sharp 是 Node.js 平台上相当热门的一个图像处理库，其实际上是基于 C 语言编写 的 libvips 库封装而来，因此高性能也成了 sharp 的一大卖点。sharp 可以方便地实现常见的图片编辑操作，如裁剪、格式转换、旋转变换、滤镜添加等。当然，网络上相关的文章比较多，sharp 的官方文档也比较详细，所以这不是本文的重点。这里主要是想记录一下我在使用 sharp 过程中遇到的一些稍复杂的图片处理需求的解决方案，希望分享出来能够对大家有所帮助。

sharp 基础

sharp 整体采用流式处理模式，其在读入图像数据后经过一系列的处理加工然后输出结果。我们看一个简单的示例就能理解：

const sharp = require('sharp');
sharp('input.jpg').rotate().resize(200).toBuffer().then( data => ... ).catch( err => ... );
复制代码

sharp 几乎所有的函数接口都挂载在 Sharp 实例上，因此图像处理的第一步操作一定是读入图片数据（sharp 函数接受图片本地路径或者图片 Buffer 数据作为参数）并将其转换为 Sharp 实例，然后才是如流水线一般的加工。因此，这里应该提供一个预处理函数，将服务端接收到的图片转换为 Sharp 实例：

/**
*
* @param  { String | Buffer } inputImg 图片本地路径或图片 Buffer 数据
* @return { Sharp }
*/
async convert2Sharp(inputImg) {return sharp(inputImg)
}
复制代码

然后就可以进行具体的图像处理。

添加水印

后端实现

添加水印功能应该算是比较常见的图片处理需求了。sharp 在图像合成方面只提供了一个函数：overlayWith，其接受一个图片参数（同样是图片本地路径字符串或者图片 Buffer 数据）以及一个可选的 options 配置对象（可配置水印图片的位置等信息）然后将该图片覆盖到原图上。逻辑上也比较简单，我们的代码如下所示：

/**
* 添加水印
* @param  { Sharp  } img 原图
* @param  { String } watermarkRaw 水印图片
* @param  { top } 水印距图片上边缘距离
* @param  { left } 水印距图片左边缘距离
*/
async watermark(img, { watermarkRaw, top, left }) {const watermarkImg = await watermarkRaw.toBuffer()return img.overlayWith(watermarkImg, { top, left })
}
复制代码

这里简单起见只支持配置水印图片的位置，sharp 还支持更复杂的配置参数比如是否重复粘贴多个水印图片、是否只在 α 信道粘贴水印图片等，具体可参见 overlayWith 的文档。

前端实现

这里还需要顺带提一下前端的实现。当然，如果服务端是按照固定规则给图片添加水印（比如新浪微博里图片水印放置在固定的位置），前端就不必做什么了。但是某些场景下（比如在线图片编辑类工具中）用户添加水印的时候会期望能够在前端获得所见即所得的体验。这个时候如果用户添加完水印并且选好位置后，必须将数据发送至服务端处理再得到处理结果，势必会影响整个服务的流畅性。幸运的是强大的 HTML5 让前端的功能越来越丰富，借助 canvas 我们就能在前端实现添加水印的功能。具体的实现细节并不难，主要就是借助了 canvas 提供的 drawImage 方法，看一下示例：

var canvas = document.getElementById("canvas");
var ctx = canvas.getContext('2d');// img: 底图
// watermarkImg: 水印图片
// x, y 是画布上放置 img 的坐标
ctx.drawImage(img, x, y);
ctx.drawImage(watermarkImg, x, y);
复制代码

实际上，整个添加水印的功能（选择原图、选择水印图片、设置水印图片位置、获得添加水印后的图片）是可以完全由前端完成的。当然，为了追求服务端功能的完整性，还是建议使用前端展示+后端处理的模式。

粘贴文字

粘贴文字的需求实际上与添加水印比较类似。唯一不同的是添加的水印图片换成了文字，以及我们可能需要对文字的大小、字体等做一些调整。思路也比较容易想到，把文字转换成图片形式即可。这里我们用到了 text-to-svg 库，作用是将文字转换成 svg。利用 svg 的特点我们可以很方便地设置文字的字体大小、颜色等。然后调用 Buffer.from 将 svg 转换为 sharp 可以使用的 buffer 数据。最后就是和上面的水印添加一样的步骤了。

const Text2SVG = require('text-to-svg')/**
* 粘贴文字
* @param  { Sharp  } img
* @param  { String } text 待粘贴文字
* @param  { Number } fontSize 文字大小
* @param  { String } color 文字颜色
* @param  { Number } left 文字距图片左边缘距离
* @param  { Number } top 文字距图片上边缘距离
*/
async pasteText(img, {text, fontSize, color, left, top,
}) {const text2SVG = Text2SVG.loadSync()const attributes = { fill: color }const options = {fontSize,anchor: 'top',attributes,}const svg = Buffer.from(text2SVG.getSVG(text, options))return img.overlayWith(svg, { left, top })
}
复制代码

拼接图片

拼接图片的操作相对来说最为复杂。这里我们提供了两个配置项：拼接模式（水平/垂直）以及背景颜色。拼接模式比较好理解，无非是水平或是垂直排列图片。背景颜色则用于填充留白处。拼接图片时，图片以根据轴线居中排列。以水平排列图片为例，示意图如下：

