乐趣区

关于前端:Canvas-10款基础滤镜原理篇

jiezi

本文简介

点赞 + 关注 + 珍藏 = 学会了

在学习 Canvas 的路上大概率会理解到 滤镜，这是个很乏味的货色。

用 Canvas 开发滤镜须要对几何数学、色彩的了解等畛域都有肯定根底。

但先别关掉文章，没根底也没关系，不是还能够复制粘贴吗？（像极了正则表达式）

我在学习的过程中也尝试过写一些简略的滤镜，也收集过很多滤镜。但因为历史有点长远了，我找不到收集回来的滤镜出处了。如果有触犯到原作者，请分割我进行整改~

如果你对 Canvas 感兴趣，能够关注《一看就懂的 Canvas 专栏》

本文应用到的 猫咪 图片素材来自 The Cat API。

如果想要更多猫猫狗狗的 API，能够查看《前端须要的收费在线 api 接口》。

开发环境

本文所列出的例子都是在 .html 文件里编写的，能够间接看看代码仓库。

须要留神的是，本例应用到的办法尽管是 Canvas 原生操作像素的办法，但必须有个服务器能力运行起来，不然不会失效。

能够搭建本地服务器运行本文案例，办法有很多种。

比方你应用 Vue 或者 React 的脚手架搭建的我的项目，运行后就能跑起本文所有案例。

又或者应用 http-server 启动本地服务。

本文应用一个更简略的工具。我用 VS Code 开发，装置了 Live Server 插件，它能够启动一个本地服务，同时自带热更新性能。

开发环境方面就讲这么多，不是本文重点。如果是在不懂怎么搭建环境能够在留言区发问~

滤镜原理

家喻户晓，位图是由像素组成，像素是位图最小的信息单元。 你能够把日常看到大多数图片了解成由一个个点组成的图像。

滤镜的作用是通过具体规定，将图像中的像素点依照计算得出的公式批改一遍再从新渲染进去。

比方这样，将左侧的黑猫照片反色，本来红色的像素变成彩色，本来是彩色的像素变成红色。 而这就是具体规定。

滤镜就是操作像素点，在 Canvas 里有 3 个罕用的 API 能够实现像素点的操作。

它们别离是：

  • getImageData()
  • putImageData()
  • createImageData()

getImageData()

getImageData() 办法能够获取图片的数据。比方组成图片的像素集、图片的宽低等信息。

语法：

context.getImageData(x, y, width, height)
  • x: 开始复制的左上角地位的 x 坐标。
  • y: 开始复制的左上角地位的 y 坐标。
  • width: 将要复制的矩形区域的宽度。
  • height: 将要复制的矩形区域的高度。

举个例子，我应用这张猫图，在 Canvas 中渲染进去。而后应用 getImageData() 办法获取该图片的数据（为了展现不便，我在开发中应用的猫图是压缩过尺寸的）。

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const cxt = context.getContext('2d')

  const img = new Image() // 创立图片对象
  img.src = './cat.jpg' // 加载本地图片

  // 期待图片加载实现再往下执行
  img.onload = () => {
    // 渲染图片
    cxt.drawImage(img, 10, 10)

    // 获取图片信息
    const imgData = cxt.getImageData(10, 10, img.width, img.height)

    // 打印图片信息
    console.log(imgData)
  }
</script>

打印进去的信息能够点开大图看看

  • data: 图片像素数据集，以数组的模式寄存，这是本文要讲的重点，须要关注！
  • colorSpace: 图片应用的色调规范，这个属性在 Chrome 里有打印进去，Firefox 里没打印。不重要~
  • height: 图片高度
  • width: 图片宽度

