一步一步解码 PNG 图片
发布于 2 个月前 作者 vivaxy 1094 次浏览 来自 分享

解码 PNG 图片就是把一张图片从二进制数据转成包含像素数据的 ImageData

图片的二进制数据可以从 <canvas><img>,Object URLs,Image URLs,Blob 对象上获取到。参见浏览器图像转换手册

ImageData 是一个包括了像素数据、图片宽高数据的对象。

示例图片

示例图片

👆 这是一张我们接下去要解码的图片,但它太小了,放大了展示给大家看下。👇

pixels-large.png

二进制数据

我们先从浏览器的 <input> 标签上读取到 Blob 对象,然后拿到这张图片的二进制数据。

<input type="file" />
<script>
  const input = document.querySelector('input');
  input.addEventListener('change', async function(e) {
    const [file] = e.target.files;
    const arrayBuffer = await file.arrayBuffer();
    console.log('arrayBuffer', arrayBuffer);
    // TODO: Let's decode arrayBuffer
    const imageData = decode(arrayBuffer);
    console.log('imageData', imageData);
  });
</script>

得到的 arrayBuffer 如下:

<style> table { font-size: 12px; } table tbody tr td { padding: .6rem .4rem; } </style>

0 ~ 3 4 ~ 7 8 ~ 11 12 ~ 15
0 ~ 15 137, 80, 78, 71 13, 10, 26, 10 0, 0, 0, 13 73, 72, 68, 82
16 ~ 31 0, 0, 0, 2 0, 0, 0, 2 2, 3, 0, 0 0, 15, 216, 229
32 ~ 47 183, 0, 0, 0 1, 115, 82, 71 66, 1, 217, 201 44, 127, 0, 0
48 ~ 63 0, 9, 112, 72 89, 115, 0, 0 11, 19, 0, 0 11, 19, 1, 0
64 ~ 79 154, 156, 24, 0 0, 0, 12, 80 76, 84, 69, 255 0, 0, 0, 255
80 ~ 95 0, 0, 0, 255 255, 255, 255, 251 0, 96, 246, 0 0, 0, 4, 116
96 ~ 111 82, 78, 83, 255 255, 255, 127, 128 144, 197, 89, 0 0, 0, 12, 73
112 ~ 127 68, 65, 84, 120 156, 99, 16, 96 216, 0, 0, 0 228, 0, 193, 39
128 ~ 143 168, 232, 87, 0 0, 0, 0, 73 69, 78, 68, 174 66, 96, 130

每个表格的单元格内有 4 字节数据,每个字节由 8 位组成,1 位代表的是 0 或者 1 的一个数字。

PNG 文件签名

一张 PNG 图片二进制数据的开头必须是这 8 字节:0x89, 0x50, 0x4e, 0x47, 0x0d, 0x0a, 0x1a, 0x0a

0x 代表这个数字是 16 进制表示的,0x89, 0x50, 0x4e, 0x47, 0x0d, 0x0a, 0x1a, 0x0a 转换为 10 进制是 137, 80, 78, 71, 13, 10, 26, 10

0 ~ 3 4 ~ 7
137, 80, 78, 71 13, 10, 26, 10
0x89, 0x50, 0x4e, 0x47 0x0d, 0x0a, 0x1a, 0x0a

这张图片的前 8 个字节满足签名的要求。

数据块

数据块包含了图片所有的数据,一个数据块可以分为数据块的开始信息、数据块的数据信息和数据块的结束信息。

一个数据块的开始信息包含 2 个 32 位的数字,换算成字节的话,就是 8 个字节。前 4 个字节会被合并成一个 32 位的数字,表示数据信息的长度,后面 4 个字节可以被转换成文本,表示数据块的类型。

我们从第 8 个字节开始解析数据块的开始信息。

开始信息 1

8 ~ 11 12 ~ 15
0, 0, 0, 13 73, 72, 68, 82
长度 类型
13 IHDR

这个数据块是 IHDR 类型,有 13 字节的数据信息。

数据信息 1 IHDR

IHDR 里面的数据信息如下:

