一、NodeCanvas暂停

NodeCanvas是一个基于node.js的canvas库，可以使用JavaScript生成图形，支持多种绘图操作，像素操作，图像滤镜，字体处理，图像剪裁，图像合成，PDF输出等等功能。NodeCanvas提供了一种灵活的方式将canvas应用于服务器端。然而，由于NodeCanvas是一个基于C++实现的插件，会存在部分API产生内存泄漏等问题。目前，NodeCanvas已经停止继续开发了。但是，有些互联网公司出于自身业务问题，仍在使用NodeCanvas。而开发者们仍可以自行按照NodeCanvas实现原理，学习学习底层实现的方法。

二、NodeCanvasAPI

NodeCanvas提供了一套基本的API来操作canvas。这些API大部分类似都是直接使用纯JavaScript调用，极其灵活。如果你曾经使用过前端HTML5中的canvas，那么使用NodeCanvas去写服务器端绘图代码将会变得非常简单。以下是一些NodeCanvas常用的API：

// 创建一个新的canvas对象
const { createCanvas } = require('canvas');
const canvas = createCanvas(200, 200);
// 通过绘制矩形来填充一个区域的颜色
const ctx = canvas.getContext('2d');
ctx.fillRect(0, 0, 100, 200);
// 向canvas中渲染text
ctx.font = '30px Impact';
ctx.rotate(0.1);
ctx.fillText('Hello World!', 50, 100);
// 创建一个png编码的Buffer，将图像写入到文件中的方法
const fs = require('fs');
const out = fs.createWriteStream(__dirname + '/text.png');
const stream = canvas.createPNGStream();
stream.pipe(out);
out.on('finish', () => console.log('The PNG file was created.'));

三、NodeCanvas实战案例

1. 生成二维码图片

使用NodeCanvas，可以很容易地生成二维码图片。

const { createCanvas } = require('canvas');
const QRCode = require('qrcode');
const canvas = createCanvas(200, 200);
const ctx = canvas.getContext('2d');
QRCode.toCanvas(canvas, 'https://www.example.com', (error) => {
  if (error) {
    console.error(error)
    return
  }
  console.log('success!');
});
console.log('');

2. 智能图像识别

使用NodeCanvas可以使用机器学习AI技术，帮助我们实现智能图像识别功能。下面通过一个实例代码来了解这个过程：

// 使用tensorflow.js库来对图像进行classification
const sharp = require('sharp');
const tf = require('@tensorflow/tfjs');
const { createCanvas, Image } = require('canvas');
// 将图像加载到一个ImageData对象中
sharp('image.jpg')
  .resize(224, 224)
  .toBuffer()
  .then(data => {
    const img = new Image();
    img.onload = async () => {
      // 将图像转换为Tensor并进行预测
      const tensor = tf.browser.fromPixels(img).expandDims();
      const predictions = await model.predict(tensor).data();
      // 按照顺序选择最大预测概率
      const classes = ['cat', 'dog', 'bird'];
      const res = Array.from(predictions)
                       .map((p, i) => ({ probability: p, className: classes[i] }))
                       .sort((a, b) => b.probability - a.probability)
                       .slice(0, 2);
      console.log(res); // 输出最大概率的两个类别
    };
    img.onerror = err => { throw err; };
    img.src = data;
  });

3. 手写数字识别

// 使用TensorFlow.js进行手写数字识别
const fs = require('fs');
const { createCanvas, Image } = require('canvas');
const tf = require('@tensorflow/tfjs');
(async () => {
  const model = await tf.loadLayersModel('file://path/to/model.json');
  const canvas = createCanvas(28, 28);
  const input = tf.browser.fromPixels(canvas).reshape([784]);
  // 绘制手写数字
  const ctx = canvas.getContext('2d');
  ctx.strokeStyle = '#fff';
  ctx.lineWidth = 3;
  ctx.strokeRect(0, 0, 28, 28);
ctx.lineWidth = 1;
  const _onmousedown = (e) => {
    ctx.beginPath();
    ctx.moveTo(e.offsetX, e.offsetY);
    canvas.addEventListener('mousemove', _onmousemove);
  };
  const _onmousemove = (e) => {
    ctx.lineTo(e.offsetX, e.offsetY);
    ctx.stroke();
  };
  const _onmouseup = (e) => {
    canvas.removeEventListener('mousemove', _onmousemove);
    // 将手写数字转换为Tensor并进行预测
    const input = tf.browser.fromPixels(canvas).reshape([784]);
    const output = model.predict(input.expandDims(0));
    const prediction = Array.from(await output.data());
    console.log(prediction.indexOf(Math.max(...prediction))); // 输出预测结果
  };
  canvas.addEventListener('mousedown', _onmousedown);
  canvas.addEventListener('mouseup', _onmouseup);
})();

总结

NodeCanvas虽然已经停止维护，但是，对于有其他业务需求的开发者来说，使用NodeCanvas仍是一个不错的选择。只要我们按照其API进行操作，就可以轻松地实现服务器端的图像处理，甚至是AI其他相关功能。

深入了解node-canvas