图片 - Images
Images
Stability: 2 - Stable
images模块提供了一些手机设备中常见的图片处理函数，包括截图、读写图片、图片剪裁、旋转、二值化、找色找图等。
该模块分为两个部分，找图找色部分和图片处理部分。
需要注意的是，image对象创建后尽量在不使用时进行回收，同时避免循环创建大量图片。因为图片是一种占用内存比较大的资源，尽管Auto.js通过各种方式（比如图片缓存机制、垃圾回收时回收图片、脚本结束时回收所有图片）尽量降低图片资源的泄漏和内存占用，但是糟糕的代码仍然可以占用大量内存。
Image对象通过调用recycle()函数来回收。例如：
// 读取图片
var img = images.read("./1.png");
//对图片进行操作
...
// 回收图片
img.recycle();
例外的是，caputerScreen()返回的图片不需要回收。
图片处理
images.read(path)
path {string} 图片路径
读取在路径path的图片文件并返回一个Image对象。如果文件不存在或者文件无法解码则返回null。
images.load(url)
url {string} 图片URL地址
加载在地址URL的网络图片并返回一个Image对象。如果地址不存在或者图片无法解码则返回null。
images.copy(img)
img {Image} 图片
返回 {Image}
复制一张图片并返回新的副本。该函数会完全复制img对象的数据。
images.save(image, path[, format = “png”, quality = 100])
image {Image} 图片
path {string} 路径
format {string} 图片格式，可选的值为:
png
jpeg/jpg
webp
quality {number} 图片质量，为0~100的整数值
把图片image以PNG格式保存到path中。如果文件不存在会被创建；文件存在会被覆盖。
//把图片压缩为原来的一半质量并保存
var img = images.read("/sdcard/1.png");
images.save(img, "/sdcard/1.jpg", "jpg", 50);
app.viewFile("/sdcard/1.jpg");
media.scanFile("/sdcard/1.jpg"); //刷新图库
以下非官方例子
//下载图片
let res =http.get("http://imgsrc.baidu.com/forum/w%3D580/sign=5339d407ab8b87d65042ab1737082860/ffef9a44ebf81a4cb12a8affdd2a6059242da6cd.jpg")
if (res.statusCode == 200) {
let img = images.fromBytes(res.body.bytes());
img = images.resize(img, [500, 600]);
log(img);
var s=images.save(img, "/sdcard/DCIM/Camera/IMG_20200121_99999.jpg", "jpg", 50);
media.scanFile("/sdcard/DCIM/Camera/IMG_20200121_99999.jpg"); //刷新图片文件
log(s);
toast("下载成功");
}
images.fromBase64(base64)
base64 {string} 图片的Base64数据
返回 {Image}
解码Base64数据并返回解码后的图片Image对象。如果base64无法解码则返回null。
images.toBase64(img[, format = “png”, quality = 100])
image {image} 图片
format {string} 图片格式，可选的值为:
png
jpeg/jpg
webp
quality {number} 图片质量，为0~100的整数值
返回 {string}
把图片编码为base64数据并返回。
联众识别2.0接口调用示例:
let src = captureScreen(), clip; //截图
// 红米7a 滑块区域的两种图片
if (findNode("text", "请进行安全验证")) {
clip = images.clip(src, 104, 538, 512, 256);
} else if (findNode("text", "请拖动下方滑块完成拼图")) {
clip = images.clip(src, 67, 482, 585, 329);
}
let result = getCode(clip);
log(result)
// { code: '-1', msg: '网络链接超时...', data: {} }
// { code: 0, msg: '', data: { recognition: '1' } }
// { code: 0, msg: '', data: { recognition: '354,205' } } 识别成功
// 联众接入技术 10:11:53
// 如果平台压缩了客户上传图像展示的话 返还结果是 是储存结果乘以压缩比例
// 平台后台上,识别结果显示的 是储存图像的坐标值
// 以程序返还坐标值为准 那个是以客户原图返回的坐标
function getCode(img) {
http.__okhttp__.setTimeout(3e4);
var imgData = images.toBase64(img, format = "png"), i = device.release, c = device.model, s = device.buildId;
try {
var json = http.postJson("https://v2-api.jsdama.com/upload", {
softwareId: softwareId,
softwareSecret: softwareSecret,
username: username,
password: password,
captchaData: imgData,
captchaType: captchaType,
captchaMinLength: 1,
