使用node對圖像進行壓縮,我選用的是resize-optimize-images,能知道這個包還是非常巧合,網(wǎng)上的博客,適合node圖片壓縮的包有兩個: gm和images, images在win10中有很大的兼容性問題,而gm在electron中編譯一直失敗. 所以我在github上以images和resize為關(guān)鍵字,搜索結(jié)果中排名前三十的包全部試用了一遍,大部分在electron都存在問題,node-OpenCV是一個萬能的圖形庫, 但是十分臃腫, 正當(dāng)我準(zhǔn)備手?jǐn)]插值壓縮算法的時候,忽然發(fā)現(xiàn)了resize-optimize-images這個包非常小巧,而且正好能夠滿足要求

壓縮的基本思路是在圖片中找到相對比較短的邊, 以他為基準(zhǔn)壓縮到一個比較小的比例(如640*480),然后將原始圖片復(fù)制出來,再將壓縮后的圖片寫進去即可. 圖像的大小最終取決于三個因素:圖片像素、編碼質(zhì)量和位深度，圖形像素在執(zhí)行完這條個函數(shù)之后就達(dá)到一個比較小的范圍了，一般不會超過100k，而編碼質(zhì)量是一種類似于PS中表面模糊的效果，使用的是插值算法，一般編程80-90區(qū)間內(nèi)可以對圖像進行進一步的壓縮，但是不建議壓的太多，會失真。真彩色的位深度一般是四個字節(jié)

    const fs = require('fs'); 
    const getPixels = require("get-pixels") // 這是一個獲取圖片像素的node包
    const resizeOptimizeImages = require('resize-optimize-images');

    getPixels(fileAbPath, function (err, pixels) {
        if (err) {
            return
        }
        let compressRio = 0.9;
        let [imageWidth, imageHeight] = pixels.shape
         //找到比較小的邊
        let loopVar = imageWidth > imageHeight ? imageHeight : imageWidth;
        while (loopVar >= 480) {
            loopVar = loopVar * compressRio;
            imageWidth = imageWidth * compressRio;
            imageHeight = imageHeight * compressRio;
        }
        imageWidth = Math.floor(imageWidth)
        imageHeight = Math.floor(imageHeight)
        const content = pixels.data
        fs.writeFile(outPath, content, async function (err) {
            const options = {
                images: [outPath],
                width: imageWidth,
                height: imageHeight,
                quality: 85
            };
            // 執(zhí)行壓縮.
            await resizeOptimizeImages(options);
        });
    })