判断GIF类型并使用ImageDecoder解析GIF图

一、判断是否为GIF图片类型

在JavaScript中，判断用户上传的文件是否为GIF文件类型时，通常可以通过检查文件的type属性或文件的拓展名来判断，但是由于文件拓展名可以轻易被用户修改，type属性是由浏览器根据文件拓展名猜测得出的，因此这种判断方式并不总是准确的。

为了更准确的判断文件类型，需要读取文件的头部字节，并检查这些字节是否符合GIF文件的规范。

要检查文件头部字节以确定文件是否为GIF格式，可以使用JavaScript的FileReader API来读取文件的前几个字节，并与GIF文件的魔数（Magic Number）进行比较。GIF文件的魔数是GIF87a或GIF89a，它们位于文件的前几个字节中。

// 文件输入元素
const fileInput = document.getElementById('file-input')

// 监听文件变化事件
fileInput.addEventListener('change', async fucntion(e) {
    // 获取用户选择的文件
    const file = e.target.files[0]

    if(file) {
        const isGif = await checkGifFileType(file)
        if(isGif) {
            // 是gif
        } else {
            // 不是gif
        }
    }
})

/**
 * 检查文件类型是否是gif
 * 
 * @param {*} file 
 * @returns 
 */
export function checkGifFileType(file) {
	// 创建一个FileReader对象
	const reader = new FileReader();

	// 读取文件的前几个字节
	reader.readAsArrayBuffer(file.slice(0, 6)); // GIF的魔数只需要6个字节

	return new Promise((resolve, reject) => {
		reader.onload = function (e) {
			// 将ArrayBuffer转换为Uint8Array以便读取字节
			const arrayBuffer = e.target.result;
			const uint8Array = new Uint8Array(arrayBuffer);

			// GIF文件的魔数可以是'GIF87a'或'GIF89a'，转换为ASCII码分别为[71, 73, 70, 56, 55, 97]或[71, 73, 70, 56, 57, 97]
			// 检查文件的前6个字节是否匹配GIF的魔数
			const gif87a = [71, 73, 70, 56, 55, 97];
			const gif89a = [71, 73, 70, 56, 57, 97];

			if (
				(uint8Array[0] === gif87a[0] &&
					uint8Array[1] === gif87a[1] &&
					uint8Array[2] === gif87a[2] &&
					uint8Array[3] === gif87a[3] &&
					uint8Array[4] === gif87a[4] &&
					uint8Array[5] === gif87a[5]) ||
				(uint8Array[0] === gif89a[0] &&
					uint8Array[1] === gif89a[1] &&
					uint8Array[2] === gif89a[2] &&
					uint8Array[3] === gif89a[3] &&
					uint8Array[4] === gif89a[4] &&
					uint8Array[5] === gif89a[5])
			) {
				resolve(true); // 是GIF文件
			} else {
				resolve(false); // 不是GIF文件
			}
		};

		reader.onerror = function (error) {
			reject(error);
		};
	});
}

二、解析GIF，并在canvas上播放

GIF本质上和视频一样，都是一帧一帧的图片拼合而成，所以，在canvas上播放GIF功能实现的要点，就是获取具体某一帧的资源。

1. 使用ImageDecoder API解析GIF每一帧的图像资源；
2. 将该图像资源绘制在canvas画布上；

注意：目前ImageDecoder仅Chrome浏览器支持，如果考虑兼容性，可以使用libgif.js等第三方库去解析GIF。

1、资源获取

使用fetch方法获取GIF图片资源，注意跨域问题。

fetch("xxx.gif").then((response) => {
    // response.body 就是图像资源数据
});

2、使用ImageDecoder解析

imageDecoder对象就包含了一系列的属性和方法，用来对解析好的图像数据进行各种各样的处理。

const imageDecoder = new ImageDecoder({ 
    data: response.body, 
    type: "image/gif" 
});

获取GIF第一帧的图形数据，则可以：

imageDecoder.decode({ 
    frameIndex: 0
}).then((result) => {
    // result 对象就是解析后的结果
});

result 对象包括下面这些属性，其中result.image 的返回值是一个 VideoFrame 对象，包含很多属性和方法，例如，帧图像的编码尺寸，显示尺寸，时间戳，时间间隔等，可以作为 ImageSource 绘制在 canvas 画布上。

