canvas的圖片處理

小云云原創: 2017-12-08 15:29:131907瀏覽

Canvas 透過 JavaScript 來繪製 2D圖形。 Canvas 是逐像素渲染的。在canvas 中，一旦圖形被繪製完成，它就不會繼續得到瀏覽器的關注。如果其位置發生變化，那麼整個場景也需要重新繪製，包括任何或許已被圖形覆蓋的物件。

canvas對像素點實現基本的處理操作

// 取得像素點資料
var canvas = document.getElementById('CanvasElt');
var ctx = canvas. getContext('2d');
// 取得canvas中的像素訊息，
//x 開始複製的左上角位置的x 座標。
//y 開始複製的左上角位置的 y 座標。
//width 將要複製的矩形區域的寬度。
//heigh將要複製的矩形區域的高度。
var canvasData = ctx.getImageData(x, y, canvas.width, canvas.height);
// 寫入像素資訊
ctx.putImageData(canvasData, 0, 0);
取得到的canvasData物件包含下列成員，其中的data數組結構大概是這樣的，一行一行存，然後一個列點一個列點存，每個點佔4個下標，分別是RGBA唄，則對於坐標（x ,y)（這裡的y是下方正向），RGBA分別是data[(ywidth+x)4]，data[(ywidth+x)4+1]，data[(ywidth+x)4+2]， data[(ywidth+x)4+3]。能夠取得到像素點，就能對像素點進行操作，最簡單的就是灰階處理了，灰階處理有很多種方式最簡單的方法就是把每個相位的r,g,b相加取平均數，再分別賦給r,g,b。
//灰階處理
function gray() {

var imageData = ctx1.getImageData(0, 0, canvas1.width, canvas1.height);
for(var i = 0; i < imageData.data.length; i += 4) {
var avg = (imageData.data[i] + imageData.data[i + 1] + imageData.data[i + 2]) / 3;
    imageData.data[i] = avg; // red
    imageData.data[i + 1] = avg; // green
    imageData.data[i + 2] = avg; // blue
    imageData.data[i + 3] = 255; //alpha
}
ctx1.putImageData(imageData, 0, 0);

}
像素取反：255 減去對應rgb的值，再賦值為原來的rgb；亮度調節：原來的rgb值隨機的加減一個相同的隨機數。那麼想得到對比變化的圖片，或是模糊圖片呢？卷積核：圖片處理領域最常用的就是卷積核，所謂的矩陣的捲積，就是如下圖顯示的那樣，當計算紅色框中的數值的時候，分別先提取周圍綠框中8個數字，然後與施加的那個矩陣中對應位置相乘，然後把各個乘積加在一起，就得到了最終的值了。

例如: (40 x 0)+(42 x 1)+(46 x 0)+ (46 x 0)+(50 x 0)+(55 x 0)+ (52 x 0)+ (56 x 0)+(58 x 0)= 42 那怎麼就能得到模糊的圖片呢？圖片的像素點和[1,1,1,1,1,1,1,1,1]的矩陣求卷積核，此時的像素點可能超過了255；所以再除以一個基數8；得到的圖片就是加了模糊濾鏡的圖片；對比呢，就是1.提高白色畫面的亮度；2.讓黑色更黑，降低最低亮度；可以求[0,0,0,0,3,0,0 ,0,0]的捲積核，同樣的有可能超過255，再減去一個適合的基數150；現在需要一個卷積核的函數：函數第一個參數是canvas上的imageData 物件第二個參數是傳入矩陣所對應的數組，如果是下面這樣的矩陣a b c d e f g h i 則傳入第二個的參數應為[a,b,c,d,e,f,g,h,i] 第三個參數是除數因子。第四個參數就是偏移量。
function ConvolutionMatrix(input, m, pisor, offset) {

var output =document.createElement("canvas").getContext('2d').createImageData(input);
var w = input.width,
    h = input.height;
var iD = input.data,
    oD = output.data;
for(var y = 1; y < h - 1; y += 1) {
    for(var x = 1; x < w - 1; x += 1) {
        for(var c = 0; c < 3; c += 1) {
            var i = (y * w + x) * 4 + c;
            // 卷积核计算
            oD[i] = offset +(m[0] * iD[i - w * 4 - 4] + m[1] * iD[i - w * 4] + m[2] * iD[i - w * 4 + 4] +m[3] * iD[i - 4] + m[4] * iD[i] + m[5] * iD[i + 4] +m[6] * iD[i + w * 4 - 4] + m[7] * iD[i + w * 4] + m[8] * iD[i + w * 4 + 4]) /pisor;
        }
                    oD[(y * w + x) * 4 + 3] = 255; // 设置透明度为不透明
    }
}
return output;

}
//模糊處理
function mohu(){

var imageData = ctx1.getImageData(0, 0, canvas1.width, canvas1.height);
var m = [1,1,1,1,1,1,1,1,1];
var output = ConvolutionMatrix(imageData, m, 10,0);
ctx1.putImageData(output,0,0);

}

//對比處理
function level(){

var imageData = ctx1.getImageData(0, 0, canvas1.width, canvas1.height);
var m = [0,0,0,0,3,0,0,0,0];
var output = ConvolutionMatrix(imageData, m, 1,-150);
ctx1.putImageData(output,0,0);

}

圖片也可以有你想要的資料

#既然圖片每個像素都是由RGBA四個元素構成，單純以圖片來說用getImageData解析出來的只是一大堆你不必需要知道的數據，那麼我們是不是可以把特定的色值看成我們自己的數據呢？
例如：在一張圖片中，我們想把（r:255,g:255:b:255,a:255）白色像素找出來，可以透過getImageData來取得圖片的數據，透過擷取每個像素的數據是不是對應的rgba，把它們提取出來，再根據圖片的寬度和高度，就可以計算出每個白色像素的位置信息，這些信息就是你想要提取的數據。
canvas的圖片處理

圖片也需要做的好遍歷些

在上一步驟中，我們已經知道圖片中特定元素取得相關位置資訊的操作，但是圖片是一個很普通的圖片的話，你就需要遍歷imageData中每個信息，有沒有更好的方式減少遍歷呢？
答案是：圖片預設為黑色（r:0,g:0,b:0,a:0）就可以了，但不一定只有一個答案，或許也會有其他好的方法，但原理應該是一樣的。
透過遍歷每個像素的r,如果r!=0再去遍歷這個像素的剩下的g,b,a,這一步比上一步剩下了無用的遍歷，這一步中最重要的就是背景最好是黑色，因為黑色是全零狀態，好計算。
canvas的圖片處理

還有沒有更好的優化？

除了上述兩步外，所用到的圖片太大，也會導致遍歷更多，而且我們只關心的是提取數據，而不關心他的大小，最終數據是我們想要的就行，那麼我們可以把原圖可以按比例縮放幾倍，利用新的圖片所獲得的數據最後在乘以對應的倍數，所得的就是我們想要的數據了。

canvas的圖片處理

canvas的圖片處理

canvas對像素點實現基本的處理操作

圖片也可以有你想要的資料

圖片也需要做的好遍歷些

還有沒有更好的優化？

相關文章