| 图片像素分析与功能实现 | 您所在的位置：网站首页 › 生活中函数的例子图片 › 图片像素分析与功能实现 |
图片像素分析与功能实现
|
文章目录
rgba概念换肤功能旋转功能反相功能图片跨域
rgba概念
图片是由一个个像素点组成。每一个像素点包含四个值,决定了渲染出来的状态。这四个值为rgba(red, green, blue, alpha)。 前三个值是 红绿蓝,值的大小范围从 0到255 ,或者从 0%到100% 之间。 第四个值 alpha,规定了色彩的透明度,它的范围为0到1之间。其中0代表完全透明,1代表完全可见。通过getImageData方法得到的alpha值范围为0~255 红绿蓝是色彩中的三元色,通过设置这三种颜色所占的比重,可以变幻出其他所有颜色。 既然每个像素点可以通过rgba的值来表达,那么一张图片所包含的所有像素点都可以转换成数据。如果修改某部分像素点的rgba值,那该图片渲染出来的效果就会发生变化,这样便实现了图片的编辑。 换肤功能我们通过一个换肤功能来理清具体过程。 首先我们定义一些全局信息 // 定义图像宽高 let imgWidth = null let imgHeight = null // 定义canvas画布 const canvas = document.createElement('canvas') const ctx = canvas.getContext('2d');那怎么把图片转化成由像素点组成的数据呢? 首先编写一个getImageData函数将原始图片转化成数据(代码如下)。 图片转换成像素数据按以下两步操作。 调用ctx.drawImage(img, x, y, width, height) 用于创建ImageData对象调用ctx.getImageData(x, y, width, height) 用于从canvas中获取ImageData对象 /** * 获取图片像素点信息 * * @param { String } picPath 图片路径 * * @returns Promise **/ function getImageData(picPath) { const image = new Image(); image.src = picPath; return new Promise((resolve) => { image.onload = (e) => { imgWidth = e.target.width imgHeight = e.target.height canvas.width = imgWidth canvas.height = imgHeight ctx.drawImage(image, 0, 0, imgWidth, imgHeight); // 将图片绘制到画布上 const imgData = ctx.getImageData(0, 0, imgWidth, imgHeight); // 获取画布上的图像像素 resolve(imgData.data) // 获取到的数据为一维数组,包含图像的RGBA四个通道数据 ctx.clearRect(0, 0, imgWidth, imgHeight); } }) }在上一步我们获取到了图片像素点信息，数据结果(data)如下: data = [255, 255, 255, 255, 255, 61, 61, 255, 255, 0, 0, 255, 255,...]data是一维数组,数组的前四个值[255, 255, 255, 255]为图片第一个像素点的rgba值(ctx.getImageData返回的透明度大小范围是从0 - 255的),[255, 61, 61, 255]是图片第二个像素点的rgba值,后面依次类推。如此便成功的将图片转化成了数据。 虽然图片成功转化成了数据,但这样的数据结构很难操作,我们期待能够将数据结构的表现形式与图片展示效果保持一致。 假如存在四个都是黑色的像素点(如下图),总宽高都为2,值为[0, 0, 0, 255,0, 0, 0, 255,0, 0, 0, 255,0, 0, 0, 255]。
通过某个函数转换,数据就变成了下列格式。 [ [[0, 0, 0, 255],[0, 0, 0, 255]], // 第一行 [[0, 0, 0, 255],[0, 0, 0, 255]] // 第二行 ]上列数据格式和图片的展示结构保持了一致,可以很清晰的看出当前图形有多少行,每一行又有多少个像素点,以及每一个像素点的rgba值。 综合上面描述,可以编写函数normalize(代码如下)实现数据格式的转换。 /** * 将一维数组化为矩阵结构数组 * * @param { Array } data 一维数组 **/ function normalize(data) { const pixelPointArr = [] const result = [] const len = data.length / 4 // 将rgba数据形成一个数组 for (let i = 0; i const temp = [] for (let w = 0; w for (let h = 0; h // 排除透明度的比较 if (data[h][w].slice(0, 3).join() === originRGB.join()) { data[h][w] = [...endedRGB, data[h][w][3]]; } } } return data }矩阵的数据操作完了,还需要调用restoreData函数将多维数组再转回一维数组传给putImageData方法进行图形渲染。 /** * 转化为一维数组 * * @param { Array } data 矩阵结构数组 **/ function restoreData(data) { const result = []; for (let h = 0; h result.push(...data[h][w]); } } return result; }数据处理完毕后,将处理完的数据data传递给drawImage函数渲染成新图片(代码如下)。 