通过 getImageData() 获取到的信息中，须要重点关注的是 data，它是一个一维数组，仔细观察发现外面的值没一个是大于 255 的，也不会小于 0。

其实 data 属性里记录了图片每个像素的 rgba 值别离是多少。

  • r 代表红色
  • g 代表绿色
  • b 代表蓝色
  • a 透明度

这个和 CSS 里的 rgba 是同一个意思。

data 里，4 个元素记录 1 个像素的信息。也就是说，1 个像素是由 r、g、b、a 4 个元素组成。而且每个元素的取值范畴是 0 – 255 的整数。

data: [r1, g1, b1, a1, r2, g2, b2, a2, ......]
像素点 值 色彩通道
imgData.data[0] 49 红色 r
imgData.data[1] 47 绿色 g
imgData.data[2] 51 蓝色 b
imgData.data[3] 255 透明度 a
…… …… ……
imgData.data[n-4] 206 红色 r
imgData.data[n-2] 200 绿色 g
imgData.data[n-3] 200 蓝色 b
imgData.data[n-1] 255 透明度 a

如果一张图只有 10 个像素，通过 getImageData() 获取到的 data 信息中就有 40 个元素。

所以说，在 Canvas 中开发滤镜就是操作像素，也就是操作 data 里的数据。比方想把图片的透明度设为 50%，只须要遍历一遍 data，把 下标 + 1 能被 4 整除的元素的值改成 128，而后通过 putImageData() 办法将图片数据输入到画布上就行了。

putImageData()

putImageData() 能够将 ImageData 对象的数据（图片像素数据）绘制到画布上。

语法：

putImageData(imageData, x, y)

// 或者
context.putImageData(imgData, x, y, dirtyX, dirtyY, dirtyWidth, dirtyHeight)
  • imageData: 规定要放回画布的 ImageData 对象
  • x: ImageData 对象左上角的 x 坐标，以像素计
  • y: ImageData 对象左上角的 y 坐标，以像素计
  • dirtyX: 可选。程度值（x），以像素计，在画布上搁置图像的地位
  • dirtyY: 可选。程度值（y），以像素计，在画布上搁置图像的地位
  • dirtyWidth: 可选。在画布上绘制图像所应用的宽度
  • dirtyHeight: 可选。在画布上绘制图像所应用的高度

比方，我要将图片复制到另一个地位

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 0, 0)

    const imgData = ctx.getImageData(0, 0, img.width, img.height)
    ctx.putImageData(imgData, 100, 100) // 将图片对象输入到 (100, 100) 的地位上
  }
</script>

putImageData() 通常会和 getImageData() 一起配合应用。

createImageData()

createImageData() 办法创立新的空白 ImageData 对象

语法：

// 以指定的尺寸（以像素计）创立新的 ImageData 对象
context.createImageData(width, height)

// 或者
// 创立与指定的另一个 ImageData 对象尺寸雷同的新 ImageData 对象（不会复制图像数据）context.createImageData(imageData)

下面几个 API 只是看语法和介绍可能还不是很明了，间接看案例会学得比拟快。

先从最简略的开始~

反色

一个像素由 rgba 4 个元素组成，在反色成果中，不须要批改 a，因为它负责不透明度。

而 rgb 如果都是 255，就是红色，如果都是 0 就是彩色。

反色的原理就是用 255 减去原来的值。也就是说红、绿、蓝各自取反。

比方 rgb(10, 200, 100)，那么反色就是 rgb(245, 55, 155)。

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data

    for (var i = 0; i < data.length; i += 4) {data[i + 0] = 255 - data[i + 0] // r，红通道
      data[i + 1] = 255 - data[i + 1] // g，绿通道
      data[i + 2] = 255 - data[i + 2] // b，蓝通道
    }

    ctx.putImageData(imgData, 340, 10)
  }
</script>

下面只操作 data[i + 0]、data[i + 1] 和 data[i + 2]，就是每个像素的 rgb，并没有操作通明通道。

所以反色之后，不透明度和本来是一样的。

当把所有像素都操作实现后，再应用 putImageData() 办法把数据渲染到指定地位上。

灰度

应用 加权平均值 的形式能够计算出一个难看的灰度照片。

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data

    for (var i = 0; i < data.length; i += 4) {const grayscale = data[i] * 0.3 + data[i + 1] * 0.6 + data[i + 2] * 0.1
      data[i + 0] = grayscale // r，红通道
      data[i + 1] = grayscale // g，绿通道
      data[i + 2] = grayscale // b，蓝通道
    }

