图像处理 - ImageMagick 简单介绍与案例

摘要：是一款创建编辑合成，转换图像的命令行工具。上面两条三次贝塞尔曲线的坐标分别表示起始点，起始点的控制点，结束点的控制点，结束点。

在客户端我们可以用 PhotoShop 等 GUI 工具处理静态图片或者动态 GIF 图片，不过在服务器端对于 WEB 应用程序要处理图片格式转换，缩放裁剪，翻转扭曲，PDF解析等操作， GUI 软件就很难下手了，所以此处需要召唤命令行工具来帮我们完成这些事。

ImageMagick: 是一款创建、编辑、合成，转换图像的命令行工具。支持格式超过 200 种，包括常见的 PNG, JPEG, GIF, HEIC, TIFF, DPX, EXR, WebP, Postscript, PDF, SVG 等。功能包括调整，翻转，镜像(mirror)，旋转，扭曲，修剪和变换图像，调整图像颜色，应用各种特殊效果，或绘制文本，线条，多边形，椭圆和贝塞尔曲线等。

官网：https://www.imagemagick.org，下面放个小标识。

支持 Linux, Windows, Mac OS X, iOS, Android OS 等平台
https://www.imagemagick.org/s...

因为我是 MAC 机器，演示一下 brew 的安装方式咯

brew install imagemagick

ImageMagick 包括一组命令行工具来操作图片，安装好 ImageMagick 后，终端就可以使用如下命令了。

magick: 创建、编辑图像，转换图像格式，以及调整图像大小、模糊、裁切、除去杂点、抖动 ( dither )、绘图、翻转、合并、重新采样等。
convert: 等同于 magick 命令。
identify: 输出一个或多个图像文件的格式和特征信息，如分辨率、大小、尺寸、色彩空间等。
mogrify: 与 magick 功能一样，不过不需要指定输出文件，自动覆盖原始图像文件。
composite: 将一个图片或多个图片组合成新图片。
montage: 组合多个独立的图像来创建合成图像。每个图像都可以用边框，透明度等特性进行装饰。

compare: 从数学和视觉角度比较源图像与重建图像之间的差异。
display: 在任何 X server 上显示一个图像或图像序列。
animate: 在任何 X server 上显示图像序列。
import: 保存 X server 上的任何可见窗口并把它作为图像文件输出。可以捕捉单个窗口，整个屏幕或屏幕的任意矩形部分。
conjure: 解释并执行 MSL ( Magick Scripting Language ) 写的脚本。
stream: 一个轻量级工具，用于将图像或部分图像的一个或多个像素组件流式传输到存储设备。在处理大图像或原始像素组件时很有用。

基本命令的使用，遵循 Unix 风格的标准格式：

command [options] input_image output_image

比如我们将一张宽高 300x300 的图片 goods.png 转换成 200x200 的goods.jpg，可以这样用

convert -resize 200x200 goods.png goods.jpg

-resize 定义图片尺寸，ImageMagick 所有的选项参数都在这个【命令行选项手册】。

但是随着功能的复杂，命令缓慢扩大成了这样的格式：

command [options] image1 [options] image2 [options] output_image    

于是上面的命令也可以写成这样

convert goods.png -resize 200x200 goods.jpg

笔记：个人建议，如果转换的是一张图片，那么用第一种格式，因为像 -density 等一些选项必须放在 command 与 input_image 之间，所以为了省记都不写错，都写在 command 与 input_image 之间岂不很好。
但是如果是多张图片转换，就需要按第二种格式，正确输出命令选项了。

提示：如果上面的工具命令在计算机上不可以使用，则可以把它们当作 magick 命令的子命令使用，例如

magick identify goods.png

默认情况下 ImageMagick 会读取图像中唯一标识格式的签名来确定文件格式，如果没有，则根据文件的扩展名来确定格式，如 image.jpg 被认为 jpeg 格式文件，如果都获取不到，则需要手动指定文件的格式。命令格式为 format:input_or_output_image。

