此页面由 Cloud Translation API 翻译。

适用于画布的图片滤镜

Ilmari Heikkinen

简介

HTML5 画布元素可用于编写图片滤镜。您只需在画布上绘制图片，读回画布像素，然后对其运行滤镜。然后，您可以将结果写入新画布（或者，直接重复使用旧画布）。

听起来很简单？太好了，我们开始干活儿了！

正在处理像素

首先，检索图片像素：

Filters = {};
Filters.getPixels = function(img) {
var c = this.getCanvas(img.width, img.height);
var ctx = c.getContext('2d');
ctx.drawImage(img);
return ctx.getImageData(0,0,c.width,c.height);
};

Filters.getCanvas = function(w,h) {
var c = document.createElement('canvas');
c.width = w;
c.height = h;
return c;
};

接下来，我们需要一种过滤图片的方法。filterImage 方法如何接受滤镜和图片并返回过滤后的像素呢？

Filters.filterImage = function(filter, image, var_args) {
var args = [this.getPixels(image)];
for (var i=2; i&lt;arguments.length; i++) {
args.push(arguments[i]);
}
return filter.apply(null, args);
};

运行简单过滤条件

既然像素处理流水线已经构建完毕，接下来就可以编写一些简单的滤镜了。首先，我们将图片转换为灰度模式。

Filters.grayscale = function(pixels, args) {
var d = pixels.data;
for (var i=0; i&lt;d.length; i+=4) {
var r = d[i];
var g = d[i+1];
var b = d[i+2];
// CIE luminance for the RGB
// The human eye is bad at seeing red and blue, so we de-emphasize them.
var v = 0.2126*r + 0.7152*g + 0.0722*b;
d[i] = d[i+1] = d[i+2] = v
}
return pixels;
};

您可以通过向像素添加固定值来调整亮度：

Filters.brightness = function(pixels, adjustment) {
var d = pixels.data;
for (var i=0; i&lt;d.length; i+=4) {
d[i] += adjustment;
d[i+1] += adjustment;
d[i+2] += adjustment;
}
return pixels;
};

设置图像阈值也相当简单。只需将像素的灰度值与阈值进行比较，并根据该值设置颜色即可：

Filters.threshold = function(pixels, threshold) {
var d = pixels.data;
for (var i=0; i&lt;d.length; i+=4) {
var r = d[i];
var g = d[i+1];
var b = d[i+2];
var v = (0.2126*r + 0.7152*g + 0.0722*b >= threshold) ? 255 : 0;
d[i] = d[i+1] = d[i+2] = v
}
return pixels;
};

卷积图片

卷积过滤器是用于图片处理的非常实用的通用过滤器。基本思路是，从源图片中获取一个矩形像素的加权总和，并将其用作输出值。卷积过滤器可用于模糊处理、锐化、浮雕、边缘检测以及各种其他内容。

Filters.tmpCanvas = document.createElement('canvas');
Filters.tmpCtx = Filters.tmpCanvas.getContext('2d');

Filters.createImageData = function(w,h) {
return this.tmpCtx.createImageData(w,h);
};

Filters.convolute = function(pixels, weights, opaque) {
var side = Math.round(Math.sqrt(weights.length));
var halfSide = Math.floor(side/2);
var src = pixels.data;
var sw = pixels.width;
var sh = pixels.height;
// pad output by the convolution matrix
var w = sw;
var h = sh;
var output = Filters.createImageData(w, h);
var dst = output.data;
// go through the destination image pixels
var alphaFac = opaque ? 1 : 0;
for (var y=0; y&lt;h; y++) {
for (var x=0; x&lt;w; x++) {
  var sy = y;
  var sx = x;
  var dstOff = (y*w+x)*4;
  // calculate the weighed sum of the source image pixels that
  // fall under the convolution matrix
  var r=0, g=0, b=0, a=0;
  for (var cy=0; cy&lt;side; cy++) {
    for (var cx=0; cx&lt;side; cx++) {
      var scy = sy + cy - halfSide;
      var scx = sx + cx - halfSide;
      if (scy >= 0 && scy &lt; sh && scx >= 0 && scx &lt; sw) {
        var srcOff = (scy*sw+scx)*4;
        var wt = weights[cy*side+cx];
        r += src[srcOff] * wt;
        g += src[srcOff+1] * wt;
        b += src[srcOff+2] * wt;
        a += src[srcOff+3] * wt;
      }
    }
  }
  dst[dstOff] = r;
  dst[dstOff+1] = g;
  dst[dstOff+2] = b;
  dst[dstOff+3] = a + alphaFac*(255-a);
}
}
return output;
};

这是 3x3 锐化滤镜。看看它如何将权重集中在中心像素上。为了保持图片的亮度，矩阵值的总和应为 1。

Filters.filterImage(Filters.convolute, image,
[  0, -1,  0,
-1,  5, -1,
  0, -1,  0 ]
);

这里是另一个卷积过滤器示例，即框模糊处理。框模糊会输出卷积矩阵内像素值的平均值。为此，您可以创建一个大小为 NxN 的卷积矩阵，其中每个权重为 1 / (NxN)。如此一来，矩阵中的每个像素对输出图像的影响大小相等，且权重的总和为 1。

Filters.filterImage(Filters.convolute, image,
[ 1/9, 1/9, 1/9,
1/9, 1/9, 1/9,
1/9, 1/9, 1/9 ]
);

我们可以通过组合现有滤镜来制作更复杂的图片滤镜。例如，让我们编写一个 Sobel 过滤器。Sobel 过滤器会计算图片的垂直和水平渐变，并将计算出的图片组合在一起以查找图片中的边缘。我们在此实现 Sobel 滤镜的方式是先使图像灰度化，然后采用水平和垂直渐变，最后合并渐变图像以构成最终图像。

就术语而言，这里的“渐变”是指图片位置像素值的变化。如果像素的左相邻值为 20，右相邻值为 50，则该像素处的水平渐变为 30。垂直渐变的原理相同，但使用上方和下方相邻渐变。

var grayscale = Filters.filterImage(Filter.grayscale, image);
// Note that ImageData values are clamped between 0 and 255, so we need
// to use a Float32Array for the gradient values because they
// range between -255 and 255.
var vertical = Filters.convoluteFloat32(grayscale,
[ -1, 0, 1,
-2, 0, 2,
-1, 0, 1 ]);
var horizontal = Filters.convoluteFloat32(grayscale,
[ -1, -2, -1,
  0,  0,  0,
  1,  2,  1 ]);
var final_image = Filters.createImageData(vertical.width, vertical.height);
for (var i=0; i&lt;final_image.data.length; i+=4) {
// make the vertical gradient red
var v = Math.abs(vertical.data[i]);
final_image.data[i] = v;
// make the horizontal gradient green
var h = Math.abs(horizontal.data[i]);
final_image.data[i+1] = h;
// and mix in some blue for aesthetics
final_image.data[i+2] = (v+h)/4;
final_image.data[i+3] = 255; // opaque alpha
}

还有很多其他酷炫的卷积过滤器在等着您去发现。例如，尝试在上面的卷积玩具中实现 Laplace 过滤器，看看其用途。

总结

我希望这篇小文章能够帮助您了解使用 HTML 画布标记在 JavaScript 中编写图片过滤条件的基本概念。建议您实现更多图片滤镜，非常有趣！

如果您需要提高滤镜的性能，通常可以将其移植到使用 WebGL fragment 着色器进行图片处理。借助着色器，您可以实时运行大多数简单的过滤条件，从而将其用于对视频和动画进行后期处理。