一步一步解码 PNG 图片 - CNode技术社区

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

👆 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。👇

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：

	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-zip，zlib，gzip 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`	米

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

行	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	无	保留原始数据
1	减	减去 A
2	上	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

行	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

fuxingZhang 1楼•5 年前

👍

steambap 2楼•5 年前

写的很详细，支持，如果有更复杂的例子就好了

示例图片

二进制数据

PNG 文件签名

数据块

开始信息 1

数据信息 1 IHDR

结束信息 1

开始信息 2

数据信息 2 sRGB

结束信息 2

开始信息 3

数据信息 3 pHYs

结束信息 3

开始信息 4

数据信息 4 PLTE

色板

结束信息 4

开始信息 5

数据信息 5 tRNS

色板

结束信息 5

开始信息 6

数据信息 6 IDAT

扫描线 Scanline

色彩类型 - 色彩通道 - 通道深度 - 每像素位数

解码扫描线

过滤函数

扫描线像素

图片像素

结束信息 6

开始信息 7

数据信息 7 IEND

结束信息 7

ImageData

总结

参考资料

数据信息 1 `IHDR`

数据信息 2 `sRGB`

数据信息 3 `pHYs`

数据信息 4 `PLTE`

数据信息 5 `tRNS`

数据信息 6 `IDAT`

数据信息 7 `IEND`