视频滤镜，顾名思义，是在视频素材上duang特效的一种操作。 随着H5页面越做越炫酷的趋势，单一的视频播放已经不能满足我们的需求，视频滤镜在Web页面上的应用越来越广泛。
问题概述
如何实现视频滤镜呢？最容易想到的方案是使用CSS3内置的滤镜。
CSS3为我们封装了一些常用的滤镜算法，如模糊，灰阶、饱和度等，使用filter属性来定义，详细参见 https://www.w3cplus.com/css3/ten-effects-with-css3-filter
除了作用于图片，该属性也可以作用于video标签，即视频滤镜。 同理，svg的filter也可以实现类似的效果，实现方式大同小异。
小伙伴的IceVideo组件便置入了基于CSS3 filter实现的视频滤镜，链接内有包括案例在内的详细说明，本文不再赘述。
本文主要讨论的是上述方案无法覆盖的场合。 对于一些特殊风格化、定制化的效果，我们很难通过现有的filter来做出，比如
上述的抠图效果、旧电视雪花效果，本身计算方式复杂，无法使用简单的规则来定义。 对于这类“很难归类”需求，难道就没有一种更加自由的，泛用的滤镜实现方式，可以满足复杂场景吗？ 答案当然是有的。 本文便介绍一种“百搭”的解决办法——WebGL着色器。 使用WebGL提供的api，在像素操作级别，定制只属于你的一款滤镜。
先睹为快的示例
（示例中的视频均来自QQ-AR项目合作商的线上素材）
为了探索合适的方案，我们需要从问题的本质入手分析。
问题一、视频滤镜的本质是什么？
滤镜的本质是一种映射。即通过某种特定的算法，将图像中的像素点从一个值，映射成另一个。 对于视频，则是对每一个图像帧进行映射。 映射算法的设计，是图形图像处理的内容，目前已经有很多成熟的算法。
举几个简单的例子：
灰阶的映射算法。 new rgb = （0.2989*r 0.5870*g 0.1140*b）
反相（底片）的映射算法 new r=1.0 - r; new g=1.0 - g; new b=1.0 - b;
通过调节其中的计算参数，就可以控制效果的强弱。
在Web上，如何实现这些算法呢？
我们不能够直接操作video标签的内容，但我们能够做一个“中转”，把video绘制到canvas里，然后直接使用canvas提供的绘制api，修改像素值。 具体的方式，在我的另一篇介绍“视频吸色”的文章中有详细描述。
概括地说，代码如下。
代码语言：javascript复制function playCanvas() {
var mycanvas = $(_this).find("#mycanvas")[0]
var myvideo = $(_this).find("#myvideo")[0]
var context = mycanvas.getContext("2d")
context.drawImage(myvideo, 0, 0, opts.videoWidth, opts.videoHeight)
colorData = getPixelColor(mycanvas, canvasMousePos.x, canvasMousePos.y)
requestAnimationFrame(playCanvas)
}将原始的video标签设为隐藏，然后使用requestAnimationFrame回调，不断地用video的内容来更新canvas。 使用canvas方案，我们有了处理单帧图片的方法，而且它的兼容性比CSS3 filter要好，只要支持canvas的浏览器都可以渲染。 这种方法对于图片来说是足够的，几乎没有时间延迟，但处理每秒24-60帧的视频，就会产生较大的延迟，引发严重的性能问题。
上图是使用canvas的像素操作实现灰阶滤镜时，在chrome console录制的资源消耗图 可以看到，cpu的主线程已经被占满，在电脑上有明显卡顿，在手机上几乎是无法使用的。
这种方案的问题在于，将所有的像素都输入给cpu，逐点串行，没有考虑并行化的可能。 那么视频滤镜操作能否并行呢？主要取决于滤镜的实现方式，即“像素是怎么映射的”。
问题二、能否并行？
笔者考察了图形图像处理中，常见的滤镜实现方式，将其归纳总结为以下三类。
1、单像素映射法 对单个像素的颜色值进行操作。 比如反相，灰阶，变亮变暗，饱和度效果。 乃至在笔者的需求中遇到的，更为复杂的绿幕视频抠图效果（后文会有详细叙述）。
2、区域卷积法 计算一个像素时，同时使用邻近n个像素的值。 可以描述为卷积操作，使用一个矩阵作为卷积核，遍历整个图像。 比如模糊，浮雕等效果，都是用这种方式做出的。
3、颜色查表法 对于一些高度风格化的处理，很难采用单一算法描述，此时可以将颜色保存在一个512x512的表里，通过查找和差值，推算出每个像素的映射结果。 这种算法叫做Color Lookup Table，简称Color LUT，最经典的实现来自于ios内置算法库GPUImage。 该算法库已开源，github地址 https://github.com/BradLarson/GPUImage
