前言

WebAssembly 出来已经很久了，但是一直都没有实践过，实在是不应该，所以就趁这次国庆假期浅学一下吧。毛主席说过，“实践是检验真理的唯一标准”，所以我们今天就实现一个“视频实时滤镜效果”的功能。可直接看代码。

基本原理介绍

视频处理

我们知道，视频其实是由一幅幅的图像组成的，每一幅图像称为一“帧”。所以，我们可以通过 canvas 来获取视频的图像数据，对图像数据进行处理完后再绘制到 canvas 上去，然后通过 requestAnimationFrame 让图像动起来，代码大致如下：

function draw() {...// 将当前视频播放的“帧”绘制到 canvas 上面context2D.drawImage(video,0,0,video.videoWidth,video.videoHeight,0,0,canvas.width,canvas.height)// 得到图像数据const pixels = context2D.getImageData(0, 0, canvas.width, canvas.height)// 处理const newData = filter(...)// 修改 canvas 上的内容pixels.data.set(newData)context2D.putImageData(pixels, 0, 0)...requestAnimationFrame(draw)
}

帧率

为了衡量我们的滤镜算法效率，我们需要计算图像的帧率（FPS），大致思想是先取最近 20 次 draw 函数的平均执行时间，然后用其除 1000：

function draw() {const timeStart = performance.now()...let timeUsed = performance.now() - timeStartarr.push(timeUsed)calcFPS(arr)requestAnimationFrame(draw)

}

function calcFPS(arr: number[]) {const n = 20if (arr.length > n) {arr.shift()} else {return NaN}let averageTime =arr.reduce((pre, item) => {return pre + item}, 0) / nreturn 1000 / averageTime
}

滤镜算法

本文采用图像处理技术中常用的卷积操作来对图像添加滤镜，卷积操作中需要使用“卷积核”，比如下面这个卷积核可以对图像起到锐化的效果：

[[-1, -1, -1],[-1, 9, -1],[-1, -1, -1],
]

理解了卷积操作的含义后，实现一个卷积算法：

function filterByJS( data: Uint8ClampedArray,width: number,height: number,kernel: number[][] ) {const h = kernel.length,w = hconst half = Math.floor(h / 2)for (let y = half; y < height - half; ++y) {for (let x = half; x < width - half; ++x) {const px = (y * width + x) * 4let r = 0,g = 0,b = 0for (let cy = 0; cy < h; ++cy) {for (let cx = 0; cx < w; ++cx) {const cpx = ((y + (cy - half)) * width + (x + (cx - half))) * 4r += data[cpx + 0] * kernel[cy][cx]g += data[cpx + 1] * kernel[cy][cx]b += data[cpx + 2] * kernel[cy][cx]}}data[px + 0] = r > 255 ? 255 : r < 0 ? 0 : rdata[px + 1] = g > 255 ? 255 : g < 0 ? 0 : gdata[px + 2] = b > 255 ? 255 : b < 0 ? 0 : b}}return data
}

有了上面的知识做铺垫后，我们就可以实现一个 JS 版本的滤镜功能了：

不过接下来才是我们的重点，实现一个 WebAssembly 的版本。

WebAssembly 版本

首先得选一门语言，C/C++ 和 Rust 是个不错的选择，奈何臣妾实在是不会，所以只能选好学又易上手的 Golang 了。

首先，我们新建一个 Golang 项目，并添加我们的代码：

package main

import (
	"reflect"
	"syscall/js"
	"unsafe"
)

// 转换一下
func parseKernel(kernel js.Value) [3][3]int {
	var arr [3][3]int
	for i := 0; i < 3; i++ {
		for j := 0; j < 3; j++ {
			arr[i][j] = kernel.Index(i).Index(j).Int()
		}
	}
	return arr
}

// 对大于 255，小于 0 的像素值进行处理
func getVal(val int) uint8 {...
}

// 开辟一块内存空间，并返回指针给 JS 侧，JS 侧使用方式：
// const {internalPtr: ptr} = window.initShareMemory(size)
func initShareMemory(this js.Value, args []js.Value) any {
	size := args[0].Int()
	buffer := make([]uint8, size)
	boxedPtr := unsafe.Pointer(&buffer)
	boxedPtrMap := map[string]interface{}{
		"internalptr": boxedPtr,
	}
	return js.ValueOf(boxedPtrMap)
}

// 滤镜算法，JS 侧使用方式：
// window.filterByGO(ptr, canvas.width, canvas.height, kernel)
func filterByGO(this js.Value, args []js.Value) any {
	width := args[1].Int()
	height := args[2].Int()
	size := width * height * 4
	sliceHeader := &reflect.SliceHeader{
		Data: uintptr(args[0].Int()),
		Len:size,
		Cap:size,
	}

	ptr := (*[]uint8)(unsafe.Pointer(sliceHeader))
	kernel := parseKernel(args[3])

	w := len(kernel)
	half := w / 2
	for y := half; y < height-half; y++ {
		for x := half; x < width-half; x++ {
			px := (y*width + x) * 4
			r := 0
			g := 0
			b := 0

			for cy := 0; cy < w; cy++ {
				for cx := 0; cx < w; cx++ {
					cpx := ((y+(cy-half))*width + (x + (cx - half))) * 4
					r += int((*ptr)[cpx+0]) * kernel[cy][cx]
					g += int((*ptr)[cpx+1]) * kernel[cy][cx]
					b += int((*ptr)[cpx+2]) * kernel[cy][cx]
				}
			}
			(*ptr)[px+0] = getVal(r)
			(*ptr)[px+1] = getVal(g)
			(*ptr)[px+2] = getVal(b)
		}
	}
	return nil
}

func main() {
	quit := make(chan interface{})
	js.Global().Set("filterByGO", js.FuncOf(filterByGO))
	js.Global().Set("initShareMemory", js.FuncOf(initShareMemory))
	<-quit
}

Golang 部分提供了两个方法供 JS 调用，为了避免修改图像数据的时候 JS 每次都向 Golang 拷贝数据，我们这里采用共享内存的方式来传递数据，实现方法如 initShareMemory 所示。而 filterByGO 是我们的滤镜算法，其代码跟之前介绍的 JS 版类似。

然后 JS 侧就可以按照如下方式来使用：

WebAssembly.instantiateStreaming(fetch('/main.wasm'), go.importObject).then((result) => {const goInstance = result.instancego.run(goInstance)const size = canvas.height * canvas.width * 4// 得到内存的指针const {internalptr: ptr} = window.initShareMemory(size)// 通过这块内存实例化一个 Uint8ClampedArray 对象 mem，mem 和 ptr 都指向这一块内存const mem = new Uint8ClampedArray(goInstance.exports.mem.buffer, ptr, size)// 将图像数据赋值给共享的内存mem.set(pixels.data)// 对图像进行滤镜window.filterByGO(ptr, width, height, kernel)}
)

好了，一切就绪后，我们调试一下，结果报错了：