    ctx.putImageData(imgData, 340, 10)
  }
</script>

黑白

将每个像素的 rgb 都相加起来，再除以 3。判断一下是否大于 128，如果大于的话，间接取红色（255）；小于的话就取彩色（0）。

因为每个通道的取值范畴是 0 ~ 255，取两头值来判断，就应用了 128 做判断值。

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data

    for (var i = 0; i < data.length; i += 4) {const r = data[i + 0]
      const g = data[i + 1]
      const b = data[i + 2]
      const avg = (r + g + b) / 3
      data[i + 0] = data[i + 1] = data[i + 2] = avg >= 128 ? 255 : 0
    }

    ctx.putImageData(imgData, 340, 10)
  }
</script>

亮度调节

如果须要调亮，就把 rgb 每个值往上调；如果要调暗，就往下调。

调亮

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data

    let luminance = 60 // 调节参数

    for (var i = 0; i < data.length; i += 4) {data[i + 0] += luminance // r，红通道
      data[i + 1] += luminance // g，绿通道
      data[i + 2] += luminance // b，蓝通道
    }

    ctx.putImageData(imgData, 340, 10)
  }
</script>

调暗

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data

    let luminance = 60 // 调节参数

    for (var i = 0; i < data.length; i += 4) {data[i + 0] -= luminance // r，红通道
      data[i + 1] -= luminance // g，绿通道
      data[i + 2] -= luminance // b，蓝通道
    }

    ctx.putImageData(imgData, 340, 10)
  }
</script>

调节 RGB 通道

其实和上一例差不多，先设置一个调节参数。如果只是想调红通道，那就让红通道和这个参数相加或者相减。

<canvas id="c" width="1000" height="700" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
    const ctx = context.getContext('2d')

    const img = new Image()
    img.src = '../cat.jpg'

    img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    let arg = 80 // 调节参数

    // r 红通道
    const r = ctx.createImageData(imgData)
    r.data.set(imgData.data)
    const rData = r.data

    for (var i = 0; i < rData.length; i += 4) {rData[i + 0] += arg // r，红通道
    }

    ctx.putImageData(r, 10, img.height + 30)

    // g 绿通道
    const g = ctx.createImageData(imgData)
    g.data.set(imgData.data)
    const gData = g.data

    for (var i = 0; i < gData.length; i += 4) {gData[i + 1] += arg // g，绿通道
    }

    ctx.putImageData(g, 340, img.height + 30)

    // b 蓝通道
    const b = ctx.createImageData(imgData)
    b.data.set(imgData.data)
    const bData = b.data

    for (var i = 0; i < bData.length; i += 4) {bData[i + 2] += arg // b，蓝通道
    }

    ctx.putImageData(b, 670, img.height + 30)
  }
</script>

调节透明度

有了后面的例子，当初要调节图像透明度那切实太简略了。

只需把 a 通道的值减去一个调节参数即可。

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data

    let luminance = 60 // 调节参数

    for (var i = 0; i < data.length; i += 4) {data[i + 3] -= 100 // a 通道，设置不透明度
    }

    ctx.putImageData(imgData, 340, 10)
  }
</script>

RGB 蒙版

蒙版的逻辑和后面的 调节 RGB 通道 有点像。

这里应用的公式是，如果要做红色蒙版，首先求 rgb 3 个通道的平均值，将平均值赋给红通道（r），最初将绿和蓝通道设置为 0。

<canvas id="c" width="1000" height="700" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    let arg = 80 // 调节参数

