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
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    nmap 使用方法详细介绍
    查看>>
    Nmap扫描教程之Nmap基础知识
    查看>>
    nmap指纹识别要点以及又快又准之方法
    查看>>
    Nmap渗透测试指南之指纹识别与探测、伺机而动
    查看>>
    Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
    查看>>
    NMAP网络扫描工具的安装与使用
    查看>>