通過之前小編分享的html5canvas這方面的相關內(nèi)容之后大家就讓小編整理有關于:“在html5中怎么使用canvas對基礎圖像進行處理?”這個問題的解決方法!
基礎 API
canvas 的圖像處理能力通過 ImageData 對象來處理像素數(shù)據(jù)。主要的 API 如下:
- createImageData():創(chuàng)建一個空白的 ImageData 對象
- getImageData():獲取畫布像素數(shù)據(jù),每一個像素點有 4 個值 —— rgba
- putImageData():將像素數(shù)據(jù)寫入畫布
imageData = {
width: Number,
height: Number,
data: Uint8ClampedArray
}
width 是 canvas 畫布的寬或者說 x 軸的像素數(shù)量;height 是畫布的高或者說 y 軸的像素數(shù)量;data 是畫布的像素數(shù)據(jù)數(shù)組,總長度 w * h * 4,每 4 個值(rgba)代表一個像素。
對圖片的處理
下面,我們通過幾個例子來看下 canvas 基礎的圖片處理能力。
原圖效果:
const cvs = document.getElementById("canvas");
const ctx = cvs.getContext("2d");
const img = new Image();
img.src="圖片 URL";
img.onload = function () {
ctx.drawImage(img, 0, 0, w, h);
}
底片/負片效果
算法:將 255 與像素點的 rgb 的差,作為當前值。
function negative(x) {
let y = 255 - x;
return y;
}
效果圖:
const imageData = ctx.getImageData(0, 0, w, h);
const { data } = imageData;
let l = data.length;
for(let i = 0; i < l; i+=4) {
const r = data[i];
const g = data[i + 1];
const b = data[i + 2];
data[i] = negative(r);
data[i + 1] = negative(g);
data[i + 2] = negative(b);
}
ctx.putImageData(imageData, 0, 0);
單色效果
單色效果就是保留當前像素的 rgb 3個值中的一個,去除其他色值。
for(let i = 0; i < l; i+=4) { // 去除了 r 、g 的值
data[i] = 0;
data[i + 1] = 0;
}
效果圖:
灰度圖
灰度圖:每個像素只有一個色值的圖像。0 到 255 的色值,顏色由黑變白。
for(let i = 0; i < l; i+=4) {
const r = data[i];
const g = data[i + 1];
const b = data[i + 2];
const gray = grayFn(r, g, b);
data[i] = gray;
data[i + 1] = gray;
data[i + 2] = gray;
}
算法1——平均法:
const gray = (r + g + b) / 3;
效果圖:
算法2——人眼感知:根據(jù)人眼對紅綠藍三色的感知程度:綠 > 紅 > 藍,給定權重劃分
const gray = r * 0.3 + g * 0.59 + b * 0.11
效果圖:
除此以外,還有:
取最大值或最小值。
const grayMax = Math.max(r, g, b); // 值偏大,較亮
const grayMin = Math.min(r, g, b); // 值偏小,較暗
const grayMax = Math.max(r, g, b); // 值偏大,較亮 const grayMin = Math.min(r, g, b); // 值偏小,較暗
取單一通道,即 rgb 3個值中的一個。
二值圖
算法:確定一個色值,比較當前的 rgb 值,大于這個值顯示黑色,否則顯示白色。
for(let i = 0; i < l; i+=4) {
const r = data[i];
const g = data[i + 1];
const b = data[i + 2];
const gray = gray1(r, g, b);
const binary = gray > 126 ? 255 : 0;
data[i] = binary;
data[i + 1] = binary;
data[i + 2] = binary;
}
效果圖:
高斯模糊
高斯模糊是“模糊”算法中的一種,每個像素的值都是周圍相鄰像素值的加權平均。原始像素的值有最大的高斯分布值(有最大的權重),相鄰像素隨著距離原始像素越來越遠,權重也越來越小。
一階公式:
(使用一階公式是因為一階公式的算法比較簡單)
const radius = 5; // 模糊半徑
const weightMatrix = generateWeightMatrix(radius); // 權重矩陣
for(let y = 0; y < h; y++) {
for(let x = 0; x < w; x++) {
let [r, g, b] = [0, 0, 0];
let sum = 0;
let k = (y * w + x) * 4;
for(let i = -radius; i <= radius; i++) {
let x1 = x + i;
if(x1 >= 0 && x1 < w) {
let j = (y * w + x1) * 4;
r += data[j] * weightMatrix[i + radius];
g += data[j + 1] * weightMatrix[i + radius];
b += data[j + 2] * weightMatrix[i + radius];
sum += weightMatrix[i + radius];
}
}
data[k] = r / sum;
data[k + 1] = g / sum;
data[k + 2] = b / sum;
}
}
for(let x = 0; x < w; x++) {
for(let y = 0; y < h; y++) {
let [r, g, b] = [0, 0, 0];
let sum = 0;
let k = (y * w + x) * 4;
for(let i = -radius; i <= radius; i++) {
let y1 = y + i;
if(y1 >= 0 && y1 < h) {
let j = (y1 * w + x) * 4;
r += data[j] * weightMatrix[i + radius];
g += data[j + 1] * weightMatrix[i + radius];
b += data[j + 2] * weightMatrix[i + radius];
sum += weightMatrix[i + radius];
}
}
data[k] = r / sum;
data[k + 1] = g / sum;
data[k + 2] = b / sum;
}
}
function generateWeightMatrix(radius = 1, sigma) { // sigma 正態(tài)分布的標準偏差
const a = 1 / (Math.sqrt(2 * Math.PI) * sigma);
const b = - 1 / (2 * Math.pow(sigma, 2));
let weight, weightSum = 0, weightMatrix = [];
for (let i = -radius; i <= radius; i++){
weight = a * Math.exp(b * Math.pow(i, 2));
weightMatrix.push(weight);
weightSum += weight;
}
return weightMatrix.map(item => item / weightSum); // 歸一處理
}
效果圖:
其他效果
這里再簡單介紹下其他的圖像效果處理,因為例子簡單重復,所以不再給出代碼和效果圖。
- 亮度調(diào)整:將 rgb 值,分別加上一個給定值。
- 透明化處理:改變 rgba 值中的 a 值。
- 對比度增強:將 rgb 值分別乘以 2,然后再減去一個給定值。
總結(jié)
好了,上面就是一些基礎的圖像處理算法。
參考資料
那么到此這篇關于“在html5中怎么使用canvas對基礎圖像進行處理?”這個問題的內(nèi)容我們就分享到這里了,更多的內(nèi)容都可以在W3Cschool中進行學習!