Bitmap-让图片加载更高效

0. 效果图

1. 基本概念

  • Bitmap(位图)是Android系统中图像处理最重要的类之一。

  • Bitmap可以获取到图片的信息:高和宽的像素值以及总的像素值、alpha像素值等。

  • Bitmap获取到图片信息后,可以对其进行裁剪、缩放等操作。

  • Bitmap可以通过一个Bitmap创建新的Bitmap。

  • 总之:Bitmap为我们程序员提供了对图像文件的操作支持。(就像File类为我们提供了对本地本件的操作支持一样)

2. 高效加载应用场景

  • 假设通过ImageView来显示图片,但是很多时候ImageView并没有图片的原始尺寸那么大,这个时候把整个图片加载进来后再设给ImageIiew根本没有必要,因为ImageView没有办法显示原始的图片。
  • 通过BitmapFactory.Options就可以按一定的采样率来加载缩小后的图片,将缩小后的图片在ImageView中显示,这样就会降低内存占用从而在一定程度上避免OOM,提高了Btimap加载时的性能。
  • BitmapFactory提供的加载图片的四类方法都支持BitmapFactory.Options参数,通过四类加载方式可以很方便的对一个图片进行采样缩放。

3. 高效加载的核心思想

  • 采用BitmapFactory.Options来加载所需尺寸的图片。

4. 四种Bitmap的加载方式

  • decodeFile:从文件系统中加载
  • decodeResource: 从资源中加载
  • decodeStream:从输入中流加载
  • decodeByteArray:从字节数组中加载

5. 具体分析高效加载

  • 通过BitmapFactory.Options来缩放图片,主要是用到了它的inSampleSize参数,即采样率。
  • 当inSampleSize为1时,采样后的图片大小为图片的原始大小;当inSampleSize大于1时,比如为2,那么采样后的图片其宽/高均为原图大小的1/2,而像素数为原图的1/4,其占有的内存大小也为原图的1/4.
  • 拿一张1024 x 1024像素的图片来说,假定采用ARG8888格式存储,那么占有的内存为1024 x 1024 x 4,即4M(ARG8888 代表每个像素占8个字节,也就是1个byte,1024个byte等于1kb,1024kb是1M),如果inSampleSize为2,那么采样后的图片其内存占有只有512 x 512 x 4,即1MB.
  • 可以发现采样率inSampleSize必须是大于1的整数,图片才会有缩小的效果,并且采样率同时作用于宽/高,这将导致缩放后的图片以采样率的2次方形式递减,即缩放比例为1/(inSampleSize 的2次方),比如inSampleSize为4,那么缩放比例就是1/16.
  • 有一种特殊的情况:inSampleSize小于1时,其作用相当于1,即无缩放效果。

6. 采样率的开发建议

  • inSampleSize的取值应该总是2的指数,比如1、2、4、8、16,等等。如果外界传递给系统的inSampleSize不为2的指数,那么系统会向下取整并选择一个最接近的2的指数来代替,比如3,系统会选择2来代替,当然由于国内手机的私人订制,并非所有Android版本上都成立,因此把它当作一个开发建议即可。

7. 获取采样率的步骤

步骤:

  1. 将BitmapFactory.Options的inJustDecodeBounds参数设为true并加载图片。
  2. 从BitmapFactory.Options中取出图片的原始宽高信息,它们对应于outWidth和outHeight参数。
  3. 根据采样率的规则并结合目标View的所需大小计算出采样率inSampleSize
  4. 将BitmapFactory.Options的inJustDecodeBounds参数设为false,然后重新加载图片。

注意:

  • InJustDecodeBounds参数,当此参数设置为true时,Bitmap只会解析图片的原始宽/高信息,并不会去真正地加载图片。
  • 这个时候BitmapFactory获取的图片宽和高的信息和图片的位置以及程序运行的设备有关,比如同一张图片放在不同的drawable目录下或者运行在不同屏幕密度的设备上,都可能导致BitmapFactory获取到不同的结果。

8. 代码实现

 public static Bitmap decodeSampledBitmapFromResource(Resources res, int resId, int reqWidth, int reqHeight) {
        BitmapFactory.Options options = new BitmapFactory.Options();
        options.inJustDecodeBounds = true;
        options.inPreferredConfig = Bitmap.Config.RGB_565;
        BitmapFactory.decodeResource(res, resId, options);

        options.inSampleSize = calulateInSampleSize(options, reqWidth, reqHeight);

        options.inJustDecodeBounds = false;
        return BitmapFactory.decodeResource(res, resId, options);
    }

    private static int calulateInSampleSize(BitmapFactory.Options options, int reqWidth, int reqHeight) {
        if (reqWidth == 0 || reqHeight == 0) {
            return 1;
        }
        int outHeight = options.outHeight;
        int outWidth = options.outWidth;
        int inSampleSize = 1;

        if (outHeight > reqHeight || outWidth > reqWidth) {
            int halfHeight = outHeight / 2;
            int halfWidth = outWidth / 2;
            while ((halfHeight / inSampleSize) >= reqHeight && (halfWidth / inSampleSize) >= reqWidth) {
                inSampleSize *= 2;
            }
        }
        return inSampleSize;
    }
 Bitmap bitmap = decodeSampledBitmapFromResource(getResources(), R.drawable.testbitmap, 300, 300);
                imageView.setImageBitmap(bitmap);

说明:创建drawable-xxxhdpi文件夹,文件夹下放一张3840*2160的图片,然后我们用bitmap来加载为300x300的图片。如文章开头图片。

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 219,635评论 6 508
  • 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 93,628评论 3 396
  • 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 165,971评论 0 356
  • 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 58,986评论 1 295
  • 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 68,006评论 6 394
  • 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 51,784评论 1 307
  • 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 40,475评论 3 420
  • 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 39,364评论 0 276
  • 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 45,860评论 1 317
  • 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 38,008评论 3 338
  • 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 40,152评论 1 351
  • 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 35,829评论 5 346
  • 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 41,490评论 3 331
  • 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 32,035评论 0 22
  • 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 33,156评论 1 272
  • 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 48,428评论 3 373
  • 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 45,127评论 2 356

推荐阅读更多精彩内容