HTML5 的 canvas 元素其實是個相當強大的繪圖工具。透過 getImageData 方法,我們可以把已經載入的圖片還原成一格格像素資料,直接在瀏覽器端做位元運算。問題在於,逐點操作像素太瑣碎,寫起來又難以 reuse。這時候只要換一個角度,把「卷積矩陣(Convolution Matrix)」這個工具請出場,幾個參數就能拼出相當複雜的視覺效果。
下圖說明了卷積的計算方式。當我們要算出紅框中那個數值時,先取出周圍綠框裡的 8 個數字,依序與所施加矩陣的對應位置相乘,再把 9 個乘積全部加起來,就得到最終結果。

以圖中的 42 為例,它的由來是:
(40×0) + (42×1) + (46×0)
+ (46×0) + (50×0) + (55×0)
+ (52×0) + (56×0) + (58×0)
= 42
這就是卷積。而所謂「對圖像做卷積」,指的就是把同一個矩陣套用到圖片上每一個像素,反覆計算並產生新值。
先看這張原圖:

接著套用下面這個矩陣:
-6 -3 0
-3 -1 3
0 3 6
浮雕效果立刻就出來了。

實務上為了讓參數更好控制,通常還會在最後加兩步:把結果除以一個「除數係數」,再加上一個「偏移量」。舉例來說,下面這個矩陣:
0 0 0
0 1 0
0 0 0
它本身其實完全不改變影像;但只要把除數設為 -1、偏移設為 255,照片就瞬間變成負片效果,相當神奇。

為了呼叫方便,我把整個流程封裝成一個小函式,四個參數分別是:
1. imageData:canvas 上的 imageData 物件
2. matrix:矩陣對應的一維陣列。若矩陣是 a b c / d e f / g h i,傳入的就是 [a,b,c,d,e,f,g,h,i]
3. divisor:除數係數
4. offset:偏移量
// 3x3 卷積矩陣運算
function ConvolutionMatrix(input, matrix, divisor, offset) {
// 建立同尺寸的輸出 imageData
var output = document.createElement("canvas")
.getContext('2d')
.createImageData(input);
var w = input.width, h = input.height;
var iD = input.data, oD = output.data;
var m = matrix;
// 只處理內部的點,RGB 三個通道分別運算,alpha 一律設為 255
for (var y = 1; y < h - 1; y += 1) {
for (var x = 1; x < w - 1; x += 1) {
for (var c = 0; c < 3; c += 1) {
var i = (y * w + x) * 4 + c;
oD[i] = offset + (
m[0] * iD[i - w * 4 - 4] + m[1] * iD[i - w * 4] + m[2] * iD[i - w * 4 + 4]
+ m[3] * iD[i - 4] + m[4] * iD[i] + m[5] * iD[i + 4]
+ m[6] * iD[i + w * 4 - 4] + m[7] * iD[i + w * 4] + m[8] * iD[i + w * 4 + 4]
) / divisor;
}
oD[(y * w + x) * 4 + 3] = 255; // 透明度
}
}
return output;
}
這裡示範的是三階(3×3)矩陣。如果覺得不夠過癮,也可以自己擴充成五階版本,邊界判斷與索引偏移照樣推廣即可,只是運算量會明顯上升。另外要留意,上面寫法會跳過最外圈一列的像素,若要處理邊緣,可以改成把超出範圍的座標夾回合法區間(clamp),或直接複製鄰近像素,畫面會更乾淨。