输入文件一般情况应该不需要手动指定文件格式，输出文件的时候，png 格式分 png8、png24 等格式，如果 png8 格式的文件能够满足需求，指定合理的格式可以缩小文件的大小，示例如下。

convert goods.png png8:goods_8.png
convert goods.png png24:goods_24.png

文中案例基于 ImageMagick 7.0.7

需求：将一张宽高为 900x600 的图片 goods.jpg 生成宽高为 150x100 的缩略图 thumbnail.jpg

convert -resize 150x100 -quality 70 -strip goods.jpg thumbnail.jpg

解释：

-resize 150x100：定义输出的缩略图尺寸为 150x100。

-quality 70：降低缩略图的质量为 70，取值范围 1 ( 最低图像质量和最高压缩率 ) 到 100 ( 最高图像质量和最低压缩率 )，默认值根据输出格式有 75、92、100，选项适用于 JPEG / MIFF / PNG。

-strip：让缩略图移除图片内嵌的所有配置文件，注释等信息，以减小文件大小。

-resize 延伸解读，如下。

上面的例子中，输入的图片和输出的图片比例是一致的，所以不会有特殊情况出现，但是遇到比例不同的时候，上面的写法并不会得到 150x100 的图像，而是会根据图像的宽高比例，取最大值，得出来的结果可能是 150 宽和更小的高，或者 100 高和更小的宽；所以 IamgeMagick 提供了几种符号来定义缩放。

convert -resize "150x100!" goods.jpg thumbnail.jpg
convert -resize "150x100>" goods.jpg thumbnail.jpg
convert -resize "150x100<" goods.jpg thumbnail.jpg

!：不管图片宽高如何，都缩放成 150x100 这样的尺寸。
>：只有宽高均大于 150x100 的图片才缩放成该尺寸 ( 按比例取最大值 )，小于的图片不做处理。
<：与 > 功能相反。

提示：因为有些字符是 Linux shell 或其他系统的特殊字符，所以需要用引号包裹起来或者用反斜线 转义，注意，不同平台可能引号都是有差异的。

需求 ① ：给图片居中加上透明文本水印。

convert  -draw "text 0,0 "JD.COM""  -fill "rgba(221, 34, 17, 0.25)"  -pointsize 36  
-font "cochin.ttc"  -gravity center  joy.jpg  watermark.jpg

解释：

-draw：绘图选项，text 声明绘制文本， 0,0声明文本距离图片左上角的偏移值， JD.COM声明绘制的文本，最好用引号包裹起来，避免输入特殊字符引起错误。绘制文本的格式为 text x,y string，当然还可以绘制其他类型，诸如圆 ( circle )、折线 ( polyline )。

-fill：对文本填充颜色，貌似 ImageMagick 命令中前面的选项是用来控制后面的选项的，所以应该把这样的修饰选项放到 -draw 前面比较好，很重要，后面的案例就是这样的。

-pointsize：指定文本的字体大小。

-font：指定字体。

-gravity：设置文本在图片里的排列方式 ( 类似 CSS 里的 align-items + justify-content )，center 表示水平垂直都居中，其他值还可以是：NorthWest, North, NorthEast, West, East, SouthWest, South, SouthEast，不记大小写。

：反斜线也是类 Unix 系统的续行字符，当一个命令很长时，我们可以把它写成多行，以便视觉上的美观和直观。

需求 ② ：给图片加上倾斜平铺透明文本水印。

convert  -size 100x100  xc:none  
-fill "#d90f02"  -pointsize 18  -font "cochin.ttc"  
-gravity center  -draw "rotate -45 text 0,0 "JD.COM""  
-resize 60%  miff:-  |  composite  -tile  -dissolve 25  -  joy.jpg  watermark.jpg

解释：文本平铺水印其实是将文本画成一张 png 图片，然后用这张透明图片在目标图片上进行平铺。

-size：设置画布的大小。

xc:：全称 X Constant Image，是 canvas:的别名，定义一张画布，用来绘图，常用格式为 xc:color，none 或者 transparent 设置画布为透明底，默认为白色。

