canvas像素级去噪仅支持轻量空间滤波，如3×3均值滤波、模糊+锐化组合、阈值噪点替换；须规避中值滤波等高开销操作，采用双缓冲、requestidlecallback调度及分层处理策略。
Canvas 像素级图像去噪不能实现专业级降噪，它只适合处理轻微噪声，且必须配合性能约束和视觉优化逻辑。浏览器环境不支持频域分析、浮点精度运算和高复杂度邻域计算，强行套用传统算法会导致卡顿、失真或细节丢失。
能做的轻量级空间滤波
Canvas 的 getImageData() 返回的是 8-bit 整数数组，所有操作都基于整数运算。可行的去噪方式仅限以下几种：
- 3×3 均值滤波：对每个像素的 RGB 通道取邻域 9 点平均，跳过 alpha 通道；边界处建议复制边缘像素而非跳过，避免黑边
- 模糊 + 锐化组合：先用极小 CSS filter: blur(0.6px) 软化噪点边缘，再叠加轻量 unsharp-mask 补偿纹理（需控制锐化强度，避免放大噪声）
- 阈值噪点替换：逐像素转灰度后，判断是否为孤立亮斑（如周围 8 点均值与当前差 >40），再用邻域中位数或均值替换
必须规避的技术陷阱
很多教程写的“卷积去噪”在实际中会适得其反：
- 中值滤波要排序 9 个像素，在 1920×1080 图上每帧需执行约 1700 万次比较，主线程必然掉帧
- 高斯滤波、小波变换等依赖浮点运算和频域分解，Canvas 无法原生支持
- 直接对 ImageData.data 原地修改会导致后续像素读取错位（因已覆盖原始值），必须使用独立输出缓冲区
保障可用性的运行时策略
所谓“动态”，不是实时逐帧处理，而是有节制的响应式更新：
- 用 requestIdleCallback 调度处理，每秒最多更新 2–3 帧，确保滚动、点击等交互不被阻塞
- 监听 loadeddata 和 resize 事件，仅当新帧到达或尺寸变化时触发，旧帧自动丢弃（加 300ms 节流）
- 预创建两个 ImageData 实例（inputBuf / outputBuf），在循环中交换使用，避免频繁 GC 中断渲染
更合理的分层处理路径
前端不该承担真正去噪任务，尤其面对摄像头直出、高 ISO 或用户上传图：
- 低要求场景：仅对 PNG/JPG 静态图做一次轻量滤波，用 Worker 隔离计算，避免阻塞 UI
- 中等要求：前端传原始 Blob 给后端，由 Python + cv2.fastNlMeansDenoisingColored() 处理，返回干净 URL
- 强实时需求：接入 OpenCV.js（WASM 版），它支持完整非局部均值降噪，但首次加载超 5MB，且需预热调用空函数防首帧延迟
