AIR客户端-高效处理图片缩略图的解决思路2

上一篇文章在： AIR客户端-高效处理图片的解决思路

这篇文章最后是采取系统的GDI读取文件缩略图的方案，本以为项目就这么OK了，但是经过测试，发现一些大图，用GetThumbnailImage读取缩略图，会有一些黑边。

具体如图所示：

一：从图片DIP上的分析

1.jpg和2.jpg是我用的同一个原图，只是对DPI做了少量的修改后的效果。

1.jpg 是没有黑边，2.jpg,8.jpg,9.jpg都是有黑边的。

开始我都怀疑是否是DPI的问题，2.jpg原图DPI是300，1.jpg我修改后的DPI是72。 后来就找了几个同类300DPI的图，发现不一定会有黑边。 问题就陷入僵局，因为是用的系统的API获取的缩略图，里面具体的计算方式方法，我是无从了解。

为了是确认是系统API的问题，而不是我的代码调用问题，我又采用了上篇文章中所有的方法，查看系统生成的db文件，发现在db文件里看到的缩略图确实是有黑边的，只是很奇怪的是，在我们查看文件的时候，它又不会显示黑边。

二：图片其他高级属性分析

1.佳能相机的问题？

对于第二个问题，就要做大量的图片测试了，图片所有有黑边的是原图，没有经过处理的。结果对比分析，我惊奇的发现，我测试的照片里，有黑边的是佳能的相机，欣喜若狂一番，以为找到原因了，后来又去找佳能的原片，再去测试，发现这个问题不是必然出现，所以只能排除这个方法！

2.图片大小的问题？

测试一般大于5M的照片，出现的概率较高，又去找大量图测试，发现也不是这个规律，3-4M的有时候又有黑边，没规律。排除！

3.图片属性里，分辨率单位：2，颜色表示：sRGB ？

经过测试，也不一定是这个问题，放弃！

4.最后没办法，干脆在C++代码里Debug

抓取图片的信息，对已知会生成黑边的图片，做仔细对比，发现完全没规律，放弃！（个人始终认为在这里，应该有一些信息的，只是苦于C++ 不熟悉，只能看些表面的东西）

三：C++在生成图片的时候，编码处理

所谓的编码处理，就是在图片生成缩略图后，save的时候，把一些图片处理的参数带进去，结果是可以解决黑边问题，但是效率很低，转了一圈，回到历史的问题，所以只能放弃

四：既然都有缩略图了，AIR来处理黑边了

获得缩略图体积都几kb,所以AIR再去加载处理去黑边，完全没压力，没有办法的办法。

采取的方法就是，针对宽图和窄图不同的计算方法，从像素上判断是否带有黑边，这里面有一套逻辑算法，可以快速排除掉PNG图（png图测试是不会有黑边的），只对jpg图做处理

提供逻辑，代码就不上了：

针对宽图，就是需要计算这个黑边的高度，从像素来说，只要x=0,y递增的情况下，都是黑色的，当不是黑色像素的时候，就是它的实际黑边高度，至于下方的高度，因为是对称的关系，上下是一致的。

原理是简单，但实际操作起来，又遇到一个坑，看似都是黑色像素，但是系统生成的黑色像素是有差值，不是完全的黑，只是一个近似值。

这个问题估计是flashPlayer虚拟机自身的问题，就算我们随便定义一个颜色,传值进去，到后面获取的值，都有一个偏差，可能是计算的算法问题，我稍后会补充一个简单示例。

示例占位

关键判断的代码：

/**
		 * 检查当前像素是否是颜色黑值
		 * @param	$checkPixel
		 * @return
		 */
		private function checkPixelIsBlack($checkPixel:uint):Boolean {
			var argb:Object = hextoargb($checkPixel);
			trace(argb.red,argb.green,argb.blue);
			if (argb.red < MAX_BLACK_UINT && argb.green < MAX_BLACK_UINT && argb.blue < MAX_BLACK_UINT) {
				return true;
			}
	                return false;
		}
               /**
         * RBG换算，获取对应通道的数值
         * @param    val
         */
        private function hextoargb(val:Number){
            var col={};
            col.alpha = (val>>24) & 0xFF;
            col.red = (val>>16) & 0xFF;
            col.green = (val>>8) & 0xFF
            col.blue = val & 0xFF;
            return col;
        } 

MAX_BLACK_UINT 这个是一个常量，我定义的是20，及RGB各自通道内都小于20，就可以近似判断为黑色。数值越小越准确，但是我经过测试，有些通道到了15，都还是黑色，所以保险点，我用了20.

接着上面的思路，获取了黑色的高度后，因为这只是当前x=0的一个判断，所以我们需要对这个假设的黑色框内颜色值做随机调取判断，换句话说，就是x坐标随机，y坐标也随机的去取颜色值，判断，如果都符合的话，就可以确认该图是黑色的边框了。

这个只是一个处理逻辑，宽度这这样的，窄图就反过来，原理一样。

判断完了图片是否有边框后，接下来的工作就是切图，切图就是需要把黑色边框切掉，以恢复原貌，这里走的比较顺畅，就是为了切图效果好点，可以对之前那个黑色框切的值，范围可以增加1-2像素，这样图片更美观了。

这个程序比较简单，不怎么占用开销。