今天和大家講的就是有關(guān)于：“如何利用canvas實(shí)現(xiàn)顏色容差摳圖？”這個問題，那么下面我們利用canvas的getImageData，我們可以獲取到一張圖片每一個像素的信息，而通過對每一個像素信息的對比，我們就可以找到需要消去的像素點(diǎn)。
比如下面這一張圖片，如果我們想要扣去白色部分(粉色是body的背景顏色)。
let canvas = document.querySelector('#canvas');
let context = canvas.getContext('2d');
let img = document.createElement('img');
img.src = './head2.png';
img.onload = function () {
canvas.height = img.height;
canvas.width = img.width;
context.drawImage(img, 0, 0);
cutout(canvas, [255, 255, 255], 0.2); // 對白色進(jìn)行摳除，容差為0.2
}
function cutout(canvas, color, range = 0) {
let context = canvas.getContext('2d');
let imageInfo = context.getImageData(0, 0, canvas.width, canvas.height);
// pixiArr是一個數(shù)組，每四個數(shù)組元素代表一個像素點(diǎn)，這四個數(shù)組元素分別對應(yīng)一個像素的r，g，b，a值。
let pixiArr = imageInfo.data;
for (let i = 0; i < pixiArr.length; i += 4) {
// 匹配到目標(biāo)像素就將目標(biāo)像素的alpha設(shè)為0
if (testColor([pixiArr[i], pixiArr[i + 1], pixiArr[i + 2]], color, range)) pixiArr[i + 3] = 0;
}
context.putImageData(imageInfo, 0, 0);
}
function testColor(current, target, range) {
for (let i = 0; i < 3; i++) {
if (!((1 - range) * target[i] <= current[i] && (1 + range) * target[i] >= current[i])) return false;
}
return true;
}testColor(current, target, range) 方法三個參數(shù)分別為 待檢測像素點(diǎn)的rgb數(shù)組 、 目標(biāo)像素點(diǎn)的rgb數(shù)組 和 容差范圍 ，這里的容差只是簡單用r、g、b的值分別乘以(1 + range)和(1 - range)來計(jì)算并對比，不同的容差參數(shù)會得到不同的效果↓
range = 0.095
range = 0.1
range = 0.2
當(dāng)然對于底色是標(biāo)準(zhǔn)的純色的圖片就不需要容差了。
邊界處理
但是有時(shí)候我們希望有一個邊界，讓摳圖操作不對邊界內(nèi)部的像素造成影響。比如上面的圖片，我們希望不會對人物頭像內(nèi)部的像素造成影響。 如果我們一行一行來看，是不是只要在碰到不是邊界像素的時(shí)候停止操作，就可以達(dá)到效果了呢？
我們對每一行分別進(jìn)行掃描，定義一個左指針 left 指向這一行的第一個像素，定義一個右指針 right 指向這一行的最后一個像素，并用一個 leftF 標(biāo)識左邊是否碰到邊界，一個 rightF 標(biāo)識右邊是否碰到邊界，當(dāng)沒碰到邊界時(shí)指針就一直向內(nèi)收縮，直到兩個指針都碰到邊界或者左右指針重合就跳到下一行,直到所有行都掃描完畢。
function cutout(canvas, color, range = 0) {
let context = canvas.getContext('2d');
let imageInfo = context.getImageData(0, 0, canvas.width, canvas.height);
let pixiArr = imageInfo.data;
for (let row = 0; row < canvas.height; row++) {
let left = row * 4 * canvas.width; // 指向行首像素
let right = left + 4 * canvas.width - 1 - 3; // 指向行尾像素
let leftF = false; // 左指針是否碰到邊界的標(biāo)識
let rightF = false; // 右指針是否碰到邊界的標(biāo)識
while (!leftF || !rightF) { // 當(dāng)左右指針都為true，即都碰到邊界時(shí)結(jié)束
if (!leftF) {
if (testColor([pixiArr[left], pixiArr[left + 1], pixiArr[left + 2]], color, range)) {
pixiArr[left + 3] = 0; // 此像素的alpha設(shè)為0
left += 4; // 移到下一個像素
} else leftF = true; // 碰到邊界
}
if (!rightF) {
if (testColor([pixiArr[right], pixiArr[right + 1], pixiArr[right + 2]], color, range)) {
pixiArr[right + 3] = 0;
right -= 4;
} else rightF = true;