captchaMaxLength: 1,
workerTipsId: 0
}, {
headers: {
"User-Agent": "Mozilla/5.0 (Linux; Android " + i + "; " + c + " Build/" + s + "; wv) AppleWebKit/537.36 (KHTML, like Gecko) Version/4.0 Chrome/66.0.3359.126 Mobile Safari/537.36",
}
});
} catch (e) {
return {
code: "-1",
msg: "网络链接超时...",
data: {}
};
}
var html = json.body.json(), code = html.code, message = html.message;
if (code == "0") {
// log(html.data.recognition)
// { data: { recognition: '296,192', captchaId: '20190903:000000000033308132201' }, message: '', code: 0 }
return {
code: code,
msg: message,
data: {
recognition: html.data.recognition
}
};
} else if (code == "10079009" || code == "10142006" || code == "10142004" || code == "10142005" || code == "10079006") {
return {
code: code,
msg: message,
data: {}
};
} else {
log("其他识别结果", code)
};
return html;
}
images.fromBytes(bytes)
bytes {byte[]} 字节数组
解码字节数组bytes并返回解码后的图片Image对象。如果bytes无法解码则返回null。
images.toBytes(img[, format = “png”, quality = 100])
image {image} 图片
format {string} 图片格式，可选的值为:
png
jpeg/jpg
webp
quality {number} 图片质量，为0~100的整数值
返回 {byte[]}
把图片编码为字节数组并返回。
images.clip(img, x, y, w, h)
img {Image} 图片
x {number} 剪切区域的左上角横坐标
y {number} 剪切区域的左上角纵坐标
w {number} 剪切区域的宽度
h {number} 剪切区域的高度
返回 {Image}
从图片img的位置(x, y)处剪切大小为w * h的区域，并返回该剪切区域的新图片。
var src = images.read("/sdcard/1.png");
var clip = images.clip(src, 100, 100, 400, 400);
images.save(clip, "/sdcard/clip.png");
images.resize(img, size[, interpolation])
[v4.1.0新增]
img {Image} 图片
size {Array} 两个元素的数组[w, h]，分别表示宽度和高度；如果只有一个元素，则宽度和高度相等
interpolation {string} 插值方法，可选，默认为"LINEAR"（线性插值），可选的值有：
NEAREST 最近邻插值
LINEAR 线性插值（默认）
AREA 区域插值
CUBIC 三次样条插值
LANCZOS4 Lanczos插值 参见InterpolationFlags
返回 {Image}
调整图片大小，并返回调整后的图片。例如把图片放缩为200*300：images.resize(img, [200, 300])。
参见Imgproc.resize。
images.scale(img, fx, fy[, interpolation])
[v4.1.0新增]
img {Image} 图片
fx {number} 宽度放缩倍数
fy {number} 高度放缩倍数
interpolation {string} 插值方法，可选，默认为"LINEAR"（线性插值），可选的值有：
NEAREST 最近邻插值
LINEAR 线性插值（默认）
AREA 区域插值
CUBIC 三次样条插值
LANCZOS4 Lanczos插值 参见InterpolationFlags
返回 {Image}
放缩图片，并返回放缩后的图片。例如把图片变成原来的一半：
images.scale(img, 0.5, 0.5)。
参见Imgproc.resize。
images.rotate(img, degress[, x, y])
[v4.1.0新增]
img {Image} 图片
degress {number} 旋转角度。
x {number} 旋转中心x坐标，默认为图片中点
y {number} 旋转中心y坐标，默认为图片中点
返回 {Image}
将图片逆时针旋转degress度，返回旋转后的图片对象。
例如逆时针旋转90度为
images.rotate(img, 90)
images.concat(img1, image2[, direction])
[v4.1.0新增]
img1 {Image} 图片1
img2 {Image} 图片2
direction {string} 连接方向，默认为"RIGHT"，可选的值有：
LEFT 将图片2接到图片1左边
RIGHT 将图片2接到图片1右边
TOP 将图片2接到图片1上边
BOTTOM 将图片2接到图片1下边
返回 {Image}
连接两张图片，并返回连接后的图像。如果两张图片大小不一致，小的那张将适当居中。
images.grayscale(img)
[v4.1.0新增]
img {Image} 图片
返回 {Image}
灰度化图片，并返回灰度化后的图片。
image.threshold(img, threshold, maxVal[, type])
[v4.1.0新增]
img {Image} 图片
threshold {number} 阈值
maxVal {number} 最大值
