当前位置:首页 > 文章列表 > 文章 > 前端 > P5.js预加载JSON图片数据方法

P5.js预加载JSON图片数据方法

2025-08-11 23:18:32 0浏览 收藏

在 p5.js 中,如何高效预加载 JSON 数据和图片资源?本文针对 p5.js 开发中常见的资源预加载问题,特别是 JSON 数据驱动的图片加载,提供了详细的解决方案。由于 `loadJSON()` 和 `loadImage()` 的异步特性,直接加载可能导致图片未完全加载就开始执行后续代码。本文重点讲解如何利用 `loadJSON()` 的回调函数,确保 JSON 数据加载完成后,再逐一加载图片资源,并通过计数器跟踪加载进度。通过示例代码,清晰展示了如何避免资源未加载完全的问题,并在所有图片加载完毕后,才开始执行 `setup()` 函数和后续的绘制操作。掌握此方法,能有效提升 p5.js 应用的用户体验,避免出现资源加载导致的显示错误。

使用 p5.js 预加载 JSON 数据中的图片

本文旨在解决 p5.js 中预加载 JSON 数据,并根据 JSON 数据中的文件名列表加载图片资源的问题。由于 loadJSON() 和 loadImage() 都是异步函数,直接使用会导致图片未加载完成就开始执行后续代码。本文将介绍如何利用 loadJSON() 的回调函数确保在所有图片加载完成后再开始执行 setup() 函数,避免出现资源未加载完全的问题。

利用 loadJSON 的回调函数

loadJSON() 函数允许传入一个回调函数作为第二个参数。这个回调函数会在 JSON 数据加载完成后被调用。我们可以利用这个特性,在回调函数中加载图片,从而保证 JSON 数据加载完成后再加载图片。

示例代码

假设你有一个名为 images.json 的文件,内容如下:

{
  "images": ["1.jpg", "2.jpg", "3.jpg"]
}

以下代码展示了如何使用 loadJSON() 的回调函数来加载图片:

let imgData;
let images = [];
let numImagesLoaded = 0;

function preload() {
  imgData = loadJSON("images.json", data => {
    imgData = data; // 确保 imgData 在回调函数外部可用
    for (let filename of imgData.images) {
      loadImage(filename, img => {
        images.push(img); // 将加载的图片添加到数组中
        numImagesLoaded++;
        if (numImagesLoaded === imgData.images.length) {
          console.log("所有图片加载完成!");
        }
      });
    }
  });
}

function setup() {
  createCanvas(400, 400);
  imageMode(CENTER);
}

function draw() {
  background(220);
  // 确保所有图片加载完成后再绘制
  if (numImagesLoaded === imgData.images.length) {
    for(let i = 0; i < images.length; i++){
      image(images[i], width / 2 + i * 50, height / 2, 50, 50);
    }
  } else {
    text("Loading...", width / 2, height / 2);
    textAlign(CENTER, CENTER);
  }
}

代码解释

  1. preload() 函数:
    • 使用 loadJSON("images.json", data => { ... }) 加载 JSON 数据。data 参数是加载完成的 JSON 对象。
    • 在回调函数中,遍历 imgData.images 数组,使用 loadImage() 函数加载每个图片。
    • loadImage() 函数同样是异步的,所以我们使用它的回调函数来跟踪图片的加载进度。
    • 每次图片加载完成,numImagesLoaded 计数器加 1。
    • 当 numImagesLoaded 等于 imgData.images.length 时,表示所有图片都已加载完成。
  2. setup() 函数:
    • 创建画布。
    • 设置 imageMode(CENTER),使图片以中心点为基准绘制。
  3. draw() 函数:
    • 清空画布。
    • 检查 numImagesLoaded 是否等于 imgData.images.length。如果是,则绘制所有图片;否则,显示 "Loading..." 文本。

注意事项

  • 确保 images.json 文件存在,并且文件路径正确。
  • loadImage() 函数也是异步的,所以需要使用回调函数来跟踪图片的加载进度。
  • 在 draw() 函数中,需要检查所有图片是否加载完成,然后再进行绘制操作,避免出现错误。
  • 如果图片数量很多,可以使用更高效的加载方式,例如使用 Promise 或 async/await。

总结

通过使用 loadJSON() 的回调函数,我们可以确保在 JSON 数据加载完成后再加载图片,从而避免出现资源未加载完全的问题。这种方法简单易懂,适用于大多数情况。同时,需要注意 loadImage() 函数也是异步的,需要使用回调函数来跟踪图片的加载进度。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《P5.js预加载JSON图片数据方法》文章吧,也可关注golang学习网公众号了解相关技术文章。

CSS打印样式设置方法@mediaprint详解CSS打印样式设置方法@mediaprint详解
上一篇
CSS打印样式设置方法@mediaprint详解
Golang零拷贝IO实现:unsafe.Pointer与系统调用优化
下一篇
Golang零拷贝IO实现:unsafe.Pointer与系统调用优化
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    446次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    517次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    532次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    478次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    303次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码