इमेज और वीडियो के लिए रीयल-टाइम इफ़ेक्ट

Mat Scales

आज के ज़माने के कई लोकप्रिय ऐप्लिकेशन में, इमेज या वीडियो पर फ़िल्टर और इफ़ेक्ट लागू करने की सुविधा मिलती है. इस लेख में, ओपन वेब पर इन सुविधाओं को लागू करने का तरीका बताया गया है.

वीडियो और इमेज के लिए यह प्रोसेस एक ही है, लेकिन आखिर में हम वीडियो से जुड़ी कुछ ज़रूरी बातों पर बात करेंगे. इस लेख में, 'इमेज' का मतलब 'इमेज या वीडियो का एक फ़्रेम' है

किसी इमेज के लिए, पिक्सल डेटा पाने का तरीका

इमेज में बदलाव करने की तीन बुनियादी कैटगरी होती हैं:

  • कंट्रास्ट, चमक, गर्म रंग, सेपिया टोन, और रंग को गहरा या फीका करने जैसे Pixel इफ़ेक्ट.
  • मल्टी-पिक्सल इफ़ेक्ट जिन्हें कनवल्यूशन फ़िल्टर कहा जाता है. जैसे, शार्पनिंग, एज डिटेक्शन, और ब्लर.
  • पूरी इमेज में बदलाव, जैसे कि क्रॉप करना, स्क्यू करना, स्ट्रेच करना, लेंस इफ़ेक्ट, लहरें.

इन सभी में सोर्स इमेज के असल पिक्सल डेटा तक पहुंचना और फिर इससे नई इमेज बनाना शामिल होता है. इसके लिए, सिर्फ़ कैनवस का इस्तेमाल किया जाता है.

इसलिए, यह तय करना ज़रूरी है कि प्रोसेसिंग को 2D कैनवस के साथ सीपीयू पर करना है या WebGL के साथ जीपीयू पर.

आइए, इन दोनों तरीकों के बीच के अंतर पर एक नज़र डालते हैं.

2D कैनवस

इन दोनों विकल्पों में से यह सबसे आसान विकल्प है. सबसे पहले, आपको कैनवस पर इमेज बनानी होगी.

const source = document.getElementById('source-image');

// Create the canvas and get a context
const canvas = document.createElement('canvas');
const context = canvas.getContext('2d');

// Set the canvas to be the same size as the original image
canvas.width = source.naturalWidth;
canvas.height = source.naturalHeight;

// Draw the image onto the top-left corner of the canvas
context.drawImage(theOriginalImage, 0, 0);

इसके बाद, आपको पूरे कैनवस के लिए पिक्सल वैल्यू का ऐरे मिलता है.

const imageData = context.getImageData(0, 0, canvas.width, canvas.height);
const pixels = imageData.data;

इस स्थिति में, pixels वैरिएबल एक Uint8ClampedArray है, जिसकी लंबाई width * height * 4 है. कलेक्शन का हर एलिमेंट एक बाइट होता है और कलेक्शन के हर चार एलिमेंट से एक पिक्सल का रंग पता चलता है. चारों एलिमेंट, इस क्रम में लाल, हरे, नीले, और ऐल्फ़ा (ट्रांसपेरेंसी) की मात्रा दिखाते हैं. पिक्सल का क्रम, सबसे ऊपर बाएं कोने से शुरू होता है और बाईं से दाईं ओर और ऊपर से नीचे की ओर बढ़ता है.

pixels[0] = red value for pixel 0
pixels[1] = green value for pixel 0
pixels[2] = blue value for pixel 0
pixels[3] = alpha value for pixel 0
pixels[4] = red value for pixel 1
pixels[5] = green value for pixel 1
pixels[6] = blue value for pixel 1
pixels[7] = alpha value for pixel 1
pixels[8] = red value for pixel 2
pixels[9] = green value for pixel 2
pixels[10] = blue value for pixel 2
pixels[11] = alpha value for pixel 2
pixels[12] = red value for pixel 3
...

