Project Icon

dont-crop

轻量级JavaScript库用于图像主色提取和渐变背景生成

dont-crop是专注于图像处理的轻量级JavaScript库,主要用于颜色提取和渐变背景生成。通过getPalette()和fitGradient()功能,实现高效的图像主色分析和背景拟合。适用于图像填充、模糊预览等多种图像处理场景。该库兼容现代浏览器和Node.js,性能优异,提供完整文档和丰富示例,已通过全面测试验证。

API 文档 | 演示

测试 TypeScript

Dont-crop 是一个小巧的、无依赖的 JavaScript 库,用于将渐变拟合到图像或提取其主要颜色。

它可以用于填充图像而不是裁剪它们,用于非常紧凑的模糊效果,以及您能想到的其他用途。

示例

fitGradient()

fitGradient 照片由 Abed Ismail 拍摄

getPalette()

getPalette

更多示例

查看演示页面以查看更多示例并试验您自己的图像。

安装

npm install -S dont-crop

使用方法

ES 模块

import {getPalette, fitGradient} from 'dont-crop';

const image = new Image();
// 图像需要加载完成后才能传递给 dont-crop
image.onload = () => {
  console.log(getPalette(image));
  // ['#000000', ...]
  console.log(fitGradient(image));
  // 'linear-gradient(#000000, #ffffff)`
}
image.src = 'example.jpg';

CommonJS

const getPalette = require('dont-crop').getPalette;
const fitGradient = require('dont-crop').fitGradient;
// ...

React

请参阅 examples/react/index.tsx 获取一个简单示例。

NodeJS

在 Node 中的使用取决于所使用的图像处理库。 通常需要构造一个图像数据对象并传递给 getPaletteFromImageDatafitGradientToImageData

基本函数 getPalettefitGradient 不能在 NodeJS 中直接使用。 至少不能在不做额外处理的情况下使用。

请参阅 examples/node-sharp/example.ts 中的 getImageData 以获取使用 sharp 的示例。

兼容性

该代码应该可以在所有常见的现代浏览器和 Node.js 12 版本及以上运行。 它已经在以下环境中进行了测试:

  • Chrome
  • Firefox
  • Safari
  • Edge

性能

代码相当紧凑,并考虑了树摇优化。 因此,您的打包文件只会包含您实际使用的功能。

当仅使用 fitGradient 并使用 webpack 5 打包代码时,dont-crop 将为您的打包文件增加约 1.2 kb(gzip 压缩后为 0.7 kb)。 getPalette 将花费您多一点,约 3.2 kb(gzip 压缩后为 1.7 kb)。 您可以同时使用两者,大约 4 kb(gzip 压缩后为 2 kb)。

3925 dist/both.js
1911 dist/both.js.gz
1264 dist/fitGradient.js
710  dist/fitGradient.js.gz
3261 dist/getPalette.js
1656 dist/getPalette.js.gz

运行时性能也足够快,无需担心。

# 在 AMD Ryzen 9 5950X 上
fitGradientToImageData x 19,813 ops/sec ±0.96% (97 runs sampled)
getPaletteFromImageData(fast=false) x 156 ops/sec ±0.66% (83 runs sampled)
getPaletteFromImageData(fast=true) x 645 ops/sec ±0.17% (97 runs sampled)

对图像而非已缩小的图像数据进行操作的函数版本速度较慢。 它们的性能取决于具体的浏览器和设备,但对于合理大小的图像,通常应该在几毫秒的范围内。

测试覆盖率

代码有良好的测试覆盖。这些示例被用作 Node 和浏览器(通过 puppeteer 使用 Chrome)中的端到端测试。

算法

很高兴你问到。fitGradient() 使用简单的线性回归

getPalette() 基于 k-means 聚类。 初始聚类使用直方图选择。 结果中的相似聚类在后处理步骤中合并。 这是必要的,因为 k-means 倾向于返回大小相等的聚类, 而 getPalette 应该返回不同的聚类。 合并经过调整,以保留不同的色调和颜色,而不是返回最突出的颜色阴影(它们可能都具有相似的色调)。 处理在 CIE Lab 色彩空间中进行,使用 CIE76 ΔE*。

替代方案

直接模糊图像

使用图像的模糊版本作为背景是一个非常简单的替代方案。 我认为它看起来有点忙乱,但它需要更少的处理(只需要一点 CSS),并且通常会更快。

如果渐变拟合在后端执行并缓存或服务器端渲染,这种情况会反转,它成为图像的一个非常高效的近似。

colorthief

提供类似于 getPalette 的功能。 它的大小约为 6.4k(2.3.2 版本)。 自 2019 年以来它已被广泛使用,因此肯定经过了更多的实战检验。 从快速浏览来看,它似乎使用了中位切分法,这可能会产生比这里使用的简单 k-means 更好的结果。

fast-average-color

返回单一平均或主要颜色。

smartcrop.js

Smartcrop.js 是我的另一个项目。顾名思义,它尝试 找到更智能的裁剪方式。

路线图

有很多有趣的方法可以进一步改进这个库。

  • 颜色分组(饱和、柔和、浅色、深色、暖色、冷色)
  • 调整调色板提取涉及的变量,可能允许库用户进行某种程度的调整
  • 对线性回归和 k-means 进行加权,以关注中心或边缘
  • 使用更稳健的回归变体,如 Theil-Senn
  • 通过手动插值停止点来实现伽马校正的线性渐变

许可证

MIT

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号