16 ~ 19 20 ~ 23 24 ~ 27 28
0, 0, 0, 2 0, 0, 0, 2 2, 3, 0, 0 0
width height depth, colorType, compression, filter interlace
2 2 2, 3, 0, 0 0
  • width(宽)和 height(高)表示图片的宽高。
  • depth (通道深度)代表每个色彩通道用几位数据表示。一张 PNG 图片是由像素组成的,每个像素由色彩通道组成,每个色彩通道又是由位来组成。
  • colorType(色彩类型)PNG 图片一共有 5 种色彩类型,0 代表灰度颜色,2 代表用 RGB 表示颜色,即 (R, G, B)3 代表用色板表示颜色,4 代表灰度和透明度来表示颜色,6 代表用 RGB 和透明度表示颜色,即 (R, G, B, A)。色板的色彩类型里,每个像素是由 1 个色彩通道表示的。
  • compression 代表了压缩算法。目前只支持 0,表示 deflate/inflate。Deflate/inflate 是一种结合了 LZ77 和霍夫曼编码的无损压缩算法,被广泛运用于 7-zipzlibgzip 等场景。
  • filter 代表在压缩前应用的过滤函数类型,目前只支持 0。过滤函数类型 0 里面包括了 5 中过滤函数。
  • interlace 代表图片数据是否经过交错,0 代表没有交错,1 代表交错。

从上面的信息看出,这是一张 2 * 2 像素的图片,使用色板作为颜色类型,每个像素由 1 个色彩通道组成,每个色彩通道由 2 位组成。像素数据没有交错,经过 0 的过滤函数类型后,经过 deflate 压缩,

结束信息 1

29 ~ 32
15, 216, 229, 183

结束信息包括了 4 字节的 CRC32 校验和。解码器应该根据数据块类型和数据块的数据信息计算 CRC32 校验和,并与结束信息中的校验和比对。如果相等,则认为图片数据被正确传输。

开始信息 2

33 ~ 36 37 ~ 40
0, 0, 0, 1 115, 82, 71, 66
长度 类型
1 sRGB

这个数据块是 sRGB 信息,长度是 1 字节。

这个数据块类型是小写字母开头的,这表示这个数据块是辅助数据块,大写字母开头的数据块类型表示关键数据块。

数据信息 2 sRGB

41
1

sRGB 表示图片使用的色彩空间。

  • 0 表示感性的,用于展示照片等。
  • 1 表示相对色彩,用于展示图标等。
  • 2 表示饱和的,用于展示图表等。
  • 3 表示绝对色彩,用于展示图片原本的色彩。

结束信息 2

42 ~ 45
217, 201, 44, 127

需要比对 CRC32。

开始信息 3

46 ~ 49 50 ~ 53
0, 0, 0, 9 112, 72, 89, 115
长度 类型
9 pHYs

9 个字节的 pHYs 辅助数据信息。

数据信息 3 pHYs

54 ~ 57 58 ~ 61 62
0, 0, 11, 19 0, 0, 11, 19 1
X 轴每个单位像素数 Y 轴每个单位像素数 单位
2835 2835

pHYs 数据块代表图片的物理世界大小,从上面的数据可以看出,这张图在现实世界中应该被渲染成每米 2835 像素,宽高一样。

结束信息 3

63 ~ 66
0, 154, 156, 24

比对 CRC32。

开始信息 4

67 ~ 70 71 ~ 74
0, 0, 0, 12 80, 76, 84, 69
长度 类型
12 PLTE

12 字节 PLTE 色板数据,是关键数据块。

数据信息 4 PLTE

75 ~ 78 79 ~ 82 83 ~ 86
255, 0, 0, 0 255, 0, 0, 0 255, 255, 255, 255

色板中包含的数据是 RGB 数据,以 R, G, B 的形式保存,这里一共 12 字节,表示了 4 个色块。得到的色板信息如下:

色板

[[255, 0, 0], [0, 255, 0], [0, 0, 255], [255, 255, 255]]

结束信息 4

87 ~ 90
251, 0, 96, 246

比对 CRC32。

开始信息 5

91 ~ 94 95 ~ 98
0, 0, 0, 4 116, 82, 78, 83
长度 类型
4 tRNS

4 字节 tRNS 透明度数据,是辅助数据块。

数据信息 5 tRNS

99 ~ 102
255, 255, 255, 127

这个数据块为色板提供透明信息,每个字节表示一个色块的透明信息。与色板组合后的色板如下:

色板

[[255, 0, 0, 255], [0, 255, 0, 255], [0, 0, 255, 255], [255, 255, 255, 127]]

