博客
关于我
canvas剪裁图片并上传,前端一步到位,无需用到后端
阅读量:400 次
发布时间:2019-03-05

本文共 826 字,大约阅读时间需要 2 分钟。

背景:

当前主流的图片剪裁实现方式主要有两种:一种是通过Flash操作,另一种是利用JavaScript和DOM操作。但现行的剪裁流程仍存在一些问题,例如需要先将图片上传到服务器,前后端需要多次交互,数据传输繁冗。

传统的剪裁实现方式显得有些低级了。我尝试利用Canvas技术来实现剪裁功能。通过对网上资源的研究,我发现虽然有Jcrop等类似插件存在,但它们的本质仍然是需要将图片上传到后台,最后由后端处理,与传统方式并无本质区别。

自主实现前端剪裁:

后来,我灵感一现,意识到Canvas可以存储Base64数据。基于此,我设计了一种新的剪裁流程。具体步骤如下:

  • 用户选择图片
  • 通过FileReader读取图片并转换为Base64编码
  • 创建一个包含原图的下层Canvas和一个用于显示剪裁区域的上层Canvas
  • 用户在上层Canvas中进行剪裁操作,包括拖动和缩放
  • 在保存剪裁时,生成对应比例的Base64数据,直接上传至后台
  • 实现细节:

  • 自定义剪裁比例和最小尺寸
    this._option.crop_min_width = 640;  this._option.crop_min_height = 640;
  • 自定义剪裁容器大小
    this._option.crop_box_width = 300;  this._option.crop_box_height = 200;
  • 实现拖动和区域大小调整
  • 为剪裁容器及其内部元素添加CSS属性
    -webkit-user-select:none;-moz-user-select:none;-o-user-select:none;user-select:none
  • 代码实现虽然不够规范,但已实现了基本需求。点击保存按钮,系统会生成按照原图比例的剪裁图片,并通过Base64编码直接上传至后台。

    默认要求用户选取640x640以上的图片,以确保剪裁后的图片质量。以下是该方案的Git地址,您可以拉取代码进行测试。

    转载地址:http://zhxzz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>