HTML5 Worker本身不提供图像模糊检测能力，需在Worker中用OffscreenCanvas和Laplacian方差算法实现：主线程传ArrayBuffer，Worker解码后计算灰度图Laplacian响应方差，方差小则模糊。

在HTML5中，Worker本身不直接提供图像质量或模糊度检测能力，它只是运行JavaScript的独立线程。真正起作用的是在Worker中加载并执行图像分析算法（如基于频域、梯度、Laplacian方差等方法），避免阻塞主线程。关键在于：把计算密集型的图像处理逻辑从UI线程剥离，用Canvas + ImageData + 算法在Worker里完成，再将结果返回。

1. 前提：主线程读取图片并传入Worker

用户选择文件后，主线程用FileReader读取为ArrayBuffer或data URL，再通过postMessage发送给Worker。推荐传ArrayBuffer（更高效，避免Base64编码开销）：

• 使用file.arrayBuffer()获取原始字节数据
• Worker中用createImageBitmap()或URL.createObjectURL(new Blob([buffer]))加载图像（注意跨域限制）
• 若需像素级分析，最终要转成OffscreenCanvas（支持Worker环境）或降级用纯JS解码（如jpeg-js、pngjs等轻量库）

2. Worker中实现模糊度检测（Laplacian方差法）

这是最常用、轻量且有效的无参考模糊判别方法。核心是：清晰图像的Laplacian算子响应方差大，模糊图像则方差小。Worker中可这样实现：

anything-to-html

将调研报告、方案对比、数据分析、需求梳理、会议纪要、设计说明、代码评审、学习笔记等任务产物输出为可在浏览器直接打开的单文件 HTML，替代 Markdown 作为最终交付物。Markdown 在信息密度、视觉清晰度和可分享性上已跟不上 AI 产物的丰富度，HTML 能同时承载排版、表格、SVG 等。

下载

• 用OffscreenCanvas（Chrome/Firefox支持）绘制图像并获取ImageData
• 对灰度图逐像素计算Laplacian近似值（如kernel = [[0,-1,0],[-1,4,-1],[0,-1,0]]）
• 统计所有响应值的方差（variance = mean(x²) − mean(x)²）
• 设定阈值（如variance 视为明显模糊），返回布尔值或具体分值

3. 补充质量评估：简单JPEG压缩伪影检测

仅靠模糊度不够，可叠加轻量压缩质量判断：

立即学习“前端免费学习笔记（深入）”；

• 提取图像DCT低频块（需引入微型JPEG解析器，如jpeg-js在Worker中解码）
• 观察8×8 DCT系数中高频零值比例——高压缩率会导致高频大量为0
• 结合块效应（相邻8×8块DC值突变程度）粗略打分
• 这些操作耗时可控，适合Worker，但避免全图DCT（太重），只采样中心+四角共5个块即可

4. 注意事项与兼容性处理

并非所有浏览器都支持Worker中完整图像API：

• OffscreenCanvas在Safari中仍受限，可降级为“主线程解码 → 提取ImageData → postMessage像素数组到Worker”
• 确保Worker脚本路径正确，且服务端允许Cross-Origin-Embedder-Policy: require-corp（尤其用createImageBitmap时）
• 大图建议先缩放到512×512以内再分析，平衡精度与性能
• 返回结果应包含score、isBlurry、reason等字段，方便UI反馈