结束信息 5

103 ~ 106
128, 144, 197, 89

比对 CRC32。

开始信息 6

107 ~ 110 111 ~ 114
0, 0, 0, 12 73, 68, 65, 84
长度 类型
12 IDAT

12 字节 IDAT 像素数据,是关键数据块。

数据信息 6 IDAT

115 ~ 118 119 ~ 122 123 ~ 126
120, 156, 99, 16 96, 216, 0, 0 0, 228, 0, 193

在解析像素数据前,我们先要了解下像素数据是如何编码的。每行像素都会先经过过滤函数处理,每行像素的过滤函数可以不同。然后所有行的像素数据会经过 deflate 压缩算法研所。所以,我们需要对这里的像素数据先解压,这里我们直接使用了 zlib.inflate() 函数。在浏览器上,可以使用 pako 工具包。

解压出来的像素数据是 Uint8Array:0, 16, 0, 176

接下去我们需要仔细了解每行像素是如何编码,才能把上面的数据还原成像素点。

扫描线 Scanline

一根扫描线包含图片一行像素的数据。我们知道这张图片的高度是 2,也就是像素数据中有 2 行扫描线。

一根扫描线由 1 字节的过滤函数标记和像素信息组成。像素信息一个接一个地排列,中间没有多余的空位。如果扫描线长度不足以填满字节的位数,最后几位会被补齐。一根扫描线的结构如下:

过滤函数 像素…[补齐…]
8 位 每像素位数 * 每行像素数 + 补齐

所以我们先要知道每个像素的位数才能解码扫描线。

色彩类型 - 色彩通道 - 通道深度 - 每像素位数

色彩类型 色彩 每像素通道数 通道深度 每像素位数
0 灰度 1 1, 2, 4, 8, 16 1, 2, 4, 8, 16
2 真彩色(RGB) 3 8, 16 24, 48
3 色板 1 1, 2, 4, 8 1, 2, 4, 8
4 灰度和透明度 2 8, 16 16, 32
6 色彩色和透明度(RGBA) 4 8, 16 32, 64

这张图片的色彩类型是 3,所以每个像素包含 1 个色彩通道。又因为图片的通道深度是 2,所以我们知道每个像素是用 2 位来表示的。

所以我们可以解码扫描线了。

解码扫描线

过滤函数 像素…[补齐…]
8 位 每像素 2 位 * 2 像素 + 4 位补齐 = 8 位
0 0 00010000 (16)
1 0 10110000 (176)

过滤函数

在扫描线被压缩前,每根扫描线都会被单独的过滤函数处理,以使后面的压缩效果更好。

在过滤函数类型 0 中,有 5 种过滤函数:

过滤函数 函数 过滤方式
0 保留原始数据
1 减去 A
2 减去 B
3 平均 根据 A 和 B 取平均,并向下取证
4 Paeth 使用最接近于 p = A + B − C 的 A、B 或 C 的数值

过滤函数

过滤函数用 A、B、C 三点的数值来计算当前点 X。

这张图片里面的过滤函数 0 表示这张图数据未经过滤。所以我们只要保留原始数据就行了。

扫描线像素

第 1 列 第 2 列 补齐…
0 00 01 0000
1 10 11 0000

这里每个像素中的数据表示了这个像素的颜色在色板中的索引。根据色板,我们可以还原出图片的像素信息:[[255, 0, 0, 255], [0, 255, 0, 255], [0, 0, 255, 255], [255, 255, 255, 127]]

图片像素

行\列 0 1
0 (255, 0, 0, 255) (0, 255, 0, 255)
1 (0, 0, 255, 255) (255, 255, 255, 127)

结束信息 6

127 ~ 130
39, 168, 232, 87

比对 CRC32。

开始信息 7

131 ~ 134 135 ~ 138
0, 0, 0, 0 73, 69, 78, 68
0 IEND

0 字节 IEND 图片结束数据块,是关键数据块。

数据信息 7 IEND

无。

结束信息 7

139 ~ 142
174, 66, 96, 130

比对 CRC32。

整张图片解码完成,最终的 ImageData 对象是:

ImageData

imageData = {
  width: 2,
  height: 2,
  data: [255, 0, 0, 255, 0, 255, 0, 255, 0, 0, 255, 255, 255, 255, 255, 127],
};

总结

我们成功解码了一张简单的 PNG 图片,但其中,我简化了很多细节:

  • IDAT 数据可以被分开放在多个数据块中。所以我们需要先收集到所有 IDAT 数据块,再对其解码。
  • 一共有 4 种关键数据块和 14 种辅助数据块。可以参考 PNG 规范中的标准数据块摘要
  • 交错型的 PNG 图片可以让 PNG 展示地更快,但是会让 IDAT 数据变大。

你可以在 GitHub 看到实现了以上功能的源码。

参考资料

2 回复

写的很详细,支持,如果有更复杂的例子就好了

回到顶部