如何利用canvas實(shí)現(xiàn)顏色容差摳圖？實(shí)現(xiàn)方法分享！

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(gè)問(wèn)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(gè)像素的信息，而通過(guò)對(duì)每一個(gè)像素信息的對(duì)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(duì)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(gè)數(shù)組，每四個(gè)數(shù)組元素代表一個(gè)像素點(diǎn)，這四個(gè)數(shù)組元素分別對(duì)應(yīng)一個(gè)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(gè)參數(shù)分別為 待檢測(cè)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(jiǎn)單用r、g、b的值分別乘以(1 + range)和(1 - range)來(lái)計(jì)算并對(duì)比，不同的容差參數(shù)會(huì)得到不同的效果↓

range = 0.095

range = 0.1

range = 0.2

當(dāng)然對(duì)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(gè)邊界，讓摳圖操作不對(duì)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(huì)對(duì)人物頭像內(nèi)部的像素造成影響。 如果我們一行一行來(lái)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(duì)每一行分別進(jìn)行掃描，定義一個(gè)左指針 left 指向這一行的第一個(gè)像素，定義一個(gè)右指針 right 指向這一行的最后一個(gè)像素，并用一個(gè) leftF 標(biāo)識(shí)左邊是否碰到邊界，一個(gè) rightF 標(biāo)識(shí)右邊是否碰到邊界，當(dāng)沒(méi)碰到邊界時(shí)指針就一直向內(nèi)收縮，直到兩個(gè)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(shí)
        let rightF = false; // 右指針是否碰到邊界的標(biāo)識(shí)
        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(gè)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(huì)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(huì)停止掃描，但是頭發(fā)弧度里面的就無(wú)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(huà)個(gè)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(gè)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(huì)更簡(jiǎn)單，列掃描時(shí)直接先將這個(gè)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(duì)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(jiǎn)單處理還會(huì)有許多情況沒(méi)有考慮到。

比如右邊頭發(fā)這里是行掃描和列掃描都無(wú)法觸碰到的區(qū)域↓

下面的衣服也因?yàn)轭伾偷咨粯忧覜](méi)有邊界在列掃描中被直接抹去了↓

最后

對(duì)于主體和底色區(qū)分度很大的圖片來(lái)說(shuō)，最開(kāi)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(gè)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(duì)正在學(xué)習(xí)的大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。更多的知識(shí)我們可以在 W3Cschool中進(jìn)行學(xué)些和來(lái)了解!