渲染图像主要调用以下两个api。 ctx.createImageData(width, height) 创建新的空白ImageData对象,通过.data.set重新赋值。ctx.putImageData(imagedata, dx, dy, dirtyX, dirtyY, dirtyWidth, dirtyHeight) 将图像数据（从指定的 ImageData 对象）放回画布上，可以只输入前三个参数。参数分别是： imagedata：包含像素值的数组对象。dx：源图像数据在目标画布中的位置偏移量（x 轴方向的偏移量）。dy：源图像数据在目标画布中的位置偏移量（y 轴方向的偏移量）。dirtyX：（可选）在源图像数据中，矩形区域左上角的位置。默认是整个图像数据的左上角（x 坐标）。dirtyY：（可选） 在源图像数据中，矩形区域左上角的位置。默认是整个图像数据的左上角（y 坐标）。dirtyWidth：（可选） 在源图像数据中，矩形区域的宽度。默认是图像数据的宽度。dirtyHeight：（可选） 在源图像数据中，矩形区域的高度。默认是图像数据的高度。 /** * 绘制图片 * * @param { Array } data 一维数组 **/ function drawImage(data) { const matrixObj = ctx.createImageData(imgWidth, imgHeight); matrixObj.data.set(data); ctx.putImageData(matrixObj, 0, 0); document.body.appendChild(canvas) }这样整体流程就结束了，总体函数调用逻辑如下 getImageData('./images/xxx.png') .then((data) => { data = normalize(data); // 转化成多维数组 data = peeling(data, [183, 183, 183], [255, 255, 255]); // 换肤 data = restoreData(data); // 转化成一维数组 drawImage(data); // 绘制图像 })至此新图片便成功渲染了出来。可以看下效果对比图。左图为原图，右图为处理之后的图片。将灰色背景（rgb值183, 183, 183）替换为白色背景（rgb值255, 255, 255）
回顾上述操作,编辑图像主要分解成以下四步。 将原始图片转化成矩阵数据(多维数组)依据需求操作矩阵将矩阵数据转换回一维数组渲染新图片上述第二步操作是图像编辑的核心,很多复杂的变换效果可以通过编写矩阵算法实现。 为了加深理解,利用上述知识点实现一个图片旋转的需求。 旋转功能假定存在最简单的情况如下图所示,其中左图存在四个像素点。第一行有两个像素点1和2(这里用序号代替rgba值)。 第二行也有两个像素点3和4。数据源转换成矩阵data后的值为 [[[1],[2]],[[3],[4]]]。
如何将左图按顺时针旋转90度变成右图 通过观察图中位置关系,只需要将data中的数据做位置变换,让data = [[[1],[2]],[[3],[4]]]变成data = [[[3],[1]],[[4],[2]]],就可以实现图片变换。 四个像素点可以直接用索引交换数组的值,但一张图片动辄几十万个像素,那该如何进行操作? 这种情况下通常需要编写一个基础算法来实现图片的旋转。 首先从下图中寻找规律,图中有左 - 中 - 右三种图片状态,为了从左图的1-2-3-4变成右图的3-1-4-2,可以通过以下两步实现.
寻找矩阵的高度的中心轴线,上下两侧按照轴线进行数据交换。比如左图1 - 2和3 - 4之间可以画一条轴线,上下两侧围绕轴线交换数据,第一行变成了3 - 4,第二行变成了1 - 2。通过第一步操作变成了中图的样子。 中图的对角线3 - 2和右图一致,剩下的将对角线两侧的数据对称交换就可以变成右图。比如将中图的1和4进行值交换。操作完后便实现了图片的旋转。值得注意的是4的数组索引是[0][1],而1的索引是[1][0],刚好索引顺序颠倒。 通过以上描述规律便可编写下面函数实现图片的旋转。下面的旋转算法只适用于正方形且长宽为偶数(长方形的图片要另外编写)。 /** * 图片旋转90度 * * @param { Array } data 矩阵结构数组 **/ function rotate90(data) { // 围绕中间行上下颠倒 const mid = imgHeight / 2; // 找出中间行 for (let h = 0; h const correspondingLine = imgHeight - 1 - h; [data[h][w], data[correspondingLine][w]] = [data[correspondingLine][w], data[h][w]] } } // 根据对角线进行值交换 for (let h = 0; h [data[h][w], data[w][h]] = [data[w][h], data[h][w]] } } return data }实现效果如下，左图为原图，右图为旋转90后的图片
实现思路是将图片画到canvas上，获取canvas的ImageData对象，对每个像素的颜色值进行反相处理。 /** * 对图片进行反相处理 * * @param { Array } data 一维数组 **/ function revertImg(data) { const pixelLen = data.length / 4 for (let i = 0; i |
【本文地址】