需求很简单:用户上传一张照片,工具自动找到合适的地平线,在下方生成水面倒影,让照片看起来像在水边拍摄的。本文记录单 HTML 文件版本的设计与开发过程,重点讲思路和关键代码,完整代码可到项目里看。
一、先把「效果」拆成可实现的特征
动手前我先分析了天空之镜(原型是玻利维亚乌尤尼盐沼雨季景观)的视觉本质,提炼出三个决定性特征:
- 高保真倒影 —— 平静水面像镜子一样把上方景物完整翻转下来;
- 天地边界消解 —— 地平线几乎消失,实景与倒影无缝衔接;
- 上下对称构图 —— 以地平线为轴形成镜像。
这三点直接映射成了技术方案:翻转上半部分 → 施加水面质感 → 拼接到地平线下方。目标是做成一个纯前端单文件工具——所有处理在浏览器 Canvas 里完成,图片不上传、零后端依赖,双击即可用,也方便一键部署成静态站点。
二、整体架构
一个 index.html,内含三部分:
- UI 层:拖拽上传、参数滑块(倒影长度 / 柔化 / 波纹 / 渐隐 / 水色)、实时预览、导出;
- 算法层:地平线检测 + 倒影合成,全部基于 Canvas 2D;
- 交互层:拖动预览中的虚线直接校准、按住对比原图、动态水波动效。
核心状态对象:
const state = {
img: null,
horizon: 0.5, // 地平线在原图中的高度比例
length: 0.5, // 倒影长度 / 原图高度
blur: 1.2, wave: 3, fade: 0.35, tint: 0.18,
phase: 0, animating: false, comparing: false
};
三、难点一:自动检测地平线
这是整个工具最不确定的一环——没有语义分割模型,只能从像素统计里找规律。
核心假设:天空区域通常亮度高、水平纹理平缓;地物区域纹理丰富。地平线就是「上方平滑 → 下方繁密」的跃迁点。
做法是先把图片缩到 200px 宽做采样,逐行计算三个量:
for (let y = 0; y < h; y++) {
let dt = 0, lg = 0, lm = 0;
for (let x = 0; x < w; x++) {
const i = (y * w + x) * 4;
lm += (d[i] + d[i+1] + d[i+2]) / 3; // 行平均亮度
if (x > 0) { // 行内水平梯度 → 细节量
const p = i - 4;
dt += Math.abs(d[i]-d[p]) + Math.abs(d[i+1]-d[p+1]) + Math.abs(d[i+2]-d[p+2]);
}
if (y > 0) { // 与上一行的垂直差异 → 跃迁强度
const u = i - w * 4;
lg += Math.abs(d[i]-d[u]) + Math.abs(d[i+1]-d[u+1]) + Math.abs(d[i+2]-d[u+2]);
}
}
detail[y] = dt / w; vert[y] = lg / w; lum[y] = lm / w;
}
再做 3 点平滑,然后在图像中部(15%~85%)逐行打分。打分公式是调试的重点:
const sharp = sv[y] - (sv[max(0,y-3)] + sv[min(h-1,y+3)]) / 2; // 局部尖锐度
const score = sv[y]*2.0 + (dn-u)*1.0 + sharp*1.0 + (sl[y]-lumAvg(sl))*0.1;
四种信号的含义与权重:
| 信号 | 含义 | 权重 | 为什么 |
|---|---|---|---|
sv[y] | 垂直边缘强度 | 2.0 | 真实地平线多是清晰的水平分界, strongest signal |
dn-u | 下方与上方细节量之差 | 1.0 | 天空平滑、地面繁密的统计差异 |
sharp | 垂直边缘的局部尖锐度 | 1.0 | 抑制天空渐变 / 云带造成的宽泛误判 |
sl[y]-avg | 局部亮度相对全图均值 | 0.1 | 天空偏亮的弱先验 |
调试故事:初版公式是 (dn-u)*1.6 + sv[y]*0.9 + ...,用一张带远山剪影和渐变天空的测试图验证,结果地平线定在 0.406,真值是 0.520——偏差 11.4 个百分点。原因是天空云带的纹理变化把算法吸引过去了,而真正的强边缘(远山剪影)因为 sv 权重太低被忽略。把垂直边缘权重提到 2.0、加入尖锐度项后,偏差降到 4.6 个百分点,且准确定位到远山剪影边缘——这在视觉上恰恰是合理的分界。
这印证了一个经验:启发式检测不必追求像素级精确,找对"视觉上合理的分界"比数值逼近真值更重要。正因为检测是估计,特意保留了「拖动虚线手动校准」和「一键重检」两个入口。
四、难点二:倒影合成
合成在一张画布上分六步完成,关键是「离屏画布 + 分条带绘制」:
1~2. 画原图上半部分,并离屏生成翻转倒影
ctx.drawImage(img, 0, 0, W, hy, 0, 0, W, hy); // 地平线以上:原图
const rc = document.createElement('canvas');
rc.width = W; rc.height = L;
const rctx = rc.getContext('2d');