किसी पिक्सल के निर्देशांक से उसका इंडेक्स ढूंढने के लिए, एक आसान फ़ॉर्मूला है.

const index = (x + y * imageWidth) * 4;
const red = pixels[index];
const green = pixels[index + 1];
const blue = pixels[index + 2];
const alpha = pixels[index + 3];

अब इस डेटा को अपनी पसंद के मुताबिक पढ़ा और लिखा जा सकता है. इससे, आपको अपनी पसंद के मुताबिक कोई भी इफ़ेक्ट लागू करने की सुविधा मिलती है. हालांकि, यह कलेक्शन कैनवस के असल पिक्सल डेटा की कॉपी है. बदलाव किए गए वर्शन को वापस लिखने के लिए, आपको putImageData तरीके का इस्तेमाल करके, इसे कैनवस के सबसे ऊपर बाएं कोने में फिर से लिखना होगा

context.putImageData(imageData, 0, 0);

WebGL

WebGL एक बड़ा विषय है. इसे एक लेख में पूरी तरह से समझाया नहीं जा सकता. अगर आपको WebGL के बारे में ज़्यादा जानना है, तो इस लेख के आखिर में सुझाई गई किताबें देखें.

हालांकि, किसी एक इमेज में बदलाव करने पर क्या करना चाहिए, इस बारे में यहां कम शब्दों में जानकारी दी गई है.

WebGL के बारे में सबसे ज़रूरी बातों में से एक यह है कि यह 3D ग्राफ़िक्स एपीआई नहीं है. असल में, WebGL (और OpenGL) सिर्फ़ एक काम में अच्छा है - त्रिकोण बनाना. अपने आवेदन में, आपको यह बताना होगा कि आपको त्रिभुजों के हिसाब से असल में क्या बनाना है. 2D इमेज के मामले में, यह बहुत आसान है. इसकी वजह यह है कि आयत दो समान समकोण त्रिभुज हैं, जिन्हें इस तरह से व्यवस्थित किया जाता है कि उनके कर्ण एक ही जगह पर हों.

बुनियादी प्रोसेस इस तरह है:

  • उस जीपीयू को डेटा भेजें जो त्रिभुजों के कोनों (पॉइंट) की जानकारी देता हो.
  • अपनी सोर्स इमेज को टेक्स्चर (इमेज) के तौर पर जीपीयू पर भेजें.
  • 'वर्टेक्स शेडर' बनाएं.
  • 'फ़्रैगमेंट शेडर' बनाएं.
  • कुछ शेडर वैरिएबल सेट करें, जिन्हें 'यूनिफ़ॉर्म' कहा जाता है.
  • शेडर चलाएं.

आइए, इस बारे में ज़्यादा जानते हैं. सबसे पहले, ग्राफ़िक्स कार्ड पर कुछ मेमोरी दें. इसे वर्टिक्स बफ़र कहा जाता है. इसमें ऐसा डेटा स्टोर किया जाता है जो हर त्रिभुज के हर बिंदु की जानकारी देता है. आप ऐसे कुछ वैरिएबल भी सेट कर सकते हैं, जिन्हें यूनिफ़ॉर्म कहा जाता है, जो दोनों शेडर के ज़रिए ग्लोबल मान होते हैं.

वर्टिक्स शेडर, वर्टिक्स बफ़र के डेटा का इस्तेमाल करके यह हिसाब लगाता है कि स्क्रीन पर हर त्रिभुज के तीन बिंदु कहां खींचे जाएं.

अब जीपीयू को पता है कि कैनवस में किन पिक्सल को ड्रॉ करना है. फ़्रैगमेंट शेडर को हर पिक्सल में एक बार कॉल किया जाता है. इसके लिए, स्क्रीन पर दिखने वाला रंग दिखाना होता है. कलर तय करने के लिए, फ़्रैगमेंट Shader एक या एक से ज़्यादा टेक्सचर से जानकारी पढ़ सकता है.

फ़्रैगमेंट शेडर में टेक्सचर को पढ़ते समय, यह तय किया जाता है कि 0 (बाएं या नीचे) और 1 (दाएं या ऊपर) के बीच के दो फ़्लोटिंग-पॉइंट निर्देशांक का इस्तेमाल करके, आप इमेज के किस हिस्से को पढ़ना चाहते हैं.

अगर आपको पिक्सल निर्देशांक के आधार पर टेक्चर पढ़ना है, तो आपको टेक्चर के साइज़ को यूनिफ़ॉर्म वेक्टर के तौर पर पिक्सल में पास करना होगा, ताकि आप हर पिक्सल के लिए कन्वर्ज़न कर सकें.

varying vec2 pixelCoords;

uniform vec2 textureSize;
uniform sampler2D textureSampler;

main() {
  vec2 textureCoords = pixelCoords / textureSize;
  vec4 textureColor = texture2D(textureSampler, textureCoords);
  gl_FragColor = textureColor;
 }
Pretty much every kind of 2D image manipulation that you might want to do can be done in the
fragment shader, and all of the other WebGL parts can be abstracted away. You can see [the
abstraction layer](https://github.com/GoogleChromeLabs/snapshot/blob/master/src/filters/image-shader.ts) (in
TypeScript) that is being in used in one of our sample applications if you'd like to see an example.

