一. 介绍

　　最近参与的一个项目Marmot中需要根据点坐标绘制热力图。

　　热力图

　　以特殊高亮的形式显示访客热衷的页面区域或访客所在的地理区域

　　特点为：

　　1. 可以显示不可点击区域发生的事情。你将发现用户经常会点击那些不是链接的地方，也许你应该在那个地方放置一个资源链接。比如：如果你发现人们总是在点击某个产品图片，你能想到的是，他们也许想看大图，或者是想了解该产品的更多信息。 同样，他们可能会错误地认为特别的图片就是导航链接。

　　2. 热力图同时还能告诉你，页面的哪些部分吸引了大多数用户的注意。这对那些对web分析数据没有很多经验的产品人员非常有用。

　　3. 如果你在一个页面上有多个链接指向同一个URL，例如：如果有不同位置的3个链接指到同一个特定的产品页面 ，那么热力图将会显示你的访客最喜欢点击哪一个链接，这将帮助你提升网页的设计并让它对用户更加友好，不过实现这个功能需要一些设置。…………

　　实例如下：

　　

 

　　需要注意的是上图实例粒度粗，梯度小，容差大。反映了热力图的一个属性：趋势相关。不过，热力图也可以做到粒度细，梯度大，容差小。这完全是依据采样数据的精确性以及分析需求来做的。给个例子(Google的眼动分析[焦点梯度]图):

　　

 

　　下面介绍热力图绘制的方法，注意，以下代码并没有检测数据有效性，也没有对数据进行过滤，剔除脏数据，同时没有处理异常。实际使用时请不要忽略此类情况，否则会对最终结果造成干扰……

　　二. 绘制

　　问题描述：

　　假设有一块画布，1200px*2000px尺寸，一组坐标数据，格式为[x,y]二维数组，量级为10000~100000，采样粒度为7*7。依据点坐标的分布密度绘制热力图

　　方法一

　　思路：使用canvas元素标签将所有点绘制到画布上，每个点给予较低的透明度。然后获取画布每个点的位数据，根据其alpha值(alpha ∈ [0, 255])的大小计算每一位的r，g，b的值，得出所有新的位数据之后，重新绘制。使之呈现为红色↔蓝色渐变。

　　代码：

　　/*假设点坐标为aXY，二维数组*/

　　var aXY = [[x1, y1], [x2, y2], [x3, y3], [x4, y4]...];

　　//获取canvas的context

　　var context = canvas.getContext('2d');

　　var pi2 = Math.PI * 2;

　　//设置填充样式，透明度为0.1

　　context.fillStyle = 'rgba(255,30,0,0.1)';

　　for (var i = 0, len = aXY.length; i < len; i++) {

　　var x = aXY[i][0], y = aXY[i][1];

　　context.beginPath();

　　//绘制圆点

　　context.arc(x, y, 6, 0, pi2, true);

　　context.closePath();

　　context.fill();

　　}

　　//获取这个画布的位数据

　　var imgd = context.getImageData(0, 0, 1200, 2000);

　　var pix = imgd.data;

　　// 循环计算rgb，使之根据alpha值映射到红蓝渐变

　　for (var i = 0, n = pix.length; i < n; i += 4) {

　　//位数据的格式为[rgbargbargba……]，每个rgba代表了每个点的rgba四个通道的值

　　var a = pix[i+3]; //alpha

　　//red

　　pix[i ] = 128 * Math.sin((1 / 256 * a - 0.5 ) * Math.PI ) + 200;

　　//green

　　pix[i+1] = 128 * Math.sin((1 / 128 * a - 0.5 ) * Math.PI ) + 127;

　　//blue,128之后直接衰减为0

　　pix[i+2] = 256 * Math.sin((1 / 256 * a + 0.5 ) * Math.PI );

　　pix[i+3] = pix[i+3] * 0.8;

　　}

　　context.putImageData(imgd, 0, 0);

　　上面的代码将会呈现：

　　

 

　　显而易见，这并不是热力图，但是可以精确反映每个点的分布密度，红色表示在该区域的点数据较多，浅，蓝色表示密度小。那么如何改进?

