原生微信小程序 如何将多张图片通过canvas生成一张图片

1.data中定义图片数组,存放多张图片,

src: [
      { name: 'bg', val: 'https://xxxxxxxxx' },
      { name: 'head', val: 'https://xxxxxxxxx' },
    ],

2.通过api获取图片的临时路径

async loadImage() {
    const list = []
    for (let i = 0; i < this.data.src.length; i++) {
      const res = await wx.getImageInfo({ src: this.data.src[i].val })
      list.push({ name: this.data.src[i].name, val: res.path })
    }
    return list
  },

3.获取到临时路径后开始绘制canvas,此处为了将背景图 跟 头像得宽高区分开来,所以我设置了name来区分,到时候可以根据自己的需求去改动,我这里图片的宽度是按照设备的宽度来的,可自行修改。

ctx.draw 方法就是最后一步,绘制完后页面会生成图片并返回临时路径,最后通过saveImagetoPhotosAlbum 就可以保存到相册了~~~~~

async draw(list) {
    const ctx = wx.createCanvasContext('canvas')
    list.map((item) => {
      if (item.name == 'bg') {
        ctx.drawImage(
          this.data.src[0].val,
          0,
          0,
          this.data.info.screenWidth,
          700
        )
      } else {
        ctx.drawImage(this.data.src[1].val, 0, 0, 100, 100)
      }
    })
    ctx.draw(false, () => {
      wx.canvasToTempFilePath({
        canvasId: 'canvas',
      }).then((res) => {
        wx.saveImageToPhotosAlbum({
          filePath: res.tempFilePath,
          success: function (res) {
            console.log(res)
          },
        })
      })
    })
  },

4.最后贴一下wxml代码 ,示例代码中得路径是写死的,记得修改,去渲染data中定义得路径~~,

基本上复制粘贴就可以运行了,更多canvas API可以去看官方文档~~

<view class="content">
  <image src="https://xxxxx" mode="widthFix" class="bg" />
  <image src="https:/xxxxxx" class="qrCode" />
  <canvas canvas-id="canvas" class="roate-img" class="canvas"></canvas>

  <view class="share-btn" bindtap="submit">

  </view>
</view>

### 如何在 Windows 操作系统上本地部署 DeepSeek 为了在 Windows 上成功部署 DeepSeek,需遵循一系列具体操作流程。首先,确保环境准备充分,包括必要的软件和库安装。 #### 准备工作 - **Git 工具**:用于克隆项目仓库。可以通过访问 Git 的官方网站下载适合 Windows 版本的客户端[^2]。 - **Python 环境**:建议使用 Python 3.x 及以上版本,并推荐通过 Anaconda 来管理虚拟环境以及所需的包依赖关系。 - **其他依赖项**:依据项目的 `requirements.txt` 文件来安装额外所需库;通常会涉及到 TensorFlow 或 PyTorch 这样的机器学习框架以及其他辅助工具。 #### 获取源码 执行命令行指令获取最新版 DeepSeek 库: ```bash git clone https://github.com/deepseek-ai/DeepSeek-V2.git cd DeepSeek-V2 ``` 此过程将从 GitHub 下载最新的 DeepSeek V2 代码到本地计算机中。 #### 安装依赖 进入刚刚创建的工作目录后,按照提示设置合适的 Python 虚拟环境并激活它。接着可以运行如下 pip 命令来自动解析并安装所有必需的第三方模块: ```bash pip install -r requirements.txt ``` #### 启动应用 完成上述准备工作之后,可以根据实际情况修改配置文件中的参数设定(比如端口号、日志级别等),最后启动应用程序即可体验 DeepSeek 提供的各项功能和服务。 对于更详细的说明和其他高级选项,则应查阅官方提供的文档资源以获得最权威的帮助和支持信息[^1]。 更多关于常见问题及其解决方案可以在 FAQ 中找到,例如处理模型加载失败的情况或是解决性能方面的问题等等[^4]。
评论 1
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