-resize：该选项还可以指定百分比，意为缩放至原图像的百分之几。貌似 -pointsize 小于 14 后，-draw 里的 rotate 会不生效，所以用 -resize 来把平铺图案变得更小。

miff:-：

miff: 声明输出 ImageMagick ( IM ) 自己的图像文件格式：MIFF，主要用途是以复杂的方式处理图像时当做中间保存格式，适用于从一个 IM 命令向另一个 IM 命令传递图像元数据和其他关联属性。

- 在管道符前面意为将 IM 命令执行的结果作为标准输出，在管道符后面则表示从标准输入中读取这个数据，如在管道符后面的 composite 中使用 - 读取刚刚生成的透明图像。

|：Linux shell 管道符，用于将上一个命令的标准输出传递到下一个命令作为标准输入。这里将生成的水印图案传递给 composite 命令。

-tile：顾名思义，让图案平铺。

-dissolve：设置平铺图案的透明度。

图释：

大概逻辑如下：

随机生成 4 个英文字母或数字。

创建一个宽高 100x40 的画布。

设置字体大小为 16，每个字符的宽高也就是 16 左右了，依次计算出每个字符的 x, y 坐标，再增加一丁点旋转。

随机创建一条透明曲线，加上噪点，增加图片被破解的难度（在保证肉眼能看得清楚的用户体验下）。

如果需要安全性更高的验证码，请了解验证码破解原理并做合理调整。

如果加上随机计算，可能代码会比较多，所以这里写成固定值，方便理解。

convert  "xc:[100x40!]"  -pointsize 20  -font "cochin.ttc"  
-gravity NorthWest  -strokewidth 1  
-fill "#b72b36"  -stroke "#b72b36"  -draw "translate 13,19  rotate 10  text -5,-8 "5""  
-fill "#821d70"  -stroke "#821d70"  -draw "translate 36,13  rotate -8  text -8,-8 "C""  
-fill "#c7960a"  -stroke "#c7960a"  -draw "translate 60,23  rotate 5   text -5,-8 "2""  
-fill "#03610a"  -stroke "#03610a"  -draw "translate 85,25  rotate 13  text -8,-8 "E""  
-strokewidth 2  -stroke "rgba(248, 100, 30, 0.5)"  -fill "rgba(0, 0, 0, 0)"  
-draw "bezier  -20,30  -16,10  20,2    50,20"  
-draw "bezier  50,20   78,42   138,36  140,16"  
+noise Impulse  
captcha.jpg

结果：

鉴于字体比较细，可以用 strokewidth 加边框来加粗，或者使用字体的粗体版本，这里使用了第一种方式。

解释：

xc:[100x40!]：设置画布大小的一种简写方式，方括号里写入画布宽高，注意要加 !，否则会出乎意料哟。

文本定位与旋转

画布宽 100px，平均分成 4 分，每份 25px, 文字宽 16px, 得文字 x 的坐标左右摆动范围为 +0px, +9px，y 坐标同理，用于设置 translate 值。

实际上字体本身并没有填充满整个 16x16 的区域，根据字体的不同，填满的区域可能各有不同，所以根据cochin 字体的特性，上面稍微将字体大小调整为 20，实际渲染出来的字母才是 16x16 左右大小，数字大概是 10x16，所以设置数字的 x,y 为 -5,-8，结合下面两个属性解释 x,y 的计算方式。

translate: 设置文本的横纵向偏移值。

rotate：设置文本旋转，单位 degrees。根据 gravity 的设置坐标系统有一丁点变化，所以请设置为 西北(NorthWest) ，表示以画布 0,0 坐标旋转，跟 HTML 5 Canvas 坐标系统一致。

根据这样的坐标系统，如果要文字按自身的中心旋转，得配合 translate 和 text 的 x,y 一起使用，原理可参考这篇文章[图像旋转的实现]，注意 translate 与 rotate 的顺序。

strokewidth：设置文本的边框宽度或线条宽度。

stroke：设置文本的边框颜色或线条颜色。

-fill "rgba(0, 0, 0, 0)"：上面设置了文本的填充颜色，会影响下面的贝塞尔曲线，所以这里指定一个透明的填充色以覆盖上面的设定，使曲线没有填充。

bezier：绘制贝塞尔曲线，一两句话我怕解释不清楚，所以请大家参考一下维基百科的解释或者这篇中文文章的解释，最后再参考一下 IM 官方示例的描述。上面两条三次贝塞尔曲线的坐标分别表示 起始点，起始点的控制点，结束点的控制点，结束点。