### Which should I use?

For pretty much any professional quality image manipulation, you should use WebGL. There is no
getting away from the fact that this kind of work is the whole reason GPUs were invented. You can
process images an order of magnitude faster on the GPU, which is essential for any real-time
effects.

The way that graphics cards work means that every pixel can be calculated in it's own thread. Even
if you parallelize your code CPU-based code with `Worker`s, your GPU may have 100s of times as many
specialized cores as your CPU has general cores.

2D canvas is much simpler, so is great for prototyping and may be fine for one-off transformations.
However, there are plenty of abstractions around for WebGL that mean you can get the performance
boost without needing to learn the details.

Examples in this article are mostly for 2D canvas to make explanations easier, but the principles
should translate pretty easily to fragment shader code.

## Effect types

### Pixel effects

This is the simplest category to both understand and implement. All of these transformations take
the color value of a single pixel and pass it into a function that returns another color value.

There are many variations on these operations that are more or less complicated. Some will take into
account how the human brain processes visual information based on decades of research, and some will
be dead simple ideas that give an effect that's mostly reasonable.

For example, a brightness control can be implemented by simply taking the red, green and blue values
of the pixel and multiplying them by a brightness value. A brightness of 0 will make the image
entirely black. A value of 1 will leave the image unchanged. A value greater than 1 will make it
brighter.

