- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
更新:一旦我让这个演示开始工作...老天,它很慢,只有 2 级渲染(当图像大约为 1000x2000 像素时)大约需要 12-16 秒。这甚至不值得为此烦恼。
我在此处的最佳答案中发现了这段非常棒且充满希望的代码:Resizing an image in an HTML5 canvas
//returns a function that calculates lanczos weight
function lanczosCreate(lobes){
return function(x){
if (x > lobes)
return 0;
x *= Math.PI;
if (Math.abs(x) < 1e-16)
return 1
var xx = x / lobes;
return Math.sin(x) * Math.sin(xx) / x / xx;
}
}
//elem: canvas element, img: image element, sx: scaled width, lobes: kernel radius
function thumbnailer(elem, img, sx, lobes){
this.canvas = elem;
elem.width = img.width;
elem.height = img.height;
elem.style.display = "none";
this.ctx = elem.getContext("2d");
this.ctx.drawImage(img, 0, 0);
this.img = img;
this.src = this.ctx.getImageData(0, 0, img.width, img.height);
this.dest = {
width: sx,
height: Math.round(img.height * sx / img.width),
};
this.dest.data = new Array(this.dest.width * this.dest.height * 3);
this.lanczos = lanczosCreate(lobes);
this.ratio = img.width / sx;
this.rcp_ratio = 2 / this.ratio;
this.range2 = Math.ceil(this.ratio * lobes / 2);
this.cacheLanc = {};
this.center = {};
this.icenter = {};
setTimeout(this.process1, 0, this, 0);
}
thumbnailer.prototype.process1 = function(self, u){
self.center.x = (u + 0.5) * self.ratio;
self.icenter.x = Math.floor(self.center.x);
for (var v = 0; v < self.dest.height; v++) {
self.center.y = (v + 0.5) * self.ratio;
self.icenter.y = Math.floor(self.center.y);
var a, r, g, b;
a = r = g = b = 0;
for (var i = self.icenter.x - self.range2; i <= self.icenter.x + self.range2; i++) {
if (i < 0 || i >= self.src.width)
continue;
var f_x = Math.floor(1000 * Math.abs(i - self.center.x));
if (!self.cacheLanc[f_x])
self.cacheLanc[f_x] = {};
for (var j = self.icenter.y - self.range2; j <= self.icenter.y + self.range2; j++) {
if (j < 0 || j >= self.src.height)
continue;
var f_y = Math.floor(1000 * Math.abs(j - self.center.y));
if (self.cacheLanc[f_x][f_y] == undefined)
self.cacheLanc[f_x][f_y] = self.lanczos(Math.sqrt(Math.pow(f_x * self.rcp_ratio, 2) + Math.pow(f_y * self.rcp_ratio, 2)) / 1000);
weight = self.cacheLanc[f_x][f_y];
if (weight > 0) {
var idx = (j * self.src.width + i) * 4;
a += weight;
r += weight * self.src.data[idx];
g += weight * self.src.data[idx + 1];
b += weight * self.src.data[idx + 2];
}
}
}
var idx = (v * self.dest.width + u) * 3;
self.dest.data[idx] = r / a;
self.dest.data[idx + 1] = g / a;
self.dest.data[idx + 2] = b / a;
}
if (++u < self.dest.width)
setTimeout(self.process1, 0, self, u);
else
setTimeout(self.process2, 0, self);
};
thumbnailer.prototype.process2 = function(self){
self.canvas.width = self.dest.width;
self.canvas.height = self.dest.height;
self.ctx.drawImage(self.img, 0, 0);
self.src = self.ctx.getImageData(0, 0, self.dest.width, self.dest.height);
var idx, idx2;
for (var i = 0; i < self.dest.width; i++) {
for (var j = 0; j < self.dest.height; j++) {
idx = (j * self.dest.width + i) * 3;
idx2 = (j * self.dest.width + i) * 4;
self.src.data[idx2] = self.dest.data[idx];
self.src.data[idx2 + 1] = self.dest.data[idx + 1];
self.src.data[idx2 + 2] = self.dest.data[idx + 2];
}
}
self.ctx.putImageData(self.src, 0, 0);
self.canvas.style.display = "block";
}
...
img.onload = function() {
var canvas = document.createElement("canvas");
new thumbnailer(canvas, img, 188, 3); //this produces lanczos3
//but feel free to raise it up to 8. Your client will appreciate
//that the program makes full use of his machine.
document.body.appendChild(canvas);
}
但是,此实现加载图像并渲染它,故事结束。
我一直在尝试重新实现此代码,以便它在每次缩放现有 Canvas (思考,放大和缩小图像或文档)时进行过滤,而无需加载新图像或创建新图像 Canvas 。
我怎样才能让它以这种方式工作?或者这甚至可能吗?