}
if (left == right) { // 左右指針重合
leftF = true;
rightF = true;
};
}
}
context.putImageData(imageInfo, 0, 0);
}
雖然大概完成了我們的需求，但是看一下上面頭發(fā)那為啥會多了一塊白色
因?yàn)槲覀儍H僅只進(jìn)行了行掃描，當(dāng)左指針碰到頭發(fā)時(shí)就會停止掃描，但是頭發(fā)弧度里面的就無法被掃描到了，我們還需要進(jìn)行列掃描，改造一下上面的方法：
function cutout(canvas, color, range = 0) {
let context = canvas.getContext('2d');
let imageInfo = context.getImageData(0, 0, canvas.width, canvas.height);
let pixiArr = imageInfo.data;
for (let row = 0; row < canvas.height; row++) {
let left = row * 4 * canvas.width;
let right = left + 4 * canvas.width - 1 - 3;
let leftF = false;
let rightF = false;
while (!leftF || !rightF) {
if (!leftF) {
if (testColor([pixiArr[left], pixiArr[left + 1], pixiArr[left + 2]], color, range)) {
pixiArr[left + 3] = 0;
left += 4;
} else leftF = true;
}
if (!rightF) {
if (testColor([pixiArr[right], pixiArr[right + 1], pixiArr[right + 2]], color, range)) {
pixiArr[right + 3] = 0;
right -= 4;
} else rightF = true;
}
if (left == right) {
leftF = true;
rightF = true;
};
}
}
// 同理進(jìn)行列掃描
for (let col = 0; col < canvas.width; col++) {
let top = col * 4; // 指向列頭
let bottom = top + (canvas.height - 2) * canvas.width * 4 + canvas.width * 4; // 指向列尾
let topF = false;
let bottomF = false;
while (!topF || !bottomF) {
if (!topF) {
if (testColor([pixiArr[top], pixiArr[top + 1], pixiArr[top + 2]], color, range)) {
pixiArr[top + 3] = 0;
top += canvas.width * 4;
} else topF = true;
}
if (!bottomF) {
if (testColor([pixiArr[bottom], pixiArr[bottom + 1], pixiArr[bottom + 2]], color, range)) {
pixiArr[bottom + 3] = 0;
bottom -= canvas.width * 4;
} else bottomF = true;
}
if (top == bottom) {
topF = true;
bottomF = true;
};
}
}
context.putImageData(imageInfo, 0, 0);
}
至于top和bottom為啥是那樣計(jì)算畫個矩陣圖大概就知道了。
處理后↓
其實(shí)還可以先將 pixiArr 包裝為以一個像素點(diǎn)為單位的矩陣
[
[{r: 255, g: 255, b: 255, a: 1}, {r: 255, g: 255, b: 255, a: 1}, {r: 255, g: 255, b: 255, a: 1}],
[{r: 255, g: 255, b: 255, a: 1}, {r: 255, g: 255, b: 255, a: 1}, {r: 255, g: 255, b: 255, a: 1}]
[{r: 255, g: 255, b: 255, a: 1}, {r: 255, g: 255, b: 255, a: 1}, {r: 255, g: 255, b: 255, a: 1}]
]處理后計(jì)算像素下標(biāo)也就會更簡單，列掃描時(shí)直接先將這個矩陣旋轉(zhuǎn)，再用行掃描處理一遍就行了。這樣處理pixiArr也有利于進(jìn)一步對算法進(jìn)行優(yōu)化。
上述方法雖然大概完成了摳圖效果，但是這種簡單處理還會有許多情況沒有考慮到。
比如右邊頭發(fā)這里是行掃描和列掃描都無法觸碰到的區(qū)域↓
下面的衣服也因?yàn)轭伾偷咨粯忧覜]有邊界在列掃描中被直接抹去了↓
最后
對于主體和底色區(qū)分度很大的圖片來說，最開始的那種方法就已經(jīng)夠用了。這篇中我采用的容差和邊界處理算法的優(yōu)化空間還很大，但是它們是非常容易實(shí)現(xiàn)與理解的，這篇權(quán)當(dāng)做一個引子，各位完全可以根據(jù)自己的能力繼續(xù)去實(shí)現(xiàn)邊界與容差算法。
總結(jié)
那么在文章的內(nèi)容就是今天我們要和大家分享的關(guān)于：“如何利用canvas實(shí)現(xiàn)顏色容差摳圖？”希望對正在學(xué)習(xí)的大家有所幫助，如果大家有任何疑問請給我留言，小編會及時(shí)回復(fù)大家的。更多的知識我們可以在 W3Cschool中進(jìn)行學(xué)些和來了解!
