继续浏览精彩内容
慕课网APP
程序员的梦工厂
打开
继续
感谢您的支持,我会继续努力的
赞赏金额会直接到老师账户
将二维码发送给自己后长按识别
微信支付
支付宝支付

Canvas 10款基础滤镜(原理篇)

德育处主任
关注TA
已关注
手记 123
粉丝 9
获赞 40

本文简介

点赞 + 关注 + 收藏 = 学会了


在学习 Canvas 的路上大概率会了解到 滤镜 ,这是个很有趣的东西。

Canvas 开发滤镜需要对几何数学、颜色的理解等领域都有一定基础。

但先别关掉文章,没基础也没关系,不是还可以复制粘贴吗?(像极了正则表达式)


我在学习的过程中也尝试过写一些简单的滤镜,也收集过很多滤镜。但由于历史有点久远了,我找不到收集回来的滤镜出处了。如果有冒犯到原作者,请联系我进行整改~





开发环境

本文所列出的例子都是在 .html 文件里编写的,可以直接看看代码仓库

需要注意的是,本例使用到的方法虽然是 Canvas 原生操作像素的方法,但必须有个服务器才能运行起来,不然不会生效。


可以搭建本地服务器运行本文案例,方法有很多种。

比如你使用 Vue 或者 React 的脚手架搭建的项目,运行后就能跑起本文所有案例。

又或者使用 http-server 启动本地服务。


本文使用一个更简单的工具。我用 VS Code 开发,安装了 Live Server 插件,它可以启动一个本地服务,同时自带热更新功能。


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可以在留言区提问~



滤镜原理

众所周知,位图是由像素组成,像素是位图最小的信息单元。 你可以把日常看到大多数图片理解成由一个个点组成的图像。

滤镜的作用是通过具体规则,将图像中的像素点按照计算得出的公式修改一遍再重新渲染出来。

file

比如这样,将左侧的黑猫照片反色,原本白色的像素变成黑色,原本是黑色的像素变成白色。 而这就是具体规则。


滤镜就是操作像素点,在 Canvas 里有3个常用的 API 可以完成像素点的操作。

它们分别是:

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

getImageData()

getImageData() 方法可以获取图片的数据。比如组成图片的像素集、图片的宽高等信息。

语法:

context.getImageData(x, y, width, height)
  • x: 开始复制的左上角位置的 x 坐标。
  • y: 开始复制的左上角位置的 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,我使用这张猫图,在 Canvas 中渲染出来。然后使用 getImageData() 方法获取该图片的数据(为了展示方便,我在开发中使用的猫图是压缩过尺寸的)。

file


<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() // 创建图片对象
  img.src = './cat.jpg' // 加载本地图片

  // 等待图片加载完成再往下执行
  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>

file

打印出来的信息可以点开大图看看

  • data: 图片像素数据集,以数组的形式存放,这是本文要讲的重点,需要关注!
  • colorSpace: 图片使用的色彩标准,这个属性在 Chrome 里有打印出来,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,需要重点关注的是 data ,它是一个一维数组,仔细观察发现里面的值没一个是大于255的,也不会小于0。

file

其实 data 属性里记录了图片每个像素的 rgba 值分别是多少。

  • 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 rgba 4个元素组成。而且每个元素的取值范围是 0 - 255 的整数。

data: [r1, g1, b1, a1, r2, g2, b2, a2, ......]
像素点 颜色通道
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。比如想把图片的透明度设为 50%,只需要遍历一遍 data ,把 下标 + 1 能被4整除的元素的值改成 128 ,然后通过 putImageData() 方法将图片数据输出到画布上就行了。


putImageData()

putImageData() 可以将 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。水平值(x),以像素计,在画布上放置图像的位置
  • dirtyY: 可选。水平值(y),以像素计,在画布上放置图像的位置
  • dirtyWidth: 可选。在画布上绘制图像所使用的宽度
  • dirtyHeight: 可选。在画布上绘制图像所使用的高度

比如,我要将图片复制到另一个位置

file

<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) // 将图片对象输出到 (100, 100) 的位置上
  }
</script>

putImageData() 通常会和 getImageData() 一起配合使用。


createImageData()

createImageData() 方法创建新的空白 ImageData 对象

语法:

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

// 或者
// 创建与指定的另一个 ImageData 对象尺寸相同的新 ImageData 对象(不会复制图像数据)
context.createImageData(imageData)


上面几个 API 只是看语法和介绍可能还不是很明了,直接看案例会学得比较快。

先从最简单的开始~



反色

一个像素由 rgba 4个元素组成,在反色效果中,不需要修改 a ,因为它负责不透明度。

rgb 如果都是 255 ,就是白色,如果都是 0 就是黑色。

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。

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


file

<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>

上面只操作 data[i + 0]data[i + 1]data[i + 2],就是每个像素的 rgb ,并没有操作透明通道。

所以反色之后,不透明度和原本是一样的。


当把所有像素都操作完成后,再使用 putImageData() 方法把数据渲染到指定位置上。



灰度

使用 加权平均值 的方式可以计算出一个好看的灰度照片。


file

<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,直接取白色(255);小于的话就取黑色(0)。

因为每个通道的取值范围是 0 ~ 255,取中间值来判断,就使用了 128 做判断值。


file

<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

如果需要调亮,就把 rgb 每个值往上调;如果要调暗,就往下调。


调亮

file

<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

file

<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。


file

<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

有了前面的例子,现在要调节图像透明度那实在太简单了。

只需把 a 通道的值减去一个调节参数即可。


file

<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

蒙版的逻辑和前面的 调节RGB通道 有点像。

这里使用的公式是,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),最后将绿和蓝通道设置为0。


file

<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

老照片效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


file

<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>


模糊

让图片模糊的方法是,当前像素的值,取决于周围8个像素的平均值(某些情况没有8个那么多,比如像素在图像的边缘)。将平均值赋给当前正在操作的像素,就可以得到一个和周边像素比较接近的过渡颜色。

其原理比较复杂,我打算开多一篇文章讲解~


file

<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, 保证高斯矩阵的值在[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 的范围
            // 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 是为了消除处于边缘的像素, 高斯运算不足的问题
        // 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 的范围
            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围参数,该参数越大,马赛克的格子就越大。通过该参数去到当前正在操作的像素的四周像素,并将这些像素的颜色值求出一个平均值,然后该像素四周的像素都使用求出来的颜色值。

其原理也是比较复杂,不是一两百字能表达完。我同样打算写多一篇文章讲解~


file

<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 // 马赛克范围
    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则,再推算出算法去操作像素。


上面的例子中,模糊和马赛克的嵌套循环是比较多的。如果图片较大时可能会出现卡机的情况。

要解决这个问题可以优化算法减少遍历,又或者将图像处理的任务交给工作线程来做。

优化算法减少遍历,对我来说是有点难度的,所以我选择使用工作线程来处理图像,之后的文章会讲到~



代码仓库



打开App,阅读手记
0人推荐
发表评论
随时随地看视频慕课网APP