{
    // 解码的图像
    image: VideoFrame,
    // 如果为true，则表示该图像包含最终的完整细节输出。
    complete: boolean
}

result.image.timestamp：当前帧出现的时间戳，单位为微分秒，即万分之一秒

result.image.duration：当前帧持续的时长，单位为微分秒，即万分之一秒

const canvas = document.querySelector("canvas");
const context = canvas.getContext("2d");

context.drawImage(result.image, 0, 0);

3、简单封装

export function giftDecoder(url) {
	return new Promise((resolve, reject) => {
		fetch(url).then(async (response) => {
			// response.body 就是图像资源数据
			const imageDecoder = new ImageDecoder({ 
				data: response.body, 
				type: "image/gif" 
			});
			let _d = await imageDecoder.decode({ frameIndex: 0 })
			console.log(imageDecoder, _d)

			const track = imageDecoder.tracks.selectedTrack;
			console.log(track)
			let arr = []
			let totalTime = 0
			for(let i = 0; i < track.frameCount; i++) {
				let result = await imageDecoder.decode({ 
					frameIndex: i
				})

				if(result) {
					// result 对象就是解析后的结果
					// 1000000
					// timestamp：当前帧出现的时间戳，单位为微分秒
					// duration：当前帧持续的时长，单位为微分秒
					arr.push(result)
					if(i == track.frameCount - 1) {
						totalTime = result.image.timestamp + result.image.duration
					}
				} else {
					reject()
					break
				}
				
			}
			console.error('gif数组', arr)

			resolve({
				totalTime,
				list: arr
			})
		});
	})
}

// gif图特殊处理
const gifData = await giftDecoder(gifUrl)
             
console.error('gif图特殊处理', gifData)
              

三、使用 gifuct-js 库解析gif

gifuct-js是由Matt Way开发的一个轻量级JavaScript库，专门用于处理和创建GIF动图。它提供了强大的API，让开发者能够轻松地解码、编码、操作及优化GIF文件，适用于网页应用或任何需要在前端处理GIF的场景。

项目地址：https://gitcode.com/matt-way/gifuct-js

技术分析

• 解码与编码能力
• Gifuct-js的核心是其高效的GIF解码器和编码器。通过原生JavaScript实现，它能够快速解析GIF文件的逻辑屏幕描述、图像描述、图形控制扩展等信息，同时也能生成符合标准的新GIF文件。
• 图像操作接口
• 该项目提供了丰富的API，支持对帧进行添加、删除、重排、调整透明度等操作。例如，你可以通过addFrame方法将新的帧添加到GIF中，或者通过removeFrame方法移除特定帧，以实现动态效果的定制。
• 性能优化
• 考虑到前端性能，Gifuct-js设计时就注重了内存管理和运行效率。它采用流式处理，减少了不必要的数据复制，从而降低内存占用并提升处理速度。
• 兼容性
• Gifuct-js基于WebAssembly和JavaScript，使其在现代浏览器中具有良好的兼容性。对于不支持WebAssembly的老版本浏览器，项目还提供了一个纯JavaScript的回退方案。

 

1、安装

npm install gifuct-js

2、解码

此解码器使用**js-binary-schema-parser**解析 GIF 文件。这意味着要解码 GIF 文件，首先需要将其转换为 Uint8Array 缓冲区。

fetch

import { parseGIF, decompressFrames } from 'gifuct-js';

var promisedGif = fetch(gifURL)
    .then(resp => resp.arrayBuffer())
    .then(buff => {
        var gif = parseGIF(buff);
        var frames = decompressFrames(gif, true);
        return gif;
    });

XMLHttpRequest

import { parseGIF, decompressFrames } from 'gifuct-js';

var oReq = new XMLHttpRequest();
oReq.open("GET", gifURL, true);
oReq.responseType = "arraybuffer";

oReq.onload = function (oEvent) {
    var arrayBuffer = oReq.response; // 注意：不是 oReq.responseText
    if (arrayBuffer) {
        var gif = parseGIF(arrayBuffer);
        var frames = decompressFrames(gif, true);
        // 处理帧数据
    }
};

oReq.send(null);

结果

decompressFrames(gif, buildPatch) 函数返回一个包含所有 GIF 图像帧及其元数据的数组。

{
    // 每个像素的调色板索引
    pixels: [...],
    // GIF 帧的尺寸（见处置方法）
    dims: {
        top: 0,
        left: 10,
        width: 100,
        height: 50
    },
    // 此帧应显示的毫秒数
    delay: 50,
    // 处置方法（见下文）
    disposalType: 1,
    // 指向像素数据的颜色数组
    colorTable: [...],
    // 可选的代表透明度的色彩索引（见下文）
    transparentIndex: 33,
    // 绘制准备好的 Uint8ClampedArray 颜色补丁信息
    patch: [...]
}