以上三种类别，虽然原理各异，但都是局限在图像局部的操作，空间复杂度是O(1)级别的。
那么，这些算法，一定是可以并行化的。
问题三、如何并行？
实际上，css3中的filter属性，和我们熟悉的transform一样，是强制使用强制使用GPU渲染的。 也就是说，如果我们给video标签设置一个filter，像素间的计算便已经并行化了。
如果不使用css3中定义的属性，而自定义计算方式，仅靠video或者canvas方案，都无法唤起cpu，前面说的“中转”方案也无法直接使用。 这时候，我们就需要用到前端的一个强大武器——WebGL。
WebGL是一套实现了OpenGL标准的Web API，这其中也包括像素级的并行计算API——着色器（Shader）。 着色器定义了一个三维空间中的点，如何渲染成为屏幕上的一个像素点。 可以理解为WebGL渲染管道的最后一个步骤。 分为顶点着色器（Vertex Shader）和片元着色器（Fragment Shader）两个步骤，具体的工作原理有很多介绍OpenGL的教程都有提及，此处不再赘述。
利用WebGL提供的api，我们可以定义自己的Shader。 虽然是在Web上实现，但并不是使用Javascript语法，而是使用GLSL语法书写的。 关于具体的语法，这里也不再展开赘述。
在Web上使用自定义Shader进行渲染的过程，可以用下图来概括。
落实到具体实现过程，可以分为三步。
1、建立一个场景，并且把视频作为材质，贴到一个平面物体上。
2、对这个材质指定顶点着色器和片元着色器。
3、将物体置入场景，在屏幕中的canvas对象中渲染出来。
因为物体是简单的平面，所以我们的顶点着色器很简单，只要计算出每个像素的UV纹理坐标，传递给片元着色器就可以了。
代码语言：javascript复制varying vec2 vUv;
void main()
{
vUv = uv;
vec4 mvPosition = modelViewMatrix * vec4( position, 1.0 );
gl_Position = projectionMatrix * mvPosition;
}在片元着色器里，我们通过下面的语句
代码语言：javascript复制gl_FragColor = texture2D( texture, vUv );取到这个点的实际色值，然后开始真正的像素映射计算。
灰阶：
代码语言：javascript复制float gray = 0.2989*gl_FragColor.r 0.5870*gl_FragColor.g 0.1140*gl_FragColor.b;
gl_FragColor = vec4(gray,gray,gray , gl_FragColor.a);反向：
代码语言：javascript复制float reverser=1.0 - gl_FragColor.r;
float reverseg=1.0 - gl_FragColor.g;
float reverseb=1.0 - gl_FragColor.b;
gl_FragColor = vec4(reverser,reverseg,reverseb,gl_FragColor.a);下面是两个较为复杂的效果实现。
雪花怀旧效果:
代码语言：javascript复制float dx = fract(sin(dot(vUv ,vec2(12.9898,78.233))) * 43758.5453);
vec3 cResult = gl_FragColor.rgb gl_FragColor.rgb * clamp( 0.1 dx, 0.0, 1.0 );
vec2 sc = vec2( sin( vUv.y * 4096.0 ), cos( vUv.y * 4096.0 ) );
cResult = gl_FragColor.rgb * vec3( sc.x, sc.y, sc.x ) * 0.025;
cResult = gl_FragColor.rgb clamp( 0.35, 0.0,1.0 ) * ( cResult - gl_FragColor.rgb );
if( false ) {
cResult = vec3( cResult.r * 0.3 cResult.g * 0.59 cResult.b * 0.11 );
}
float oldr=0.393*cResult[0] 0.769*cResult[1] 0.189*cResult[2];
float oldg=0.349*cResult[0] 0.686*cResult[1] 0.168*cResult[2];
