【亲测免费】 浏览器图片压缩库Browser Image Compression技术文档
2026-01-25 04:44:42作者:郁楠烈Hubert
本技术文档旨在详细指导用户如何使用Browser Image Compression库来在前端实现高效图片压缩功能。此库支持JPEG、PNG、WebP和BMP格式的图片,并可通过调整分辨率或存储大小来优化上传到服务器前的图片数据,有效节省带宽。
安装指南
使用npm或yarn(推荐)
在终端执行以下命令以将库添加至您的项目:
npm install browser-image-compression --save
# 或者如果您使用yarn
yarn add browser-image-compression
之后,在JavaScript文件中通过ES模块引入:
import imageCompression from 'browser-image-compression';
使用UMD版本或CDN
若不使用构建工具,可以直接通过CDN加载库:
<script type="text/javascript" src="https://cdn.jsdelivr.net/npm/browser-image-compression@2.0.2/dist/browser-image-compression.js"></script>
随后在全球作用域下即可访问imageCompression函数。
项目使用说明
基础使用
通过HTML中的文件输入元素收集图片,并调用imageCompression处理图片。
<input type="file" accept="image/*" onchange="handleImageUpload(event);">
异步等待语法示例
async function handleImageUpload(event) {
const imageFile = event.target.files[0];
const options = {
maxSizeMB: 1,
maxWidthOrHeight: 1920,
useWebWorker: true,
};
try {
const compressedFile = await imageCompression(imageFile, options);
console.log(`压缩后的文件大小:${compressedFile.size / 1024 / 1024} MB`);
// 自定义上传逻辑
// uploadToServer(compressedFile);
} catch (error) {
console.error(error);
}
}
承诺链语法示例
function handleImageUpload(event) {
var imageFile = event.target.files[0], options = {
maxSizeMB: 1,
useWebWorker: true
};
imageCompression(imageFile, options)
.then(function (compressedFile) {
console.log(`压缩后的文件大小:${compressedFile.size / 1024 / 1024} MB`);
// 自定义上传逻辑
})
.catch(function (err) {
console.error(err.message);
});
}
API使用文档
主要函数imageCompression(file, options)接收一个File对象以及包含压缩选项的对象。关键选项包括:
maxSizeMB: 图片最大压缩后大小(MB),默认无限制。maxWidthOrHeight: 最大宽度或高度,自动按比例缩小直到不超过该值,同时考虑浏览器的最大Canvas尺寸限制。onProgress(progress): 进度回调函数。useWebWorker: 是否使用Web Worker进行非阻塞压缩,默认启用。libURL: 工作线程中使用的库地址,默认为CDN链接。preserveExif: 是否保留EXIF信息,默认不保留。signal: 可用于取消操作的AbortSignal对象。- 更多高级选项如:
maxIteration,exifOrientation,fileType,initialQuality,alwaysKeepResolution等,供深入定制使用。
注意事项
项目特性与限制
- 兼容性良好,覆盖了最新版本的主要浏览器,对于不支持现代ES特性的IE,需要手动引入
core-js等polyfill。 - 提供了辅助函数以应对高级需求,例如从文件获取data URL、将data URL转换回文件等。
- 默认情况下不支持旧版IE,需额外配置才能在这些环境中运行。
结论
Browser Image Compression提供了一个简洁而强大的API,使得前端开发者能够轻松地在浏览器端实施图片压缩策略,不仅优化了用户体验,也提升了应用程序的整体性能和效率。合理利用其提供的选项和特性,可以有效适应各种图片处理场景,满足不同应用的需求。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220