自动补丁生成:

如果 dcompressFrames() 函数的 buildPatch 参数为 true，解析器不仅会返回解析和解压缩的 GIF 帧，还会为每个 GIF 帧图像创建可直接用于画布的 Uint8ClampedArray 数组，以便使用 ctx.putImageData() 等方式轻松绘制。这是常见需求，但由于它涉及到透明度假设，所以设为可选项。

处置方法:

像素数据是以每个像素的索引列表存储的。这些索引指向 colorTable 数组中的值，表示每个像素应绘制的颜色。GIF 的每一帧可能不是全尺寸，而是一个需要在特定位置绘制的补丁。disposalType 定义了如何在 GIF 画布上绘制该补丁。大多数情况下，该值为 1，表示 GIF 帧应简单地覆盖现有的 GIF 画布，而不改变补丁尺寸之外的任何像素。

透明性:

如果一帧定义了 transparentIndex，则意味着像素数据中与该索引匹配的任何像素不应被绘制。在使用画布绘图时，这表示将此像素的 alpha 值设置为 0。

3、封装

import { parseGIF, decompressFrames } from 'gifuct-js'

export function giftDecoder(url) {
	return new Promise((resolve, reject) => {

		let arr = []
		let totalTime = 0

		if('ImageDecoder' in window) {
			fetch(url).then(async (response) => {
				// response.body 就是图像资源数据
				let arr = []
				let totalTime = 0
	
				const imageDecoder = new ImageDecoder({ 
					data: response.body, 
					type: "image/gif" 
				});
				let _d = await imageDecoder.decode({ frameIndex: 0 })
				console.log(imageDecoder, _d)
	
				const track = imageDecoder.tracks.selectedTrack;
				console.log(track)
				
				for(let i = 0; i < track.frameCount; i++) {
					let result = await imageDecoder.decode({ 
						frameIndex: i
					})
	
					if(result) {
						// result 对象就是解析后的结果
						// 1000000
						// timestamp：当前帧出现的时间戳，单位为微分秒
						// duration：当前帧持续的时长，单位为微分秒
						arr.push(result)
						if(i == track.frameCount - 1) {
							totalTime = result.image.timestamp + result.image.duration
						}
					} else {
						reject()
						break
					}
					
				}
				console.error('gif数组', arr, response)
	
				resolve({
					totalTime:totalTime/1000000 ,
					list: arr
				})
			});
		} else {

			let oReq = new XMLHttpRequest();
			oReq.open("GET", url, true);
			oReq.responseType = "arraybuffer";
	
			oReq.onload = async function (oEvent) {
				let arrayBuffer = oReq.response; // 注意：不是 oReq.responseText
				if (arrayBuffer) {
					let gif = parseGIF(arrayBuffer);
					let frames = decompressFrames(gif, true);
					// 处理帧数据
					let accumulatedTime = 0

					const _canvas = document.createElement('canvas')
					const _ctx = _canvas.getContext('2d')
					_canvas.width = gif.lsd.width
					_canvas.height = gif.lsd.height

					for(let i = 0; i < frames.length; i++) {
						let frame = frames[i]
						// _ctx.clearRect(0, 0, _canvas.width, _canvas.height)

						let imageData = _ctx.createImageData(frame.dims.width, frame.dims.height)
						imageData.data.set(frame.patch)
						_ctx.putImageData(imageData, frame.dims.left, frame.dims.top)
						let _blob = await canvasToBlob(_canvas, 'image/png')
						let _url = URL.createObjectURL(_blob)

						const img = new Image()
						img.src = _url
						await imgOnload(img)

						totalTime += frame.delay 
						arr.push({
							timestamp: accumulatedTime,
							duration: frame.delay ,
							img: img
						})

						accumulatedTime += frame.delay 
					}

					resolve({
						totalTime: totalTime/1000,
						list: arr
					})
					// console.error('xxx', totalTime, arr)
				} else {
					reject()
				}
			};
	
			oReq.send(null);
		}

		
	})
}

function canvasToBlob(canvas, type, quality) {
	return new Promise(resolve => {
		canvas.toBlob((blob) => {
			resolve(blob)
		}, type, quality)
	})
}

function imgOnload(img) {
	return new Promise(resolve => {
		img.onload = function() {
			resolve()
		}
	})
}

参考文档

https://developer.mozilla.org/en-US/docs/Web/API/VideoFrame

https://developer.mozilla.org/en-US/docs/Web/API/ImageDecoder