图像处理可通过Canvas API操作像素实现，灰度化采用加权平均公式gray = 0.299×R + 0.587×G + 0.114×B；亮度调节通过偏移RGB值，对比度调节利用系数缩放，需限制值在0-255；边缘检测使用Sobel算子计算梯度；处理前建议灰度化，注意边界与性能优化，大图可结合Web Workers提升效率。
在网页开发中，使用JavaScript进行图像处理是一种常见需求，比如调整亮度、对比度、灰度化、边缘检测等。借助HTML5的Canvas API，我们可以直接操作图像像素，实现各种图像处理算法。
图像灰度化处理
将彩色图像转换为灰度图是图像处理的基础步骤之一。常用的方法是根据人眼对颜色的敏感度，对RGB三个通道加权平均。
公式：gray = 0.299×R + 0.587×G + 0.114×B
示例代码：function grayscale(imageData) {
const data = imageData.data;
for (let i = 0; i
const r = data[i];
const g = data[i + 1];
const b = data[i + 2];
const gray = 0.299 * r + 0.587 * g + 0.114 * b;
data[i] = data[i + 1] = data[i + 2] = gray;
}
return imageData;
}
图像亮度与对比度调节
通过修改每个像素的RGB值，可以增强或减弱图像的视觉效果。
立即学习“Java免费学习笔记（深入）”；
- 亮度调节：给每个颜色通道加上一个偏移值（如+50提亮）
- 对比度调节：先减去128，乘以系数，再加回128
注意像素值必须限制在0-255之间，避免溢出。
function adjustBrightness(imageData, value) {
const data = imageData.data;
for (let i = 0; i
data[i] = clamp(data[i] + value); // R
data[i + 1] = clamp(data[i + 1] + value); // G
data[i + 2] = clamp(data[i + 2] + value); // B
}
return imageData;
}
function clamp(value) {
return Math.max(0, Math.min(255, value));
}
边缘检测（Sobel算子）
边缘检测用于识别图像中物体的轮廓。Sobel算子通过卷积核在x和y方向计算梯度。
Spark Streaming属于Spark的核心api，它支持高吞吐量、支持容错的实时流数据处理。它可以接受来自Kafka, Flume, Twitter, ZeroMQ和TCP Socket的数据源，使用简单的api函数比如 map, reduce, join, window等操作，还可以直接使用内置的机器学习算法、图算法包来处理数据。感兴趣的朋友可以过来看看
- Sobel X核：[-1,0,1; -2,0,2; -1,0,1]
- Sobel Y核：[-1,-2,-1; 0,0,0; 1,2,1]
每个像素的新值 = sqrt(Gx² + Gy²)
说明：需遍历除边框外的所有像素，对3×3邻域做卷积运算。处理前建议先灰度化以提高效率。
使用Canvas获取和渲染图像数据
实际应用中，需要从图片元素读取数据并在Canvas上绘制结果。
const canvas = document.getElementById('canvas');
const ctx = canvas.getContext('2d');
const img = document.getElementById('sourceImg');
ctx.drawImage(img, 0, 0);
let imageData = ctx.getImageData(0, 0, canvas.width, canvas.height);
imageData = grayscale(imageData); // 调用处理函数
ctx.putImageData(imageData, 0, 0);
确保图片已加载完成再执行处理逻辑，避免跨域问题导致无法访问像素数据。
基本上就这些。掌握像素级操作后，还能实现模糊、锐化、二值化等更多效果。关键是理解imageData.data的结构：每4个值代表一个像素的R、G、B、A。不复杂但容易忽略边界处理和性能优化。对于大图，可考虑使用Web Workers避免页面卡顿。
