js实现抠图

使用Canvas实现简单抠图

通过Canvas的getImageData和putImageData方法可以操作像素数据实现抠图。以下示例通过颜色阈值去除背景：

function removeBackground(canvas, targetColor, threshold = 30) {
  const ctx = canvas.getContext('2d');
  const imageData = ctx.getImageData(0, 0, canvas.width, canvas.height);
  const data = imageData.data;

  for (let i = 0; i < data.length; i += 4) {
    const r = data[i];
    const g = data[i + 1];
    const b = data[i + 2];

    // 计算与目标颜色的差异
    const diff = Math.sqrt(
      Math.pow(r - targetColor[0], 2) +
      Math.pow(g - targetColor[1], 2) +
      Math.pow(b - targetColor[2], 2)
    );

    // 超过阈值则保留，否则设为透明
    if (diff > threshold) {
      continue;
    } else {
      data[i + 3] = 0; // 设置alpha通道为透明
    }
  }

  ctx.putImageData(imageData, 0, 0);
}

使用机器学习库（TensorFlow.js）

TensorFlow.js的BodyPix模型可以实现更精确的人像抠图：

async function loadAndSegment() {
  const net = await bodyPix.load();
  const img = document.getElementById('inputImage');

  const segmentation = await net.segmentPerson(img, {
    internalResolution: 'high',
    segmentationThreshold: 0.7
  });

  const mask = bodyPix.toMask(segmentation);
  const ctx = document.getElementById('canvas').getContext('2d');
  bodyPix.drawMask(ctx, img, mask, 0.7);
}

使用WebGL实现高性能抠图

对于需要实时处理的场景，WebGL着色器能提供更好的性能：

const vertexShaderSource = `
  attribute vec2 a_position;
  void main() {
    gl_Position = vec4(a_position, 0, 1);
  }
`;

const fragmentShaderSource = `
  precision mediump float;
  uniform sampler2D u_image;
  uniform vec3 u_targetColor;
  uniform float u_threshold;

  void main() {
    vec4 color = texture2D(u_image, gl_FragCoord.xy / vec2(512.0, 512.0));
    float diff = distance(color.rgb, u_targetColor);
    gl_FragColor = (diff > u_threshold) ? color : vec4(0.0);
  }
`;

使用第三方库（Remove.bg API）

商业API提供更专业的抠图服务：

async function removeBgWithApi(imageFile) {
  const formData = new FormData();
  formData.append('image_file', imageFile);

  const response = await fetch('https://api.remove.bg/v1.0/removebg', {
    method: 'POST',
    headers: {
      'X-Api-Key': 'YOUR_API_KEY'
    },
    body: formData
  });

  const blob = await response.blob();
  const url = URL.createObjectURL(blob);
  document.getElementById('resultImg').src = url;
}

优化边缘处理

对于精细边缘，可以使用边缘检测算法优化：

function refineEdges(canvas) {
  const ctx = canvas.getContext('2d');
  const original = ctx.getImageData(0, 0, canvas.width, canvas.height);
  const temp = ctx.getImageData(0, 0, canvas.width, canvas.height);

  // 应用边缘检测卷积核
  applyConvolution(original, temp, [
    [-1, -1, -1],
    [-1,  8, -1],
    [-1, -1, -1]
  ]);

  // 混合原始图像和边缘检测结果
  blendImages(original, temp);
  ctx.putImageData(original, 0, 0);
}

每种方法适用于不同场景：Canvas方案适合简单需求，机器学习方案精度更高，WebGL适合性能敏感场景，而API方案则提供专业级效果。实现时应根据具体需求选择合适方案。