type {string} 阈值化类型，默认为"BINARY"，参见ThresholdTypes, 可选的值:
BINARY
BINARY_INV
TRUNC
TOZERO
TOZERO_INV
OTSU
TRIANGLE
返回 {Image}
将图片阈值化，并返回处理后的图像。可以用这个函数进行图片二值化。例如：images.threshold(img, 100, 255, “BINARY”)，这个代码将图片中大于100的值全部变成255，其余变成0，从而达到二值化的效果。
如果img是一张灰度化图片，这个代码将会得到一张黑白图片。
可以参考有关博客（比如threshold函数的使用）或者OpenCV文档threshold。
images.adaptiveThreshold(img, maxValue, adaptiveMethod, thresholdType, blockSize, C)
[v4.1.0新增]
img {Image} 图片
maxValue {number} 最大值
adaptiveMethod {string} 在一个邻域内计算阈值所采用的算法，可选的值有：
MEAN_C 计算出领域的平均值再减去参数C的值
GAUSSIAN_C 计算出领域的高斯均值再减去参数C的值
thresholdType {string} 阈值化类型，可选的值有：
BINARY
BINARY_INV
blockSize {number} 邻域块大小
C {number} 偏移值调整量
返回 {Image}
对图片进行自适应阈值化处理，并返回处理后的图像。
可以参考有关博客（比如threshold与adaptiveThreshold）或者OpenCV文档adaptiveThreshold。
images.cvtColor(img, code[, dstCn])
[v4.1.0新增]
img {Image} 图片
code {string} 颜色空间转换的类型，可选的值有一共有205个（参见ColorConversionCodes），这里只列出几个：
BGR2GRAY BGR转换为灰度
BGR2HSV BGR转换为HSV
dstCn {number} 目标图像的颜色通道数量，如果不填写则根据其他参数自动决定。
返回 {Image}
对图像进行颜色空间转换，并返回转换后的图像。
可以参考有关博客（比如颜色空间转换）或者OpenCV文档cvtColor。
images.inRange(img, lowerBound, upperBound)
[v4.1.0新增]
img {Image} 图片
lowerBound {string} | {number} 颜色下界
upperBound {string} | {number} 颜色下界
返回 {Image}
将图片二值化，在lowerBound~upperBound范围以外的颜色都变成0，在范围以内的颜色都变成255。
例如images.inRange(img, “#000000”, “#222222”)。
images.interval(img, color, interval)
[v4.1.0新增]
img {Image} 图片
color {string} | {number} 颜色值
interval {number} 每个通道的范围间隔
返回 {Image}
将图片二值化，在color-interval ~ color+interval范围以外的颜色都变成0，在范围以内的颜色都变成255。这里对color的加减是对每个通道而言的。
例如images.interval(img, “#888888”, 16)，每个通道的颜色值均为0x88，加减16后的范围是[0x78, 0x98]，因此这个代码将把#787878~#989898的颜色变成#FFFFFF，而把这个范围以外的变成#000000。
images.blur(img, size[, anchor, type])
[v4.1.0新增]
img {Image} 图片
size {Array} 定义滤波器的大小，如[3, 3]
anchor {Array} 指定锚点位置(被平滑点)，默认为图像中心
type {string} 推断边缘像素类型，默认为"DEFAULT"，可选的值有：
CONSTANT iiiiii|abcdefgh|iiiiiii with some specified i
REPLICATE aaaaaa|abcdefgh|hhhhhhh
REFLECT fedcba|abcdefgh|hgfedcb
WRAP cdefgh|abcdefgh|abcdefg
REFLECT_101 gfedcb|abcdefgh|gfedcba
TRANSPARENT uvwxyz|abcdefgh|ijklmno
REFLECT101 same as BORDER_REFLECT_101
DEFAULT same as BORDER_REFLECT_101
ISOLATED do not look outside of ROI
返回 {Image}
对图像进行模糊（平滑处理），返回处理后的图像。
可以参考有关博客（比如实现图像平滑处理）或者OpenCV文档blur。
images.medianBlur(img, size)
[v4.1.0新增]
img {Image} 图片
size {Array} 定义滤波器的大小，如[3, 3]
返回 {Image}
对图像进行中值滤波，返回处理后的图像。
可以参考有关博客（比如实现图像平滑处理）或者OpenCV文档blur。
images.gaussianBlur(img, size[, sigmaX, sigmaY, type])
[v4.1.0新增]
img {Image} 图片
size {Array} 定义滤波器的大小，如[3, 3]
sigmaX {number} x方向的标准方差，不填写则自动计算
sigmaY {number} y方向的标准方差，不填写则自动计算
type {string} 推断边缘像素类型，默认为"DEFAULT"，参见images.blur
返回 {Image}
对图像进行高斯模糊，返回处理后的图像。
可以参考有关博客（比如实现图像平滑处理）或者OpenCV文档GaussianBlur。
images.matToImage(mat)
[v4.1.0新增]
mat {Mat} OpenCV的Mat对象
返回 {Image}
把Mat对象转换为Image对象。