简介
HTML5 canvas 元素可用于编写图片滤镜。您需要做的是将图片绘制到画布上，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的画布（或者，直接重复使用旧画布）。
听起来很简单？很好。我们开始干活儿了！
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。如何使用 filterImage 方法接受滤镜和图片，并返回经过滤后的像素？
Filters.filterImage = function(filter, image, var_args) {
var args = [this.getPixels(image)];
for (var i=2; i<arguments.length; i++) {
args.push(arguments[i]);
}
return filter.apply(null, args);
};
运行简单过滤条件
现在，我们已经组合了像素处理流水线，接下来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<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<d.length; i+=4) {
d[i] += adjustment;
d[i+1] += adjustment;
d[i+2] += adjustment;
}
return pixels;
};
对图片进行阈值处理也很简单。您只需将像素的灰度值与阈值进行比较，然后根据该值设置颜色即可：
Filters.threshold = function(pixels, threshold) {
var d = pixels.data;
for (var i=0; i<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;
};
卷积图像
卷积滤镜是图像处理中非常实用的通用滤镜。其基本思路是，获取源图片中像素矩形的加权总和，并将其用作输出值。卷积滤镜可用于模糊处理、锐化、压纹、边缘检测以及其他各种操作。
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<h; y++) {
for (var x=0; x<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<side; cy++) {
for (var cx=0; cx<side; cx++) {
var scy = sy + cy - halfSide;
var scx = sx + cx - halfSide;
if (scy >= 0 && scy < sh && scx >= 0 && scx < 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;
};
下面是一个 3x3 锐化滤镜。查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 ]
);
下面是另一个卷积滤镜示例：方形模糊处理。方形模糊处理会输出卷积矩阵内像素值的平均值。具体方法是创建一个大小为 NxN 的卷积矩阵，其中每个权重为 1 / (NxN)。这样，矩阵中的每个像素都会对输出图片做出贡献，并且权重的总和为 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创建更复杂的图片滤镜。例如，我们来编写一个 Sobel 滤镜。索贝尔过滤器会计算图片的垂直和水平梯度，并将计算出的图片组合以找出图片中的边缘。 我们在此处实现 Sobel 滤镜的方式是，先将图像灰度化，然后获取水平和垂直梯度，最后将梯度图像组合起来构成最终图像。
就术语而言，这里的“渐变”是指图片位置像素值的变化。如果某个像素的左侧邻居的值为 20，右侧邻居的值为 50，则该像素的水平梯度为 30。垂直渐变采用了相同的思路，但使用的是上方和下方的邻近像素。
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<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
}
还有许多其他酷炫的卷积过滤器，等待您去发现它们。 例如，尝试在上面的卷积玩具中实现拉普拉斯过滤器，看看它会做什么。
总结
希望这篇小文对您有所帮助，介绍了使用 HTML canvas 标记在 JavaScript 中编写图片滤镜的基本概念。建议您多实现一些图片滤镜，确实很有趣！
如果您需要提高滤镜的性能，通常可以将其移植为使用 WebGL 片段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滤镜，从而将其用于视频和动画的后期处理。