+noise：增加噪点，可以使用 convert -list noise 查看当前系统支持哪些算法的噪点，大概有 Gaussian, Impulse, Laplacian, Multiplicative, Poisson, Random, Uniform。

这个案例主要了解几个基本操作的 API。

convert  
(  -crop 300x300+10+25  joy.jpg  )  
(  -resize 400x400  -crop 300x300+50+0  logo:  )  -swap 0,1  +append  
(  -clone 0  -flop  -flip  )  -append  
-resize 200x200  combined.jpg

结果如下：

解释：

圆括号 ( ... )：图像堆栈 ( image stack )，相当于创建了一个独立作用域处理图像，这个可以使图像之前的处理互不干扰。圆括号需用反斜杠转义，才能不被 Shell 当做特殊字符处理，并且每个圆括号两边需要用空格隔开。不必要的圆括号会使 IM 增加少许额外的工作，但是却让命令更清晰不容易出错。

-crop：裁剪出图像的一个或多个矩形区域，格式为 {size}{+-}x{+-}y，如果不指定偏移值 x,y，则会被解释为按指定宽高切割图像成多少份（多图像）。

logo:：IM 内置图像，这个就是上图中拿着魔法棒的主人公了，本身宽高 640x480，其他内置图像还有：rose:，granite :等，看这里。

-swap：

交换图像的位置，格式 -swap index,index。

IM 在图像处理操作时，实际上很可能是在处理一个图像列表，当新图像被读入或者创建时，IM 会将该新图像添加到当前图像列表的末尾。

如上，本来我们的图像列表里有 2 张图，第一张是 joy，但是 -swap 0,1 的意思是交换第一张图与第二张图的位置，所以 joy 变成跑到后面了。

+append：水平连接当前图像列表的图像来创建单个较长的图像。

-append：垂直连接当前图像列表的图像来创建单个较长的图像。

-clone：克隆图像，格式为 -clone {index_range_list}。

-clone 0：表示克隆图像列表里的第一张图像。

-clone 1-2：表示克隆图像列表里的第二张到第三张图像。

-clone 0--1：0 表示第一张图像，-1 表示最后一张图像，所以整句命令则表示克隆整个图像列表。

-clone 2,0,1：表示克隆第三张，第一张，第二张图像，顺序根据指定的索引决定，用逗号分隔。

-flop：将图像水平翻转。

-flip：将图像垂直翻转。

笔记：

选项之间的顺序很重要。

与 -clone 雷同的选项还有诸如：-delete, -insert, -reverse, -duplicate，用于操作图像列表，功能与单词意思相同。

convert  -coalesce  rain.gif  frame.jpg

-coalesce：根据图像 -dispose 元数据的设置覆盖图像序列中的每个图像，以重现动画序列中每个点的动画效果。下面用一张结果对比图来解释这句话。

原始图 ( rain.gif ) ：

结果对比：

上面默认输出的文件名为：frame-0.jpg, frame-1.jpg, frame-2.jpg ...，
如果想使用下划线作为符号，输出为 frame_0.jpg, frame_1.jpg, frame_2.jpg ...，则可以如下设置。

convert  -coalesce  rain.gif  frame_%d.jpg

或者

 convert  -coalesce  -set filename:n "%p"  rain.gif  "frame_%[filename:n].jpg"

解释：

第一种方式 %d 是 C 语言 printf() 中表示输出一个整数，参考 -adjoin 选项。

第二种为常规方式。

-set：设置图像属性，格式为 -set key value

filename:n "%p"：以 filename: 开头的 key 用于设置输出文件名的相关信息，如这里使用 filename:n，在输出文件名时，则可以使用 %[filename:n] 拿到刚刚的设置，而设置的内容则是 "%p"。"%p" 表示图像在图像列表中的索引值，更多百分比选项 ( Percent Escapes ) 参考。