float oldb=0.272*cResult[0] 0.534*cResult[1] 0.131*cResult[2];
gl_FragColor = vec4( oldr,oldg,oldb , gl_FragColor.a);（参考了Threejs官方范例）
绿幕抠图Chroma Keying：
代码语言：javascript复制float rgb2cb(float r, float g, float b){
return 0.5 -0.168736*r - 0.331264*g 0.5*b;
}
float rgb2cr(float r, float g, float b){
return 0.5 0.5*r - 0.418688*g - 0.081312*b;
}
float smoothclip(float low, float high, float x){
if (x <= low){
return 0.0;
}
if(x >= high){
return 1.0;
}
return (x-low)/(high-low);
}
vec4 greenscreen(vec4 colora, float Cb_key,float Cr_key, float tola,float tolb, float clipBlack, float clipWhite){
float cb = rgb2cb(colora.r,colora.g,colora.b);
float cr = rgb2cr(colora.r,colora.g,colora.b);
float alpha = distance(vec2(cb, cr), vec2(Cb_key, Cr_key));
alpha = smoothclip(tola, tolb, alpha);
float r = max(gl_FragColor.r - (1.0-alpha)*color.r, 0.0);
float g = max(gl_FragColor.g - (1.0-alpha)*color.g, 0.0);
float b = max(gl_FragColor.b - (1.0-alpha)*color.b, 0.0);
if(alpha < clipBlack){
alpha = r = g = b = 0.0;
}
if(alpha > clipWhite){
alpha = 1.0;
}
if(clipWhite < 1.0){
alpha = alpha/max(clipWhite, 0.9);
}
return vec4(r,g,b, alpha);
}
float tola = 0.0;
float tolb = u_threshold/2.0;
float cb_key = rgb2cb(color.r, color.g, color.b);
float cr_key = rgb2cr(color.r, color.g, color.b);
gl_FragColor = greenscreen(gl_FragColor, cb_key, cr_key, tola, tolb, u_clipBlack, u_clipWhite);（参考了github上的开源项目greenscreen）
以Chroma Keying算法为例，看起来代码比较长，我们可以分解一下它的核心原理，简要描述如下：
1、计算key色的红、蓝分量，组成向量A。 2、计算目标颜色的红蓝分量，组成向量B。 3、计算两个向量的距离（一个分量在另一个分量上的投影） 当AB向量接近，alpha趋于1 AB向量很远，alpha趋于0 4、以alpha作为过滤指标，滤掉目标颜色rgb值中的key色分量，计算出该点的rgb值 5、将1-alpha作为该点的透明度值（rgba中的a） 6、将该点像素值设置为新的rgba
提取分量A、B，计算alpha值，并设置新颜色的算法，可以用下图表示
通过这样的映射，我们可以很好地处理半透明边缘、模糊边缘
上图是应用在QQ-AR透明Webview项目中的案例
更多的滤镜算法，可以参考其他图形图像方面的资料。
虽然看似复杂，但上述所有算法，都是局部像素的浮点数计算。 我们把它们放进GPU中充分并行之后
得到是Chrome console资源消耗图
可以看出，计算重心转移到了GPU，cpu仍是相对空闲的。
我们对QQ-AR透明Webview中的示例进行帧率考察
可以看出，在使用gpu并行计算时，滤镜几乎不会引发掉帧。
除了定义Shader之外，我们在建立场景时，还要考虑如何完成从3D到2D的合理映射。 如何把视频作为材质渲染到场景中，并且刚好填满视口？ 我们知道，一个三维场景是通过摄像机来映射到二维视口的。