    // r 红通道
    const r = ctx.createImageData(imgData)
    r.data.set(imgData.data)
    const rData = r.data

    for (var i = 0; i < rData.length; i += 4) {const r = rData[i + 0]
      const g = rData[i + 1]
      const b = rData[i + 2]
      const avg = (r + g + b) / 3
      rData[i + 0] = avg
      rData[i + 1] = 0
      rData[i + 2] = 0
    }

    ctx.putImageData(r, 10, img.height + 30)

    // g 绿通道
    const g = ctx.createImageData(imgData)
    g.data.set(imgData.data)
    const gData = g.data

    for (var i = 0; i < gData.length; i += 4) {const r = gData[i + 0]
      const g = gData[i + 1]
      const b = gData[i + 2]
      const avg = (r + g + b) / 3
      gData[i + 0] = 0
      gData[i + 1] = avg
      gData[i + 2] = 0
    }

    ctx.putImageData(g, 340, img.height + 30)

    // b 蓝通道
    const b = ctx.createImageData(imgData)
    b.data.set(imgData.data)
    const bData = b.data

    for (var i = 0; i < bData.length; i += 4) {const r = bData[i + 0]
      const g = bData[i + 1]
      const b = bData[i + 2]
      const avg = (r + g + b) / 3
      bData[i + 0] = 0
      bData[i + 1] = 0
      bData[i + 2] = avg
    }

    ctx.putImageData(b, 670, img.height + 30)
  }
</script>

老照片滤镜

老照片成果是有点偏黄的黑白灰照片，红 + 绿 = 黄。

通过调节，我得出以下代码

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data

    for (var i = 0; i < data.length; i += 4) {const r = data[i + 0]
      const g = data[i + 1]
      const b = data[i + 2]

      data[i + 0] = r * 0.28 + g * 0.72 + b * 0.22
      data[i + 1] = r * 0.25 + g * 0.63 + b * 0.13
      data[i + 2] = r * 0.17 + g * 0.66 + b * 0.13
    }

    ctx.putImageData(imgData, 340, 10)
  }
</script>

含糊

让图片含糊的办法是，以后像素的值，取决于四周 8 个像素的平均值（某些状况没有 8 个那么多，比方像素在图像的边缘）。将平均值赋给以后正在操作的像素，就能够失去一个和周边像素比拟靠近的过渡色彩。

其原理比较复杂，我打算开多一篇文章解说~

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data
    const width = imgData.width
    const height = imgData.height

    const gaussMatrix = []

    let gaussSum = 0
    let x = 0
    let y = 0

    let i = 0
    let j = 0
    let k = 0
    let len = 0

    const radius = 10
    const sigma = 5

    let r = 0
    let g = 0
    let b = -1 / (2 * sigma * sigma)
    let a = 1 / (Math.sqrt(2 * Math.PI) * sigma)

    // 生成高斯矩阵
    for (i = 0, x = -radius; x <= radius; x++, i++) {g = a * Math.exp(b * x * x)
      gaussMatrix[i] = g
      gaussSum += g
    }

    // 归一化, 保障高斯矩阵的值在 [0,1] 之间
    for (i = 0, len = gaussMatrix.length; i < len; i++) {gaussMatrix[i] /= gaussSum
    }

    // x 方向一维高斯运算
    for (y = 0; y < height; y++) {for (x = 0; x < width; x++) {
        r = g = b = a = 0
        gaussSum = 0
        for (j = -radius; j <= radius; j++) {
          k = x + j
          if (k >= 0 && k < width) { // 确保 k 没超出 x 的范畴
            // r,g,b,a 四个一组
            i = (y * width + k) * 4
            r += data[i] * gaussMatrix[j + radius]
            g += data[i + 1] * gaussMatrix[j + radius]
            b += data[i + 2] * gaussMatrix[j + radius]
            gaussSum += gaussMatrix[j + radius]
          }
        }
        i = (y * width + x) * 4
        // 除以 gaussSum 是为了打消处于边缘的像素, 高斯运算有余的问题
        // console.log(gaussSum)
        data[i] = r / gaussSum
        data[i + 1] = g / gaussSum
        data[i + 2] = b / gaussSum
      }
    }