如果只想拿到 GIF 的第一帧，可以这样设置。

convert  -coalesce  "rain.gif[0]"  first_frame.jpg

拿到某些帧，如同 -clone 的写法。

convert  -coalesce  "rain.gif[0-2]"  some_frames_%d.jpg

通过 identify 命令我们可以简要得到文件的信息，如下。

identify  rain.gif

通过换行符分割，简单封装一个 Node.js 函数获取页数。

// parser.js
const util = require("util")
const exec = util.promisify(require("child_process").exec)

exports.numberOfPages = async (filePath) => {
  try {
    const { stdout } = await exec(`identify "${filePath}"`)
    return stdout.trim().split("
").length
  } catch (err) {
    throw new Error(err)
  }
}

// main.js
const { numberOfPages } = require("./parser")

;(async function start () {
  const pages = await numberOfPages("rain.gif")
  console.log("pages:", pages)
}())

convert  -loop 0  "frame-*.jpg"  rain_animation.gif

将所有与 frame-*.jpg 模式匹配的图像转换成一张 GIF 图像，如 frame-0.jpg，frame-1.jpg等。
-loop 设置动画循环次数，0 表示无限循环。
设置每张图像的播放速度可以使用 -delay 选项。

笔记： 在 IM 读取系列文件时，frame-10.jpg 会排在 frame-2.jpg 前面，为获得图像正确的读取顺序，可以为文件名设置前导零 ( leading zeros )。如：frame-000.jpg, frame-001.jpg, frame-002.jpg ... frame-010.jpg。

所以在生成图像时，我们可以使用 %03d 获得三位前导零。

convert  -coalesce  rain.gif  frame-%03d.jpg

PDF 与图片互转跟 GIF 很相似，稍微有些格式自身需要注意的区别。
IM 本身是不具备解析 PDF 的功能的，需要依赖专门解析这种格式的外部程序，如官方指明的 ghostscript 解析程序。
首先安装 gs，还是演示 Mac OS 安装：brew install ghostscript。

以 这个PDF 为例，把它转换成图片，有两种方式达到我们想要的结果:

① convert  -density 150  -flatten  "download.pdf[0]"  first_page.jpg

② convert  -density 150  -background white  -alpha remove  download.pdf  download.jpg

解释：

当转换 PDF 成 JPG 格式图像时，某些情况得到的 JPG 图片会出现黑色背景（转换成 PNG 不会），所以可以使用 -flatten 选项让其保持白色背景，但加上这个选项，多页 PDF 不会分成多个 JPG 图像，第二种方式 -background white -alpha remove 则可以一次命令转换多页 PDF 成多个图像并保持白色背景。

第二种方式 IM 内部应该是一页一页的转换，所以一个 10 页的 PDF 耗时会比较久，采用第一种方式让 Node.js 多进程同时转换该 PDF 可以提升速率。

-density：指定输出图像的分辨率 ( DPI )，在 Mac OS 上，默认的分辨率 ( 72 ) 输出的图像字迹不清，需要更高分辨率获得清晰的图像。

直接通过 child_process 模块执行相应的命令即可，如下。

只需要结果可以使用 exec，

const util = require("util")
const exec = util.promisify(require("child_process").exec)

;(async function start () {
  try {
    await exec(`convert -resize "150x100!" -strip goods.jpg thumbnail.jpg`)
    console.log("convert completed.")
  } catch (err) {
    console.log("convert failed.", err)
  }
}())

流式输入输出可以使用 spawn，

const cp = require("child_process")
const fs = require("fs")

const args = [
  "-",  // 使用标准输入
  "-resize", "150x100!",
  "-strip",
  "jpg:-",  // 输出到标准输出
]

const streamIn = fs.createReadStream("/path/to/goods.jpg")
const proc = cp.spawn("convert", args)
streamIn.pipe(proc.stdin)
proc.stdout.pipe(HttpResponse)

本文同步发表于【凹凸实验室】博客及微信公众号，欢迎关注我们，么么哒。