最佳答案
你想要做的是像 singleton 这样的东西来重用你的 Canvas 对象。这将使您节省每次创建新 Canvas 对象的成本,并且您将重复使用相同的对象
function getCanvas(){
var canvas;
if (typeof canvas === "undefined"){ canvas = document.createElement("canvas");}
return canvas;
}
img.onload = function() {
var canvas = getCanvas("canvas");
.... THE REST OF YOUR CODE .......
}
.
然而,这不会减慢您的代码,图像缩放算法是非常繁重的算法,密集使用 cpu“通常在非常低的水平上使用 gpu 加速”,并使用像 multiple buffer 这样的高级技术r 等等。这是关于图像缩放如何工作的 interesting tutorial in java.net,它在 Java 中,但您可以插入任何语言。
Javascript 还没有为这种技术做好准备,因此我建议您使用 canvas api 中可用的 transformations,因为在教程中您阅读的有效方法是使用 canvas2Dcontext。
var ctx = canvas.getContext("2d");
ctx.scale(2,2);
关于html - 如何在每次 Canvas 变换后实现 Lanczos 重采样而无需制作新 Canvas ?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12537383/
我可以轻松计算 Lanczos 中使用的 sinc(x) 曲线的值,并且我已经阅读了之前有关 Lanczos 调整大小的解释,但作为这个领域的新手,我不明白如何实际应用它们。 To resample
我想用 C++ 实现上述两种图像重采样算法(双三次和 Lanczos)。我知道那里有许多现有的实现,但我仍然想制作自己的。我想实现它,部分原因是我想了解它们的工作原理,部分原因是我想为它们提供一些主流
我对图像缩放算法很感兴趣,并实现了双线性和双三次方法。但是,我听说过 Lanczos 和其他更复杂的方法可以实现更高质量的图像缩放,我很好奇它们是如何工作的。 这里有人可以解释一下使用 Lanczos
这个问题不太可能对任何 future 的访客有帮助;它只与一个较小的地理区域、一个特定的时间点或一个非常狭窄的情况相关,通常不适用于全世界的互联网受众。如需帮助使此问题更广泛适用,visit the
我需要在c代码中实现以下公式: https://en.wikipedia.org/wiki/Lanczos_resampling因此我使用多维插值方法: 其中 L(x-i) 或 L(y-i) 是: 我
我想知道是否有任何包允许我们使用 Lanczos 过滤器。我找到了其他滤波器,例如 butterworth,但我正在寻找 Lanczos 低通滤波器。 Lanczos 过滤器与巴特沃斯过滤器有何不同?
我已经在使用 Lanczos 函数的 OpenCL 中实现了一个简单的图像重采样器。 Lanczos 的定义是: 用 C 编写: inline float lanczos(float x, float
我想知道是否有任何包允许我们使用 Lanczos 过滤器。我找到了其他滤波器,例如 butterworth,但我正在寻找 Lanczos 低通滤波器。 Lanczos 过滤器与巴特沃斯过滤器有何不同?
所以我正在研究 Lanczos 算法的收敛。我用 C 语言实现它,首先计算与 Krylov 子空间相关的正交矩阵 V 和三对角对称矩阵 T,然后计算 T 的特征值和特征向量以及 Ritz vector
我有这个代码 CIImage * input_ciimage = [CIImage imageWithCGImage:self.CGImage]; CIImage * output_ciimage =
我正在尝试使用 Lanczos2 实现图像下采样。 但是,内核似乎到处都是零(因为如果 x 是整数,则 sin(pi*x)=0)except at the center pixel . 因此,如果下采
更新:一旦我让这个演示开始工作...老天,它很慢,只有 2 级渲染(当图像大约为 1000x2000 像素时)大约需要 12-16 秒。这甚至不值得为此烦恼。 我在此处的最佳答案中发现了这段非常棒且充
我需要制作一个使用 Lanczo 算法的在线图像大小调整程序,我听说这是缩小图像大小的最佳算法。我该怎么做呢?我了解 PHP,但如果需要,我愿意学习其他语言。 我知道 PHP 确实有它自己的图像调整大
我一直在编写一些在 Golang 中调整图像大小的基本方法。我看过几篇关于调整图像大小的帖子,但对于我的生活,我无法弄清楚我错过了什么...... 基本上,我的问题是在 Golang 中调整图像大小时
我尝试重新缩放 2D 图像(灰度)。图像大小为 256x256,所需输出为 224x224。像素值范围从 0 到 1300。 我尝试了 2 种方法来使用 Lanczos 插值重新缩放它们: 首先使用P
仅当我在使用调试标志编译的代码上使用 gdb 进行调试时,才会出现以下错误 Program received signal SIGSEGV, Segmentation fault. 0x00007ff
(这个问题可能与“无软件推荐”规则有关;我理解为什么它可能会被关闭)。 在他们的论文中 F_2 Lanczos revisited 、Peterson 和 Monico 给出了 Lanczos 算法的
我是一名优秀的程序员,十分优秀!