')
def record_alpha_variance(frame_rgba: np.ndarray): # shape: (H, W, 4), dtype: uint8
alpha = frame_rgba[:, :, 3].astype(np.float64) # 提取A通道，转float防溢出
var = np.var(alpha) # 方差反映透明度空间离散程度
alpha_var_gauge.set(var)逻辑说明：
frame_rgba[:, :, 3]精准切片Alpha层；np.var()使用无偏估计（ddof=0默认），单位为(uint8)^2；Gauge适用于瞬时值跟踪，支持毫秒级抖动观测。
漂移判定阈值（单位：uint8²）
| 场景 | 安全阈值 | 风险提示 |
|---|---|---|
| 静态UI层 | ≥ 1.2 | |
| 动态粒子特效 | ≥ 15.0 |
数据同步机制
- 埋点与渲染线程共享内存帧句柄，避免深拷贝
- Prometheus
scrape_interval: 100ms匹配典型60fps渲染节拍 - 异常方差持续3帧超限触发告警规则
graph TD
A[GPU帧完成] --> B[CPU读取alpha通道]
B --> C[计算var]
C --> D[更新Gauge]
D --> E[Prometheus拉取]第五章：从像素腐败到系统可信——Go图像生态的演进路径
像素级校验：jpeg.Decode 的隐式信任危机
早期 Go 项目中，image/jpeg.Decode 被广泛用于解析用户上传的 JPEG 文件。2021 年某电商后台因恶意构造的 JPEG SOF 段（长度字段溢出）触发 jpeg.decodeSOF 中未校验的 nComp 值，导致解码器分配超大内存块并 OOM。该漏洞（CVE-2021-41771）暴露了标准库对“像素腐败”的零防御能力——它只保证语法正确性，不验证语义合理性。
零拷贝裁剪：通过 unsafe.Slice 实现可信缩略图生成
某 CDN 服务将 golang.org/x/image/draw 替换为自研 fastcrop 包：利用 unsafe.Slice 直接操作 *[]byte 底层数据，跳过 image.RGBA.SubImage 的深拷贝开销。实测处理 4096×3072 图像时，内存分配从 12.8MB 降至 0B，GC 压力下降 93%。关键代码如下：
func CropUnsafe(src *image.RGBA, r image.Rectangle) *image.RGBA {
stride := src.Stride
offset := r.Min.Y*stride + r.Min.X*4
data := unsafe.Slice(&src.Pix[offset], r.Dx()*r.Dy()*4)
return &image.RGBA{Pix: data, Stride: r.Dx() * 4, Rect: r}
}可信图像流水线：基于 OpenPolicyAgent 的策略引擎
某医疗影像平台构建三层校验链：
- 解码前：OPA 策略拦截
Content-Length > 50MB或Content-Type ≠ image/*请求 - 解码中：
github.com/disintegration/imaging启用imaging.WithDecodeConfig(imaging.DecodeConfig{MaxPixels: 25_000_000}) - 渲染后：
sha256.Sum256校验缩略图哈希并写入区块链存证表
| 校验阶段 | 工具链 | 失败响应 | 平均耗时 |
|---|---|---|---|
| 协议层 | OPA + Envoy | HTTP 400 + audit log | 0.8ms |
| 解码层 | imaging + custom decoder | panic recovery → fallback to PNG | 12.3ms |
| 语义层 | OpenCV-go + custom ROI validator | reject with reason code INVALID_ANATOMY |
47.6ms |
内存安全边界：CGO 调用 libvips 的沙箱实践
为规避 Go 原生 PNG 解码器在 zlib 层的潜在堆溢出风险，某云相册服务采用 libvips 作为可信图像处理后端。通过 runtime.LockOSThread() 绑定 goroutine 到专用线程，并在 CGO 函数入口处插入 setrlimit(RLIMIT_AS, 128<<20) 限制虚拟内存。同时使用 cgo -godefs 生成类型安全的 C 结构体绑定，避免 C.size_t 与 int 的隐式转换错误。
可观测性注入：OpenTelemetry 图像处理追踪
在 github.com/h2non/bimg 封装层中嵌入 OTel Span：对每个 bimg.Options 注入 trace.SpanContext，记录 decode_time_ms、original_bytes、output_format 三个核心指标。通过 Jaeger UI 可下钻分析特定 X-Request-ID 的全链路耗时分布，发现 73% 的超时请求集中于 webp 编码阶段——进而推动将 cwebp 进程池升级为静态链接版本，消除 glibc 版本兼容性导致的随机挂起。
构建时可信：go.sum 锁定与 SBOM 生成
CI 流水线强制执行：go mod verify 失败即终止；syft 扫描 ./cmd/imgproc 生成 SPDX 2.2 格式 SBOM；cosign sign 对编译产物签名。当 golang.org/x/image v0.15.0 发布后，自动化检测到其依赖 golang.org/x/exp 引入未审计的 slices.Clone 补丁，立即触发人工评审流程，延迟上线 48 小时直至上游提供 CVE 分析报告。
WebAssembly 边缘计算：WASI 运行时隔离图像滤镜
Cloudflare Workers 上部署 WASI 模块执行锐化滤镜：Rust 编写的 wasi-image-filter 通过 wasip1 ABI 加载，内存限制设为 262144 字节（256KB），禁止所有文件系统调用。Go 主程序仅传递 Base64 编码的像素数据与 JSON 参数，接收 WASM 返回的 Uint8Array。压测显示单 Worker 实例可并发处理 127 个 1024×768 图像请求，P99 延迟稳定在 83ms。