    // y 方向一维高斯运算
    for (x = 0; x < width; x++) {for (y = 0; y < height; y++) {
        r = g = b = a = 0
        gaussSum = 0
        for (j = -radius; j <= radius; j++) {
          k = y + j
          if (k >= 0 && k < height) { // 确保 k 没超出 y 的范畴
            i = (k * width + x) * 4
            r += data[i] * gaussMatrix[j + radius]
            g += data[i + 1] * gaussMatrix[j + radius]
            b += data[i + 2] * gaussMatrix[j + radius]
            gaussSum += gaussMatrix[j + radius]
          }
        }
        i = (y * width + x) * 4
        data[i] = r / gaussSum
        data[i + 1] = g / gaussSum
        data[i + 2] = b / gaussSum
      }
    }

    ctx.putImageData(imgData, 340, 10)
  }
</script>

马赛克

马赛克的原理是：先定义一个马赛克范畴参数，该参数越大，马赛克的格子就越大。通过该参数去到以后正在操作的像素的周围像素，并将这些像素的色彩值求出一个平均值，而后该像素周围的像素都应用求进去的色彩值。

其原理也是比较复杂，不是一两百字能表白完。我同样打算写多一篇文章解说~

<canvas id="c" width="700" height="320" style="border: 1px solid #ccc;"></canvas>

<script>
  const context = document.getElementById('c')
  const ctx = context.getContext('2d')

  const img = new Image()
  img.src = '../cat.jpg'

  img.onload = () => {ctx.drawImage(img, 10, 10)

    const imgData = ctx.getImageData(10, 10, img.width, img.height)

    const data = imgData.data
    const blur = 6 // 马赛克范畴
    const blurR = 2 * blur + 1
    const total = blurR * blurR

    for (let i = blur; i <= img.width; i = i + blurR) {for (let j = blur; j <= img.height; j = j + blurR) {
        let r = 0
        let g = 0
        let b = 0
        for (let leny = -blur; leny <= blur; leny++) {for (let lenx = -blur; lenx <= blur; lenx++) {r += data[4 * ((j + leny) * img.width + i + lenx) + 0]
            g += data[4 * ((j + leny) * img.width + i + lenx) + 1]
            b += data[4 * ((j + leny) * img.width + i + lenx) + 2]
          }
        }

        let vr = r / total
        let vg = g / total
        let vb = b / total
        for (let leny = -blur; leny <= blur; leny++) {for (let lenx = -blur; lenx <= blur; lenx++) {data[4 * ((j + leny) * img.width + i + lenx) + 0] = vr
            data[4 * ((j + leny) * img.width + i + lenx) + 1] = vg
            data[4 * ((j + leny) * img.width + i + lenx) + 2] = vb
          }
        }
      }
    }

    ctx.putImageData(imgData, imgData.width + 30, 10)
  }
</script>

总结

开发 Canvas 滤镜其实就是定义好滤镜规定，再推算出算法去操作像素。

下面的例子中，含糊和马赛克的嵌套循环是比拟多的。如果图片较大时可能会呈现卡机的状况。

要解决这个问题能够优化算法缩小遍历，又或者将图像处理的工作交给工作线程来做。

优化算法缩小遍历，对我来说是有点难度的，所以我抉择应用工作线程来解决图像，之后的文章会讲到~

代码仓库

⭐Canvas 滤镜

举荐浏览

👍《Canvas 从入门到劝敌人放弃（图解版）》

👍《SVG 从入门到悔恨，怎么不早点学起来（图解版）》

👍《Fabric.js 从入门到收缩》

👍《『Three.js』腾飞！》

👍《SVG 在前端的 7 种应用办法，你还晓得哪几种？》

点赞 + 关注 + 珍藏 = 学会了
代码仓库

退出移动版