　　使用径向渐变代替圆点的绘制，用以表示每一个点向周围的点的辐射，渐变色的叠加可以展现梯度变换的效果。

　　代码如下：

　　var aXY = [[x1, y1], [x2, y2], [x3, y3], [x4, y4]...];

　　var context = canvas.getContext('2d');

　　for (var i = 0, len = aXY.length; i < len; i++) {

　　var x = aXY[i][0], y = aXY[i][1];

　　//绘制径向渐变

　　var radgrad = this.context.createRadialGradient(x, y, 1, x, y, 8);

　　//锚点

　　radgrad.addColorStop( 0, 'rgba(255,30,0,1)');

　　//锚点

　　radgrad.addColorStop( 1, 'rgba(255,30,0,0)');

　　context.fillStyle = radgrad;

　　context.fillRect( x - 8, y - 8, 16, 16);

　　}

　　效果如下:

　　

 

　　方案度量：这是比较简单的实现方案，稍微麻烦的地方在于根据alpha值计算红蓝绿值，使得alpha高的地方显示红色，alpha低的显示蓝色，中间部分显示黄/绿色(考虑到效率与简单性，使用了简单的三角函数，如果需要更为精确的色相渐变，可以使用幂次变换)。同时这个方案的缺点也十分明显：在点数据量低的时候效率很高，但是点数据超过10000之后就会有明显的时间延迟>3s，原因在于循环绘制渐变色会消耗资源。其次该方案的性能也会取决于画布的大小。画布大的情况，比如画布尺寸为1200*3000，对其取位数据的时候，将会循环360万次，同时进行3*360万sin运算~~对于客户端性能是个问题。

　　方法二

　　思路：对所有点数据进行计算，得出每个点的密度值，然后依据密度值由低到高，绘制点数据。

　　代码：

　　var points = [[x1, y1], [x2, y2], [x3, y3], [x4, y4]...];

　　var cache = {};

　　//计算每个点的密度

　　for (var i = 0, len = points.length; i < len; i++) {

　　for (var j = 0, len2 = points[i].length; j < len2; j++) {

　　var key = points[i][j][0] + '*' + points[i][j][1];

　　if (cache[key]) {

　　cache[key] ++;

　　} else {

　　cache[key] = 1;

　　}

　　}

　　}

　　//点数据还原

　　var oData = [];

　　for (var m in cache) {

　　if (m == '0*0') continue;

　　var x = parseInt(m.split('*')[0], 10);

　　var y = parseInt(m.split('*')[1], 0);

　　oData.push([x, y, cache[m]]);

　　}

　　//简单排序，使用数组内建的sort

　　oData.sort(function(a, b){

　　return a[2] - b[2];

　　});

　　var max = oData[oData.length - 1][2];

　　var pi2 = Math.PI * 2;

　　//设置阈值，可以过滤掉密度极小的点

　　var threshold = this._points_min_threshold * max;

　　//alpha增强参数

　　var pr = (Math.log(245)-1)/245;

　　for (var i = 0, len = oData.length; i < len; i++) {

　　if (oData[i][2] 0 ? 0 : 1);

　　//q参数用于平衡梯度差，使之符合人的感知曲线log2N，如需要精确梯度，去掉log计算

　　var q = parseInt(Math.log(oData[i][2]) / Math.log(max) * 255);

　　var r = parseInt(128 * Math.sin((1 / 256 * q - 0.5 ) * Math.PI ) + 200);

　　var g = parseInt(128 * Math.sin((1 / 128 * q - 0.5 ) * Math.PI ) + 127);

　　var b = parseInt(256 * Math.sin((1 / 256 * q + 0.5 ) * Math.PI ));

　　var alp = (0.92 * q + 20) / 255;

　　//如果需要灰度增强，则取消此行注释

　　//var alp = (Math.exp(pr * q + 1) + 10) / 255

　　var radgrad = this.context.createRadialGradient(oData[i][0], oData[i][1], 1, oData[i][0], oData[i][1], 8);

　　radgrad.addColorStop( 0, 'rgba(' + r + ',' + g + ','+ b + ',' + alp + ')');

　　radgrad.addColorStop( 1, 'rgba(' + r + ',' + g + ','+ b + ',0)');

　　this.context.fillStyle = radgrad;

　　this.context.fillRect( oData[i][0] - 8, oData[i][1] - 8, 16, 16);

　　}

　　以上代码结果如下：

　　

 

　　大约处理了25000个点，用时大约700ms(鄙人的小本性能还行)。属于可接受范围内。

　　方案度量：此方案性能比方案一有明显优势。目前Marmot采用此方案。

　　原文：%e5%9f%ba%e4%ba%8ecanvas%e7%9a%84%e7%83%ad%e5%8a%9b%e5%9b%be%e7%bb%98%e5%88%b6%e6%96%b9%e6%b3%95/

　　本文链接：