rctx.translate(0, L);
rctx.scale(1, -1); // 垂直翻转
rctx.drawImage(img, 0, 0, W, hy, 0, 0, W, L); // 上半部分压入 L 行
用 scale(1,-1) 做翻转,比逐像素操作快得多——这是 Canvas 相对于纯 JS 的最大优势。
3. 水色浸染:用 source-atop 混合模式,只给已绘制的像素叠一层水蓝,不污染透明区:
rctx.globalCompositeOperation = 'source-atop';
rctx.fillStyle = 'rgba(10,32,58,' + state.tint.toFixed(3) + ')';
rctx.fillRect(0, 0, W, L);
rctx.globalCompositeOperation = 'source-over';
4. 柔化:用 Canvas 的 filter = 'blur(Npx)' 一次性模糊离屏画布。注意要外扩绘制区域(pad)避免边缘发暗——而且只做一次,不逐条带重复,这是性能优化的关键。
5. 波纹 + 渐隐:倒影不是死板地贴上去,而是按条带画,每条带一个横向偏移和透明度:
const band = Math.max(1, Math.round(outH / 900));
for (let y = 0; y < L; y += band) {
const t = y / L;
const alpha = 1 - state.fade * Math.pow(t, 0.85); // 越远越淡
const offset = Math.sin(y * 0.045 + state.phase) * state.wave * (0.25 + t * 0.75);
ctx.globalAlpha = Math.max(0, Math.min(1, alpha));
ctx.drawImage(source, 0, y, W, Math.min(band,L-y), offset, hy+y, W, Math.min(band,L-y));
}
state.phase 随时间变化就得到动态水波;offset 随深度 t 增大,模拟远处波纹更明显。
6. 岸线微光:在地平线处叠一条极淡的白色线性渐变,消解天地边界——正是需求里的第二特征。
五、交互工程的几个细节
拖动虚线校准:难点是坐标反推。用户在输出画布上拖动,但 horizon 是相对原图的比例。输出画布高度是 hy + L,指针相对高度 p = hy/(hy+L),已知 L 求 hy:
const p = (clientY - r.top) / r.height; // 输出画布中的相对高度
const L = state.length * H;
const hy = p * L / (1 - p); // 由 p = hy/(hy+L) 解析求出
state.horizon = Math.min(0.85, Math.max(0.15, hy / H));
这个反推公式一开始写错过,导致拖动热区不跟随虚线、位置对不上——这类"坐标系转换"问题在 canvas 交互里非常典型。
渲染节流:滑块连续拖动会触发高频重绘,用 requestAnimationFrame 合并同一帧内的多次请求:
let scheduled = false;
function requestRender() {
if (state.comparing || scheduled) return;
scheduled = true;
requestAnimationFrame(() => { scheduled = false; fmt(); render(); });
}
对比原图:按住按钮时把画布临时恢复成原图尺寸并绘制原图,松开后调用 render() 重绘结果——复用同一张 canvas,不额外开图层。
导出:先关闭动效和对比态,确保导出的是稳定结果,再用 toBlob 生成 PNG 下载。
六、验证:没有浏览器环境怎么办
开发环境的局限是没有无头浏览器。我采用的替代方案是:用 Python 逐行等价复现核心算法(地平线检测 + 倒影合成 + PNG 编码),对一张自造的、带清晰天地分界和远山剪影的测试图生成结果,再用图像查看工具肉眼核验。
这验证了两件事:
- 合成逻辑正确——翻转对称、波纹、渐隐、岸线微光都符合预期;
- 检测算法的偏差可量化——正是靠这套复现脚本,才定位并修复了地平线误判问题。
后来拿到 PHP 运行时后,又用真实 HTTP 流程做了端到端验证,结论与 Python 复现一致。这种「算法等价复现」在没有目标运行环境时是相当高效的验证手段。
七、取舍与后续
单文件前端版的优势是零依赖、可直接分发;代价是算法源码对访客完全可见。当你希望保护算法或需要服务端重负载处理时,可以把它演进为 PHP 版——把成像逻辑搬到服务端,前端只负责解码或上传。
但这条演进路上又踩了两个部署坑:共享主机的 GD 扩展缺失、临时目录无写权限。后者甚至催生了一个"无状态版"——像素随请求体直传、服务端不落盘。这些故事,就是另一篇文章了。
一句话总结:这个工具的本质是「翻转 + 翻转后加工 + 拼接」的 Canvas 组合技;真正花时间的不是合成,而是让地平线检测足够鲁棒、让交互坐标足够准确。