For 2D canvas:

```js
const brightness = 1.1; // Make the image 10% brighter
for (let i = 0; i < imageData.data.length; i += 4) {
  imageData.data[i] = imageData.data[i] * brightness;
  imageData.data[i + 1] = imageData.data[i + 1] * brightness;
  imageData.data[i + 2] = imageData.data[i + 2] * brightness;
}

ध्यान दें कि लूप एक बार में चार बाइट आगे बढ़ता है, लेकिन सिर्फ़ तीन वैल्यू बदलता है - ऐसा इसलिए होता है, क्योंकि यह ट्रांसफ़ॉर्मेशन, अल्फा वैल्यू में बदलाव नहीं करता. यह भी याद रखें कि Uint8ClampedArray सभी वैल्यू को पूर्णांक में बदल देगा और क्लैंप वैल्यू 0 से 255 के बीच होगी.

WebGL फ़्रैगमेंट शेडर:

    float brightness = 1.1;
    gl_FragColor = textureColor;
    gl_FragColor.rgb *= brightness;

इसी तरह, इस खास ट्रांसफ़ॉर्मेशन के लिए, आउटपुट कलर के सिर्फ़ आरजीबी हिस्से को गुणा किया जाता है.

इनमें से कुछ फ़िल्टर, अतिरिक्त जानकारी लेते हैं. जैसे, पूरी इमेज की औसत चमक. हालांकि, इन चीज़ों का हिसाब पूरी इमेज के लिए एक बार लगाया जा सकता है.

उदाहरण के लिए, कंट्रास्ट बदलने का एक तरीका यह है कि हर पिक्सल को कम या ज़्यादा कंट्रास्ट के लिए, 'ग्रे' वैल्यू की ओर या उससे दूर ले जाएं. आम तौर पर, धूसर रंग की वैल्यू को धूसर रंग के तौर पर चुना जाता है. इस रंग की चमक, इमेज के सभी पिक्सल की चमक की मीडियन चमक होती है.

इमेज लोड होने पर, इस वैल्यू को एक बार कैलकुलेट किया जा सकता है. इसके बाद, हर बार इमेज के इफ़ेक्ट में बदलाव करने के लिए इसका इस्तेमाल किया जा सकता है.

मल्टी-पिक्सल

कुछ इफ़ेक्ट, आस-पास के पिक्सल के रंग का इस्तेमाल करते हैं, ताकि मौजूदा पिक्सल का रंग तय किया जा सके.

इससे, 2D कैनवस के मामले में, काम करने के तरीके में थोड़ा बदलाव होता है, क्योंकि आपको इमेज के ओरिजनल रंगों को पढ़ना होता है. पिछले उदाहरण में, पिक्सल को जगह पर अपडेट किया जा रहा था.

हालांकि, यह काफ़ी आसान है. शुरुआत में अपना इमेज डेटा ऑब्जेक्ट बनाते समय, डेटा की कॉपी बनाई जा सकती है.

const originalPixels = new Uint8Array(imageData.data);

WebGL के मामले में, आपको कोई बदलाव करने की ज़रूरत नहीं है, क्योंकि शेडर इनपुट टेक्सचर में नहीं लिखता.

मल्टी-पिक्सल इफ़ेक्ट की सबसे सामान्य कैटगरी को कंवॉल्यूशन फ़िल्टर कहा जाता है. कॉन्वोल्यूशन फ़िल्टर, इनपुट इमेज में हर पिक्सल के रंग को कैलकुलेट करने के लिए, इनपुट इमेज से कई पिक्सल का इस्तेमाल करता है. आउटपुट पर हर इनपुट पिक्सल के असर के लेवल को वेट कहा जाता है.

वेट को एक मैट्रिक से दिखाया जा सकता है, जिसे कर्नेल कहा जाता है. इसमें मौजूदा पिक्सल से जुड़ी मुख्य वैल्यू होती है. उदाहरण के लिए, यह 3x3 गॉसियन ब्लर के लिए केर्नल है.

    | 0  1  0 |
    | 1  4  1 |
    | 0  1  0 |

मान लें कि आपको (23, 19) पर मौजूद पिक्सल के आउटपुट कलर का हिसाब लगाना है. (23, 19) के आस-पास के आठ पिक्सल के साथ-साथ, उस पिक्सल को भी लें और उनमें से हर पिक्सल की कलर वैल्यू को, उससे जुड़े वेट से गुणा करें.

    (22, 18) x 0    (23, 18) x 1    (24, 18) x 0
    (22, 19) x 1    (23, 19) x 4    (24, 19) x 1
    (22, 20) x 0    (23, 20) x 1    (24, 20) x 0

सभी वैल्यू को जोड़ें और फिर नतीजे को 8 से भाग दें. यह वैल्यू, सभी वैल्यू का कुल योग होती है. इस इमेज से पता चलता है कि नतीजा ऐसा पिक्सल होगा जो ज़्यादातर ओरिजनल होगा, लेकिन आस-पास के पिक्सल ब्लीड-इन हो जाएंगे.

const kernel = [
  [0, 1, 0],
  [1, 4, 1],
  [0, 1, 0],
];

for (let y = 0; y < imageHeight; y++) {
  for (let x = 0; x < imageWidth; x++) {
    let redTotal = 0;
    let greenTotal = 0;
    let blueTotal = 0;
    let weightTotal = 0;
    for (let i = -1; i <= 1; i++) {
      for (let j = -1; j <= 1; j++) {
        // Filter out pixels that are off the edge of the image
        if (
          x + i > 0 &&
          x + i < imageWidth &&
          y + j > 0 &&
          y + j < imageHeight
        ) {
          const index = (x + i + (y + j) * imageWidth) * 4;
          const weight = kernel[i + 1][j + 1];
          redTotal += weight * originalPixels[index];
          greenTotal += weight * originalPixels[index + 1];
          blueTotal += weight * originalPixels[index + 2];
          weightTotal += weight;
        }
      }
    }

    const outputIndex = (x + y * imageWidth) * 4;
    imageData.data[outputIndex] = redTotal / weightTotal;
    imageData.data[outputIndex + 1] = greenTotal / weightTotal;
