要真正无损批量转换图像，jpeg需设quality=95，png需optimize=false且compress_level=0，webp需lossless=true；heic须用imageio+pyav并手动转rgb；多线程中每个线程须独立open()；exif需以二进制形式显式传递。
用 Pillow 批量转换格式但保留原始质量
直接调用 save() 时没指定 quality 参数，JPEG 默认会降质（Pillow 通常设为 75），PNG 则可能因默认 optimize=True 触发有损压缩路径（尤其在某些 Pillow 编译版本中）。要真正“无损”，得按格式分别处理：
- JPEG：显式传
quality=95（95是视觉无损临界值，100反而可能引入微小量化误差） - PNG：关闭优化、禁用抖动、强制使用
mode='RGB'或'RGBA'避免自动转'P'调色板（那是有损的） - WebP：用
lossless=True，别依赖quality=100—— 它仍可能是有损编码
示例关键逻辑：
if img.format == 'JPEG':
img.save(out_path, quality=95, optimize=True)
elif img.format == 'PNG':
img.save(out_path, optimize=False, compress_level=0)
elif img.format == 'WEBP':
img.save(out_path, lossless=True)
imageio + pyav 处理 HEIC/HEIF 等新格式
Pillow 原生不支持 HEIC（iOS 默认照片格式），强行用 Image.open() 会报 OSError: cannot identify image file。必须换库或加插件：
- 装
pyav（FFmpeg 绑定）+imageio-ffmpeg，再用imageio.get_reader()读取 HEIC - 注意：
pyav的decode()返回的是 YUV 帧，需手动转 RGB，否则保存成 JPEG/PNG 会偏色 - 批量时别用
imageio.mimwrite()写 HEIC —— 它不支持写入，只读
简短适配片段：
import imageio
reader = imageio.get_reader('input.HEIC')
for i, frame in enumerate(reader):
rgb_frame = frame.convert('RGB') # 关键！避免 YUV 直出
rgb_frame.save(f'output_{i}.png')
用 concurrent.futures 加速但避开 PIL 线程安全陷阱
Pillow 的 Image 对象不是线程安全的，多线程直接共享一个 Image 实例会导致段错误或图像错乱。常见误操作是把 Image.open() 放在线程外、然后传给多个 worker —— 这不行。
- 正确做法：每个线程内独立调用
Image.open()，处理完立刻.close() - 别用
ThreadPoolExecutor处理超大图（如 >50MP），内存峰值翻倍；改用ProcessPoolExecutor更稳，但启动开销略高 - 对 SSD 用户，I/O 其实比 CPU 更容易成瓶颈，线程数设为
min(8, os.cpu_count() * 2)通常比盲目设 32 更有效
文件名与元数据：批量时别让 exif 消失或乱码
默认 Image.save() 会丢掉 EXIF —— 即使你没动图像内容。如果要保留拍摄时间、GPS、相机型号等，必须显式提取并写回：
- 用
img.info.get('exif', b'')拿原始二进制 EXIF 数据（不是字典！） - 保存时传
exif=exif_bytes参数，别试图用img._getexif()—— 它返回的是解析后字典，不能直接塞进save() - 中文路径或文件名在 Windows 上容易报
UnicodeEncodeError，确保 Python 启动时加-X utf8或环境变量PYTHONIOENCODING=utf-8
EXIF 保留示例：
exif_data = img.info.get('exif', b'')
img.save(out_path, exif=exif_data, quality=95)
无损不是靠“不压缩”，而是靠选对参数和格式语义。最常被忽略的是：HEIC 必须换库、EXIF 是二进制 blob、PIL 多线程必须每个线程自己 open。漏掉任意一点，“无损”就变成自我安慰。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
