怎么样在html5 canvas中使用卷积核进行图像处理?

怎么样在html5 canvas中使用卷积核进行图像处理?

卷积什么是卷积?

就跳过一些用专业属于描述专业术语看完懵逼的解释了,

语文成绩很差的我尝试从字面解释什么是卷积...

卷,理解成一种压缩;积,乘积,积累;

卷积需要一个卷积核,通常是3x3或5x5的方阵,

例如这样

// 一个3x3卷积核
0 0 0
0 1 0
0 0 0

我们要怎么用卷积核处理数据呢?

下面是一个例子:

// 下面是一堆排成方阵的数据
// 这是我们的数据源
1 3 5 1 3 5 1 3 5
4 5 6 1 3 5 1 3 5
4 5 6 1 3 5 1 3 5
4 5 6 1 3 5 1 3 5

我们将要用卷积核“扫描并处理”每一个数据,

例如要处理第二行第二列的5

1 3 5 0 0 0
4 5 6 * 0 1 0
4 5 6 0 0 0

我们把5周围的数字抽出来,然后把两个方阵位置相同的数字相乘然后相加,

得出5,这是当然的,因为这个卷积核做的就是输出原数据😂

-1 -1 -1
-1 8 -1
-1 -1 -1

同样的原理,试试另一个不同的卷积核

1 3 5 -1 -1 -1
4 5 6 * -1 8 -1
4 5 6 -1 -1 -1

我们得到的是

1*-1 + 3*-1 + 5*-1
+ 4*-1 + 5*8 + 6*-1
+ 4*-1 + 5*-1 + 6*-1
= 6

然后用得出来的6放入原来5的位置,就是这样“扫描并处理”每一个数据

边缘怎么办?

  1. 常数填充
  2. 复制边缘像素

突然的深度拓展

卷积在深度学习中十分重要,下面是一个可视化CNN(卷积神经网络)的卷积过程
http://scs.ryerson.ca/~aharley/vis/conv/

canvas

<canvas>是一个可以使用脚本(通常为JavaScript)来绘制图形的 HTML 元素.它可以用于绘制图表、制作图片构图或者制作简单的(以及不那么简单的)动画。

canvas 绘制图片

ctx.drawImage(image, x, y)

怎么样在html5 canvas中使用卷积核进行图像处理?

canvas 转换为 ImageData

ctx.getImageData(sx, sy, sw, sh);
// 返回 ImageData

ImageData 数据是 Uint8ClampedArray ,它描述了一个一维数组,包含以 RGBA 顺序的数据,数据使用 0 至 255(包含)的整数表示。

所以每一个点都会表示为:

// 这样仅仅是一个像素点的数据
R G B A
255 255 0 255

卷积 + ImageData = ?

图像归根到底就是一大堆的颜色点矩阵,我们完全可以把颜色点代替上面的数字矩阵处理,不同的卷积核对图片的处理结果如下(图片来自维基百科)

怎么样在html5 canvas中使用卷积核进行图像处理?

卷积就是如此神奇😂

在 canvas 中实现卷积处理

以下是一个 JavaScript 对 canvas 输出的 ImageData 进行卷积的实例:

/* 
 * 参数中的 kernel 就是卷积核方阵,不过顺着排列成了一个九位的数组
 * 像是这样 [-1, -1, -1, -1, 8, -1, -1, -1, -1]
 * offset 对RGBA数值直接增加,表现为提高亮度
 * 下面的for循环
 * y 代表行,x 代表列,c 代表RGBA
 */
convolutionMatrix(input, kernel, offset = 0) {
 let ctx = this.outputCtx
 let output = ctx.createImageData(input)
 let w = input.width,
  h = input.height
 let iD = input.data,
  oD = output.data
 for (let y = 1; y < h - 1; y += 1) {
  for (let x = 1; x < w - 1; x += 1) {
   for (let c = 0; c < 3; c += 1) {
    let i = (y * w + x) * 4 + c
    oD[i] =
     offset +
     (kernel[0] * iD[i - w * 4 - 4] +
      kernel[1] * iD[i - w * 4] +
      kernel[2] * iD[i - w * 4 + 4] +
      kernel[3] * iD[i - 4] +
      kernel[4] * iD[i] +
      kernel[5] * iD[i + 4] +
      kernel[6] * iD[i + w * 4 - 4] +
      kernel[7] * iD[i + w * 4] +
      kernel[8] * iD[i + w * 4 + 4]) /
      this.divisor
   }
   oD[(y * w + x) * 4 + 3] = 255
  }
 }
 ctx.putImageData(output, 0, 0)
}

成品代码:https://github.com/ssshooter/canvas-img-process

测试网址,附带彩蛋嘻嘻嘻😘https://ssshooter.github.io/canvas-img-process/

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持路饭。