Canvas实现“找不同”需逐像素比对RGBA值并高亮差异区域：先加载等尺寸图片并校验，再用亮度差值+Alpha加权容错比对，接着聚类连通差异点生成外接矩形，最后通过膨胀、悬停提示、缩放居中等优化交互体验。
用 Canvas 实现“找不同”核心在于逐像素比对两张图片的 RGBA 值，找出差异区域并高亮显示。关键不是简单判断“是否相等”，而是要容忍轻微色差、处理透明通道、定位差异坐标，并可视化标记。
一、准备两张等尺寸图片并加载到 Canvas
两张图必须严格同宽高（否则无法逐像素比对），建议先用 JavaScript 检查尺寸一致性：
- 创建两个
<canvas>元素（或复用一个），分别用drawImage()绘制图片 - 确保图片已完全加载（监听
img.onload），再执行绘制和读取操作 - 调用
getContext('2d').getImageData(x, y, width, height)获取像素数据
二、逐像素比对 RGBA 值（带容错）
直接全等比较（r1===r2 && g1===g2...）极易失败——压缩、色彩空间转换、抗锯齿都会导致微小偏差。推荐用“亮度差值 + Alpha 加权”策略：
- 对每个像素位置
(x, y)，分别取出两图的data1[i]和data2[i]（i = (y * width + x) * 4） - 计算 RGB 差值平方和：
diff = (r1−r2)² + (g1−g2)² + (b1−b2)² - 设定阈值（如 50～200），
diff > threshold且alpha1 > 30 && alpha2 > 30才视为有效差异（排除半透明边缘干扰）
三、聚合差异点生成高亮区域
单个像素高亮不可见也不实用，需聚类为连通区域：
立即学习“前端免费学习笔记（深入）”；
- 遍历所有差异像素坐标，存入数组
diffPoints = [{x, y}, ...] - 用简单四邻域连通算法（BFS 或扫描线填充）合并相邻差异点
- 对每个连通块计算最小外接矩形：
left=minX, top=minY, right=maxX, bottom=maxY - 在画布上用半透明红色矩形（
fillStyle = 'rgba(255,0,0,0.3)'）绘制这些矩形
四、增强体验的小技巧
纯像素比对结果可能包含噪点或误检，加些优化更贴近真实“找不同”逻辑：
- 对差异区域做形态学膨胀（+2px 边框），让小差异更易察觉
- 鼠标悬停矩形时，在 canvas 上方浮层显示“第 X 处不同”文字提示
- 支持点击矩形自动缩放/居中该区域（用
ctx.scale()+ctx.translate()） - 提供“显示全部差异”/“逐个揭示”切换按钮，后者配合计数器和点击反馈
不复杂但容易忽略：务必在 getImageData 前确保 canvas 已绘制完成，且图片无跨域问题（需设置 img.crossOrigin = 'anonymous'，服务端配合 CORS 头）。
