Glide 采样率 inSampleSize 计算


DownsampleStrategy 策略 抽象类,Glide 提供以下 六种 策略。

public static final DownsampleStrategy FIT_CENTER = new FitCenter();
public static final DownsampleStrategy CENTER_OUTSIDE = new CenterOutside();
public static final DownsampleStrategy AT_LEAST = new AtLeast();
public static final DownsampleStrategy AT_MOST = new AtMost();
public static final DownsampleStrategy CENTER_INSIDE = new CenterInside();

public static final DownsampleStrategy NONE = new None();

public static final DownsampleStrategy DEFAULT = CENTER_OUTSIDE;

默认 CenterOutside。
根据源图片宽高,和目标展示请求的宽高,计算一个 scale 比例。

FitCenter 策略

@Override
public float getScaleFactor(int sourceWidth, int sourceHeight, int requestedWidth,
        int requestedHeight) {
    float widthPercentage = requestedWidth / (float) sourceWidth;
    float heightPercentage = requestedHeight / (float) sourceHeight;
    return Math.min(widthPercentage, heightPercentage);
}

计算 requested 宽/高和 source 宽/高的比例,最小值选择。
如果 requested 都小,按照最大 scale 选择 采样率。

CenterOutside 策略

@Override
public float getScaleFactor(int sourceWidth, int sourceHeight, int requestedWidth,
        int requestedHeight) {
    float widthPercentage = requestedWidth / (float) sourceWidth;
    float heightPercentage = requestedHeight / (float) sourceHeight;
    return Math.max(widthPercentage, heightPercentage);
}

和 FIT_CENTER 相反。
如果 requested 都小,返回值<1。按照最小 scale 选择 采样率,即 source 和 request 比例最接近的。

AtLeast 策略

@Override
public float getScaleFactor(int sourceWidth, int sourceHeight, int requestedWidth,
        int requestedHeight) {
    int minIntegerFactor = Math.min(sourceHeight / requestedHeight, sourceWidth / requestedWidth);
    return minIntegerFactor == 0 ? 1f : 1f / Integer.highestOneBit(minIntegerFactor);
}

计算 source 宽/高 和 request 宽/高 比例,最小值 minIntegerFactor。

如果 minIntegerFactor 是0,表示至少一项 source 小于 requested,按照 1 等比返回。
source 都大时,minIntegerFactor 不是0,是最接近比例。
Integer highestOneBit() 方法,返回<=该值的一个2的幂次方数,(例,如果是3,则返回2。),最终 返回比依然是 request / source。

AtMost 策略

@Override
public float getScaleFactor(int sourceWidth, int sourceHeight, int requestedWidth,
        int requestedHeight) {
    int maxIntegerFactor = (int) Math.ceil(Math.max(sourceHeight / (float) requestedHeight,
              sourceWidth / (float) requestedWidth));
    int lesserOrEqualSampleSize = Math.max(1, Integer.highestOneBit(maxIntegerFactor));
    int greaterOrEqualSampleSize =
          lesserOrEqualSampleSize << (lesserOrEqualSampleSize < maxIntegerFactor ? 1 : 0);
    return 1f / greaterOrEqualSampleSize;
}

source 宽/高 和 request 宽/高 比例,选择最大值,向上取整 maxIntegerFactor。
返回<= maxIntegerFactor 一个2的幂次方数 lesserOrEqualSampleSize。
如果取幂时变小,<< 翻倍操作,尽可能大。最终 返回比依然是 request / source。

CenterInside 策略

@Override
public float getScaleFactor(int sourceWidth, int sourceHeight, int requestedWidth,
        int requestedHeight) {
    return Math.min(1.f,
          FIT_CENTER.getScaleFactor(sourceWidth, sourceHeight, requestedWidth, requestedHeight));
}

依赖 FIT_CENTER。
如果 FIT_CENTER 的 min 值 >1,说明 requested 宽高都大的情况,按照 1等比返回。
否则,按照 FIT_CENTER 值返回。

None 策略

@Override
public float getScaleFactor(int sourceWidth, int sourceHeight, int requestedWidth,
        int requestedHeight) {
    return 1f;
}

不做处理,以 1f 等比返回。

SampleSizeRounding 表示选择 向上提高采样率 降低内存使用率,或者更高的图片质量 。
QUALITY 和 MEMORY

只有 AtMost 策略,选择 内存。其他策略 都是图片质量。


任重而道远

©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 216,163评论 6 498
  • 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 92,301评论 3 392
  • 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 162,089评论 0 352
  • 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 58,093评论 1 292
  • 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 67,110评论 6 388
  • 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 51,079评论 1 295
  • 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 40,005评论 3 417
  • 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 38,840评论 0 273
  • 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 45,278评论 1 310
  • 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 37,497评论 2 332
  • 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 39,667评论 1 348
  • 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 35,394评论 5 343
  • 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 40,980评论 3 325
  • 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 31,628评论 0 21
  • 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 32,796评论 1 268
  • 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 47,649评论 2 368
  • 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 44,548评论 2 352

推荐阅读更多精彩内容