将像素计算移入Web Worker并配合transferable内存传递、分块并行、算法优化及降采样策略，可实现流畅实时滤镜。

把像素计算搬进 Web Worker 是实现流畅实时滤镜的关键一步。主线程只管绘制和交互，所有耗时的遍历、加权、卷积全交给后台线程处理，界面不会卡、动画不掉帧、用户操作始终响应如初。

数据必须用 transferable 方式传递

Canvas 的 ImageData 对象不能直接传给 Worker。主线程需提取其 data 属性——也就是底层的 Uint8ClampedArray，再通过 postMessage(data, [data.buffer]) 转移内存所有权：

• 调用 ctx.getImageData(0, 0, width, height) 获取原始像素
• 只取 imageData.data，别传整个 imageData
• 务必在第二个参数中写上 [data.buffer]，否则是拷贝而非转移，性能大打折扣
• Worker 收到后，可直接按索引修改 RGBA 值，无需重新构造数组

分块并行比单 Worker 更适合大图

一张 1920×1080 图像有约 207 万像素，单个 Worker 全量处理仍可能延迟明显。更实用的做法是切区域并发：

• 将图像按高度分成若干条带（如每块 64 行），每块一个任务
• 主线程生成多个 Worker 实例，或复用 Worker Pool 管理任务队列
• 每个 Worker 只处理自己那块的 Uint8ClampedArray 片段
• 结果按顺序拼回主缓冲区，一次 putImageData 刷新画布

Worker 内部要避开常见陷阱

Worker 不是“开了就快”，写法不对反而拖慢整体：

• 不要在循环里反复创建临时数组（如每次 new Uint8ClampedArray），尽量复用传入的 buffer 或预分配输出区
• 避免频繁通信：一次输入、一次输出，别为中间状态发十几次 message
• 滤镜算法本身要精简：灰度用加权平均（0.299R + 0.587G + 0.114B），别用 Math.pow；模糊用滑动窗口均值，不用二维高斯核
• Alpha 通道必须参与运算，否则透明边缘会出现色边或黑边

配合降采样才能真正“实时”

纯靠 Worker 并不能解决全部性能问题。真实场景下应叠加降采样策略：

• 先用 drawImage 把原图缩放到 1/4 或 1/8 尺寸（如 1920×1080 → 480×270）
• 只对这个小图做 Worker 滤镜，计算量下降至原来的 1/16～1/64
• 模糊后再放大绘制回目标区域，浏览器双线性插值能自然柔化边缘
• 对视频流还可加帧率节流（如每 3 帧处理 1 帧），留出余量响应用户操作