    imageData.data[outputIndex + 2] = blueTotal / weightTotal;
  }
}

इससे आपको बुनियादी जानकारी मिलती है. हालांकि, ऐसी गाइड उपलब्ध हैं जिनमें इस बारे में ज़्यादा जानकारी दी गई है. साथ ही, इनमें कई अन्य काम के कर्नेल की सूची भी दी गई है.

पूरी इमेज

पूरी इमेज को बदलना आसान होता है. 2D कैनवस में, काट-छांट और स्केलिंग करना आसान है. इसके लिए, कैनवस पर सोर्स इमेज का सिर्फ़ एक हिस्सा ड्रॉ करना होता है.

// Set the canvas to be a little smaller than the original image
canvas.width = source.naturalWidth - 100;
canvas.height = source.naturalHeight - 100;

// Draw only part of the image onto the canvas
const sx = 50; // The left-most part of the source image to copy
const sy = 50; // The top-most part of the source image to copy
const sw = source.naturalWidth - 100; // How wide the rectangle to copy is
const sh = source.naturalHeight - 100; // How tall the rectangle to copy is

const dx = 0; // The left-most part of the canvas to draw over
const dy = 0; // The top-most part of the canvas to draw over
const dw = canvas.width; // How wide the rectangle to draw over is
const dh = canvas.height; // How tall the rectangle to draw over is

context.drawImage(theOriginalImage, sx, sy, sw, sh, dx, dy, dw, dh);

रोटेशन और रिफ़्लेक्शन की सुविधा, सीधे तौर पर 2D कॉन्टेक्स्ट में उपलब्ध है. कैनवस में इमेज बनाने से पहले, कई तरह के बदलाव करें.

// Move the canvas so that the center of the canvas is on the Y-axis
context.translate(-canvas.width / 2, 0);

// An X scale of -1 reflects the canvas in the Y-axis
context.scale(-1, 1);

// Rotate the canvas by 90°
context.rotate(Math.PI / 2);

हालांकि, ज़्यादा असरदार तरीके से, कई 2D ट्रांसफ़ॉर्मेशन ऐक्शन को 2x3 मैट्रिक्स के तौर पर लिखा जा सकता है और setTransform() की मदद से कैनवस पर लागू किया जा सकता है. इस उदाहरण में, ऐसे मैट्रिक का इस्तेमाल किया गया है जिसमें रोटेशन और ट्रांसलेशन, दोनों शामिल हैं.

const matrix = [
  Math.cos(rot) * x1,
  -Math.sin(rot) * x2,
  tx,
  Math.sin(rot) * y1,
  Math.cos(rot) * y2,
  ty,
];

context.setTransform(
  matrix[0],
  matrix[1],
  matrix[2],
  matrix[3],
  matrix[4],
  matrix[5],
);

लेंस डिस्टॉर्शन या लहरों जैसे ज़्यादा जटिल इफ़ेक्ट के लिए, सोर्स पिक्सल कोऑर्डिनेट का हिसाब लगाने के लिए, हर डेस्टिनेशन कोऑर्डिनेट पर कुछ ऑफ़सेट लागू करना होता है. उदाहरण के लिए, हॉरिज़ॉन्टल वॉव इफ़ेक्ट पाने के लिए, सोर्स पिक्सल के x कोऑर्डिनेट को y कोऑर्डिनेट के आधार पर किसी वैल्यू से ऑफ़सेट किया जा सकता है.

for (let y = 0; y < canvas.height; y++) {
  const xOffset = 20 * Math.sin((y * Math.PI) / 20);
  for (let x = 0; x < canvas.width; x++) {
    // Clamp the source x between 0 and width
    const sx = Math.min(Math.max(0, x + xOffset), canvas.width);

    const destIndex = (y * canvas.width + x) * 4;
    const sourceIndex = (y * canvas.width + sx) * 4;

    imageData.data[destIndex] = originalPixels.data[sourceIndex];
    imageData.data[destIndex + 1] = originalPixels.data[sourceIndex + 1];
    imageData.data[destIndex + 2] = originalPixels.data[sourceIndex + 2];
  }
}

वीडियो

अगर सोर्स इमेज के तौर पर video एलिमेंट का इस्तेमाल किया जाता है, तो लेख में बताई गई बाकी सभी चीज़ें वीडियो के लिए पहले से ही काम करती हैं.

कैनवस 2D:

context.drawImage(<strong>video</strong>, 0, 0);

WebGL:

gl.texImage2D(
  gl.TEXTURE_2D,
  0,
  gl.RGBA,
  gl.RGBA,
  gl.UNSIGNED_BYTE,
  <strong>video</strong>,
);

हालांकि, इसमें सिर्फ़ मौजूदा वीडियो फ़्रेम का इस्तेमाल किया जाएगा. इसलिए, अगर आपको किसी चल रहे वीडियो पर कोई इफ़ेक्ट लागू करना है, तो आपको हर फ़्रेम पर drawImage/texImage2D का इस्तेमाल करके, नया वीडियो फ़्रेम लेना होगा और उसे हर ब्राउज़र ऐनिमेशन फ़्रेम पर प्रोसेस करना होगा.

const draw = () => {
  requestAnimationFrame(draw);

  context.drawImage(video, 0, 0);

  // ...image processing goes here
};

वीडियो के साथ काम करते समय, प्रोसेसिंग की स्पीड तेज़ होना ज़रूरी है. स्टिल इमेज के मामले में, हो सकता है कि उपयोगकर्ता को बटन पर क्लिक करने और इफ़ेक्ट लागू होने के बीच 100 मिलीसेकंड का अंतर न दिखे. हालांकि, ऐनिमेशन के दौरान सिर्फ़ 16 मिलीसेकंड की देरी से भी वीडियो में झटके दिख सकते हैं.

सुझाव/राय दें या शिकायत करें