Android中关于图片的那些事儿

最近在面试中,被频繁询问到关于Android图片处理的问题,对于一个初级Android 开发者来说,只会使用,而不懂得原理是不行的。所以做一下记录:

图片缓存

Java中软引用SoftReference

  • Map<String,SoftReference<Bitmap>> imageCache
  • 原理:对一个需要引用的对象不进行直接引用,而是通过应用一个特定的SoftReference对象,然后再由该对象类去引用实际的对象。
  • 作用:被SoftReference对象引用的实际对象,在Java运行时,如果出现内存紧张的时候,会被适当的回收,释放内存,软引用对于内存较少的设备起到了对内存很好的利用率。
  • 我们从Google官方的Caching Bitmaps了解到,该方案的缓存策略已经被弃用了,只适用于Android2.3之前的设备,因为从Android2.3开始,GC更倾向于回收软、弱引用,这使得会出现以下这种情况,在Listview中使用软引用缓存异步加载图片的情况下,对Listview进行滑动时,还是会进行网络请求,因为软引用中的图片被回收,所以无法命中缓存中的图片。

Note: In the past, a popular memory cache implementation was a SoftReference or WeakReference bitmap cache, however this is not recommended. Starting from Android 2.3 (API Level 9) the garbage collector is more aggressive with collecting soft/weak references which makes them fairly ineffective. In addition, prior to Android 3.0 (API Level 11), the backing data of a bitmap was stored in native memory which is not released in a predictable manner, potentially causing an application to briefly exceed its memory limits and crash.

LruCache和LruMemoryCache

  • LruMemoryCache<String, Bitmap> mMemoryCache = new LruMemoryCache<String, Bitmap>(0.25f)
  • Google推荐使用的方案是:LruCache最少使用算法,当内存达到设定的最大值的时候,会将内存中最近最少使用的对象进行移除,避免OOM。
  • LruMemoryCache比LruCache多增加了一个缓存超期的处理。
LruCache原理

1.LruCache中LRU算法的实现是通过一个LinkedHashMap来实现的。LinkedHashMap继承于HashMap,使用一个双向链表来存储Map中的Enty顺序关系。
2.当我们执行Get方法从LruCache中取出对象时,将该对象移动到链表的末端。
3.当我们执行Put方法从LruCache中增加对象时,插入对象并将对象移动到链表的末端。
4.当设备内存达到设定的最大值时,将链表头部的对象,也就是最近最少使用的对象(最近最多使用的对象都被移动到链表的末端)移除。

图片失真

.9.png图片

  • 对于本地图片,我们采用.9图片,是Android提供的一种特殊的图片技术,将图片横向和纵向同时进行拉伸,以实现在多分辨率下的不失真的效果。

Options.inJustDecodeBounds

  • 对于网络中的图片,我们可以采用压缩图片的方式。我们根据控件的大小(显示到屏幕上的大小)来缩放图片的inSamplesize(ex:显示图片控件大小为12896像素,那么就不需要用到1024768像素)
  • 注意:由于解码会占用内存,通过设置options.inJustDecodeBounds为true,在进行解码就不会申请内存创建Bitmap,会返回一个空的Bitmap,但是可以从中获取到图片的属性。
计算压缩图片的比例
int calculateInSampleSize(BitmapFactory.Options options,int reqWidth,int reqHeight){
  final int height = options.outHeight;
  final int width = options.outWidth;
  int inSampleSize = 1;
  if(height > reqHeight || width > reqWidth){
      final int heightRatio = Math.round((float)height/(float)reqHeigth);
      final int widhtRatio  = Math.round((float)width/(float)reqWidth);
      inSampleSize = heightRatio < widthRadio ? heightRatio : widthRatio;
  }
  return inSampleSize;
}
对图片进行压缩处理
options.inJustDecodeBounds = true;
BitmapFactory.decodeFile(filePath,options);
options.inSampleSize = calculateInSampleSize(options,480,800);
optons.inJustDecodeBounds = false;
return BtimapFactory.decodeFile(filePath,options);
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容