多文件压缩上传,本地预览 canvas

本文介绍了一种使用HTML5 Canvas进行图片压缩的方法。通过将图片绘制到Canvas上并利用toDataURL方法,可以有效地减小图片文件的大小。适用于前端开发中图片上传前的预处理。

先看一个小小的视图:

这里写图片描述 这里写图片描述

思路:canvas压缩

将图片样式抽象显示在 canvas上,然后通过 canvas.toDataURL方法得到base64字符串来实现压缩。

<form>
        <p class="updataImg">
            <span>上传图片:</span>
            <!-- onchange="handleFiles(this)" -->
            <input type="file" id="fileElem" multiple  accept="image/*"  capture="camera">  
        </p>  
        <div class="countBox">
            <span>已成功上传:</span>
            <span class="count">0</span>
            <span>张图片</span>
        </div>
        <div id="fileList"></div>
        <input type="button" value="提交">
   </form>
   <div class="mengban">
       <div>
           <p>提示</p>
           <p>抱歉,只允许上传5张图片</p>
       </div>
   </div>
var fileInput = document.getElementById('fileElem');
var fileList = $("#fileList");
var count = 0;
function convertImgToBase64(url, callback, outputFormat){ 
        var size = fileInput.files[0].size;     //获取图片大小
        var cutRate = 1;
        if( size > 300*1024){   //判断图片大小大于300K,压缩;否则不压缩
            cutRate = size/(300*1024);
        }
        var canvas = document.createElement('CANVAS'); 
            var ctx = canvas.getContext('2d'); 
            var img = new Image; 
            img.crossOrigin = 'Anonymous'; 
            img.onload = function(){
                var width = img.width;
                var height = img.height;
                // 按比例压缩4倍
                var rate = (width<height ? width/height : height/width) / cutRate;
                    canvas.width = width*rate; 
                    canvas.height = height*rate; 
                    ctx.drawImage(img,0,0,width,height,0,0,width*rate,height*rate); 
                var dataURL = canvas.toDataURL(outputFormat || 'image/png'); 
                    callback.call(this, dataURL); 
                    canvas = null; 
            };
            img.src = url; 
      }
function getObjectURL(file) {
    var url = null ; 
    if (window.createObjectURL!=undefined) {  // basic
        url = window.createObjectURL(file) ;
    } else if (window.URL!=undefined) {       // mozilla(firefox)
        url = window.URL.createObjectURL(file) ;
    } else if (window.webkitURL!=undefined) { // web_kit or chrome
        url = window.webkitURL.createObjectURL(file) ;
    }
    return url ;
}
//上传图片
$('#fileElem').bind('change',function(event){
    var image = new Image();
    var imageUrl = getObjectURL($(this)[0].files[0]);
    convertImgToBase64(imageUrl, function(base64Img){
        // base64Img为转好的base64,放在img src直接前台展示(<img src="https://img-blog.csdnimg.cn/2022010611241234619.jpg" />)
        // base64转图片不需要base64的前缀data:image/jpg;base64          console.log(base64Img.split(",")[1]);   
        if( count < 5){
            image.src = base64Img; //创建一个object URL,并不是你的本地路径
            image.width = 100;
            image.height = 100;
            fileList.append(image); 
                $('.count').text(count+1);
            }else{
                $('.mengban').show();
                setTimeout(function(){
                    $('.mengban').hide();
                },2000);
            }
            count++;
    });
    event.preventDefault(); 
}); 

不压缩的本地预览:

window.URL = window.URL || window.webkitURL;
var fileElem = $("#fileElem"),
    fileList = $("#fileList"),
    count = 0;
        function handleFiles(obj) {
            var files = obj.files,
                img = new Image();
            if(window.URL){
                //File API
                img.src = window.URL.createObjectURL(files[0]); //创建一个object URL,并不是你的本地路径
                img.width = 100;
                img.height = 100;
                img.onload = function(e) {
                    window.URL.revokeObjectURL(this.src); //图片加载后,释放object URL
                }
                if( count < 5){
                    fileList.append(img); 
                    $('.count').text(count+1);
                }else{
                    $('.mengban').show();
                    setTimeout(function(){
                        $('.mengban').hide();
                    },2000);
                }
                count++;
            }   
        }
数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种环境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值