解码 PNG 图片

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

 

:point_up_2: 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。:point_down:

 

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 种过滤函数。
• 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。

 

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 压缩算法压缩。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。
• 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。