这里也没有 sharp 提供的现成函数，一切还是用唯一的 overlayWith 解决。overlayWith 的用法是将一张图粘贴至另一张图上，这与我们拼接图片的需求略有差异。我们需要转换一下思维：可以预先创建一张底图，背景颜色可以根据配置值确定，然后将所有待拼接图片粘贴至其上，即可满足要求。

首先我们需要读取所有待拼接图片的长与宽。假设拼接模式为水平拼接，那么最终生成的图片的宽度为所有图片宽度之和，高度则取所有图片中的最大高度（垂直拼接的话则反过来）:

let totalWidth = 0
let totalHeight = 0
let maxWidth = 0
let maxHeight = 0
const imgMetadataList = []
// 获取所有图片的宽和高，计算和及最大值
for (let i = 0, j = imgList.length; i < j; i += i) {const { width, height } = await imgList[i].metadata()imgMetadataList.push({ width, height })totalHeight += heighttotalWidth += widthmaxHeight = Math.max(maxHeight, height)maxWidth = Math.max(maxWidth, width)
}
复制代码

然后我们用得到的宽度和高度数据新建一个背景颜色为传入配置（或默认白色）的 base 图片:

const baseOpt = {width: mode === 'horizontal' ? totalWidth : maxWidth,height: mode === 'vertical' ? totalHeight : maxHeight,channels: 4,background: background || {r: 255, g: 255, b: 255, alpha: 1,},
}const base = sharp({create: baseOpt,
}).jpeg().toBuffer()
复制代码

然后在 base 图片的基础上重复调用 overlayWith 函数，将待拼接图片逐个粘贴至 base 图片上。这里需要注意的是图片的摆放位置，前面也提到过，我们会将图片根据主轴线进行居中对齐，所以每次摆放图片时都需要进行 top 和 left 的计算（一个是居中的计算，一个是随着图片摆放顺序进行偏移的计算），当然，弄明白了原理之后就是小学数学题，没有太多可讲的。另一个需要注意的则是 overlayWith 每次只能完成两张图片之间的合成，因此我们用到了 reduce 方法，持续地将图片粘贴至底图上，并将结果作为下一次的输入。

imgMetadataList.unshift({ width: 0, height: 0 })
let imgIndex = 0
const result = await imgList.reduce(async (input, overlay) => {const offsetOpt = {}if (mode === 'horizontal') {offsetOpt.left = imgMetadataList[imgIndex++].widthoffsetOpt.top = (maxHeight - imgMetadataList[imgIndex].height) / 2} else {offsetOpt.top = imgMetadataList[imgIndex++].heightoffsetOpt.left = (maxWidth - imgMetadataList[imgIndex].width) / 2}overlay = await overlay.toBuffer()return input.then(data => sharp(data).overlayWith(overlay, offsetOpt).jpeg().toBuffer())
}, base)
return result
复制代码

以下是拼接图片函数的完整实现：

/**
* 拼接图片
* @param  { Array<Sharp> } imgList
* @param  { String } mode 拼接模式：horizontal(水平)/vertical(垂直)
* @param  { Object } background 背景颜色 格式为 {r: 0-255, g: 0-255, b: 0-255, alpha: 0-1} 默认 {r: 255, g: 255, b: 255, alpha: 1}
*/
async joinImage(imgList, { mode, background }) {let totalWidth = 0let totalHeight = 0let maxWidth = 0let maxHeight = 0const imgMetadataList = []// 获取所有图片的宽和高，计算和及最大值for (let i = 0, j = imgList.length; i < j; i += i) {const { width, height } = await imgList[i].metadata()imgMetadataList.push({ width, height })totalHeight += heighttotalWidth += widthmaxHeight = Math.max(maxHeight, height)maxWidth = Math.max(maxWidth, width)}const baseOpt = {width: mode === 'horizontal' ? totalWidth : maxWidth,height: mode === 'vertical' ? totalHeight : maxHeight,channels: 4,background: background || {r: 255, g: 255, b: 255, alpha: 1,},}const base = sharp({create: baseOpt,}).jpeg().toBuffer()// 获取图片的原始尺寸用于偏移imgMetadataList.unshift({ width: 0, height: 0 })let imgIndex = 0const result = await imgList.reduce(async (input, overlay) => {const offsetOpt = {}if (mode === 'horizontal') {offsetOpt.left = imgMetadataList[imgIndex++].widthoffsetOpt.top = (maxHeight - imgMetadataList[imgIndex].height) / 2} else {offsetOpt.top = imgMetadataList[imgIndex++].heightoffsetOpt.left = (maxWidth - imgMetadataList[imgIndex].width) / 2}overlay = await overlay.toBuffer()return input.then(data => sharp(data).overlayWith(overlay, offsetOpt).jpeg().toBuffer())}, base)return result
},
复制代码

以上就是个人在使用 sharp 过程中总结的一些实用操作。实际上 sharp 还有很多高级的功能我并没有用到，正应了“二八定律”：80% 的需求常常是通过 20% 的功能完成的。sharp 更多的用法以后如果还有机会折腾，会继续跟大家分享~

本文首发于我的博客（点此查看），欢迎关注。