传统的投影相机，有近大远小的问题。 实际上，我们很难通过视频素材本身的宽高，计算出最终视口的宽高。
这里要用到OrthographicCamera（正交相机）
正交相机没有投影变形，所以也就不存在近大远小准则。 在建立场景时，只要保证相机视口的尺寸和渲染物体的尺寸相同。 渲染物体尺寸又根据视频本身的长宽来取。 就可以建立一个视频同等大小的WebGL Canvas场景。
下面是核心代码
（使用了Three.js操作WebGL api）
代码语言：javascript复制//取到video标签
var video = document.getElementById(videoId);
//设置场景
var scene = new THREE.Scene();
var renderer = new THREE.WebGLRenderer( { antialias: true,alpha: true } );
document.getElementById(container).appendChild(renderer.domElement);
renderer.setClearColor(0xffffff,0);
renderer.setSize( video.width, video.height );
//设置正交相机
var camera = new THREE.OrthographicCamera(-2, 2, 1.5, -1.5, 1, 10);
camera.position.set(0, 0, 1);
scene.add(camera);
//设置平面物体，并将视频作为材质
var movieMaterial = new ChromaKeyMaterial(videoId, video.width, video.height, 0x00ff05,0);
var movieGeometry = new THREE.PlaneGeometry(4, 3);
var movie = new THREE.Mesh(movieGeometry, movieMaterial);
movie.position.set(0, 0, 0);
movie.scale.set(1, 1, 1);
movie.visible=false;
scene.add(movie);
//开始动画
video.play();
animate();
function animate() {
if( (video.currentTime>1) && movie.visible==false){
movie.visible=true;
}
requestAnimationFrame(animate);
renderer.render(scene, camera);
}说明1：ChromaKeyMaterial是继承了Three默认的ShaderMeterial实现的自定义材质类。
自定义类的代码较长，此处不再贴出，详细可以右键本文提供的案例代码。
说明2：animate函数里，通过video.currentTime来切换movie物体的显示隐藏，是为了预防平面物体在材质贴图完成前（视频还在载入时）的一段时间黑屏，实际项目中可以加入一些loading效果，以保证体验
问题四、兼容性如何？
不是所有的设备都兼容CSS3 filter（仅限Chrome内核） 也不是所有设备都支持WebGL标准（比如万恶的ie） 这是CANIUSE提供的WebGL兼容性结果。
这是腾讯大数据中心对移动设备兼容WebGL的统计结果。
实际上，由于x5内核的存在，在手机QQ中兼容WebGL的比例要比图上的16%更高一些。 下面则是我们使用上报的方式，对移动设备进行考察，得到的结果。
在移动端大部分设备都越来越先进的今天，为了duang出更好更酷炫的效果，在必要的场合使用WebGL方案是可取的。
总结
以上就是本文主要介绍的内容，在文章结尾，我们再重新看一遍开头的例子。
传送门
例子中，左边是一个普通视频，右边是使用Chroma Keying算法进行抠图的绿幕视频。 我对二者都应用了自定义的滤镜，并且开放了一部分参数由用户控制。
从例子中可以看出。 1、滤镜是可以叠加的（因为这些滤镜算法本质都是像素计算，只要把算法叠加起来就好了） 2、参数是可控的（因为算法的实现完全透明，所以我们对它有全权控制权，用起来足够灵活）
当然代价就是实现成本比较高，所以，对于简单的需求，我们仍推荐使用简单的方案（比如css3滤镜，svg滤镜）。 对于复杂的需求，再来使用本文提出的方案，定制个性化特效。
并且注意对于不兼容情况的降级处理（推荐降级成使用普通video标签来渲染，放弃滤镜）
WebGL的强大之处绝不仅于此，使用自定义Shader，我们还可以做更多的事情，比如曲面视频，球面视频等等，详细的应用场景，有待各位看官大神继续发掘。
