Bitmap之有效的处理较大的位图

发表于 | 分类于 | 热度 ℃
| 字数 2,638 | 阅读时长 11 分钟

Android 开发中经常考虑的一个问题就是 OOM(Out Of Memory)，也就是内存溢出，一方面大量加载图片时有可能出现 OOM， 通过采样压缩图片可避免 OOM，另一方面，如一张 1024 x 768 像素的图像被缩略显示在 128 x 96 的 ImageView 中，这种做法显然是不值得的，可通过采样加载一个合适的缩小版本到内存中，以减小内存的消耗，Bitmap 的优化主要有两个方面如下：

  1. 有效的处理较大的图
  2. 缓存位图

这篇文章主要侧重于如何有效的处理较大的位图。

此外，在 Android 中按照位图采样的方法加载一个缩小版本到内存中应该考虑因素？

  1. 估计加载完整图像所需要的内存
  2. 加载这个图片所需的空间带给其程序的其他内存需求
  3. 加载图片的目标 ImageView 或 UI 组件的尺寸
  4. 当前设备的屏幕尺寸或密度

位图采样

图像有不同的形状的和大小，读取较大的图片时会耗费内存。读取一个位图的尺寸和类型，为了从多种资源创建一个位图，BitmapFactory 类提供了许多解码的方法，根据图像数据资源选择最合适的解码方法，这些方法试图请求分配内存来构造位图，因此很容易导致 OOM 异常。每种类型的解码方法都有额外的特征可以让你通过 BitMapFactory.Options 类指定解码选项。当解码时设置 inJustDecodeBounds 为true，可在不分配内存之前读取图像的尺寸和类型，下面的代码实现了简单的位图采样：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
/**
  * 位图采样
  * @param res
  * @param resId
  * @return
  */
public Bitmap decodeSampleFromResource(Resources res, int resId){
    //BitmapFactory创建设置选项
    BitmapFactory.Options options = new BitmapFactory.Options();
    //设置采样比例
    options.inSampleSize = 200;
    Bitmap bitmap = BitmapFactory.decodeResource(res,resId,options);
    return bitmap;
}

注意：其他 decode… 方法与 decodeResource 类似，这里都以 decodeRedource 为例。

实际使用时，必须根据具体的宽高要求计算合适的 inSampleSize 来进行位图的采样，比如，将一个分辨率为 2048 x 1536 的图像使用 inSampleSize 值为 4 去编码产生一个 512 x 384 的图像，这里假设位图配置为 ARGB_8888，加载到内存中仅仅是 0.75M 而不是原来的 12M，关于图像所占内存的计算将在下文中介绍，下面是根据所需宽高进行计算采样比例的计算方法：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
/**
 * 1.计算位图采样比例
 *
 * @param option
 * @param reqWidth
 * @param reqHeight
 * @return
 */
public int calculateSampleSize(BitmapFactory.Options option, int reqWidth, int reqHeight) {
    //获得图片的原宽高
    int width = option.outWidth;
    int height = option.outHeight;
    int inSampleSize = 1;
    if (width > reqWidth || height > reqHeight) {
        if (width > height) {
            inSampleSize = Math.round((float) height / (float) reqHeight);
        } else {
            inSampleSize = Math.round((float) width / (float) reqWidth);
        }
    }
    return inSampleSize;
}
/**
 * 2.计算位图采样比例
 * @param options
 * @param reqWidth
 * @param reqHeight
 * @return
 */
public int calculateSampleSize1(BitmapFactory.Options options, int reqWidth, int reqHeight) {
    //获得图片的原宽高
    int height = options.outHeight;
    int width = options.outWidth;
    int inSampleSize = 1;
    if (height > reqHeight || width > reqWidth) {
        // 计算出实际宽高和目标宽高的比率
        final int heightRatio = Math.round((float) height / (float) reqHeight);
        final int widthRatio = Math.round((float) width / (float) reqWidth);
        /**
         * 选择宽和高中最小的比率作为inSampleSize的值，这样可以保证最终图片的宽和高
         * 一定都会大于等于目标的宽和高。
         */
        inSampleSize = heightRatio < widthRatio ? heightRatio : widthRatio;
    }
    return inSampleSize;
}

获得采样比例之后就可以根据所需宽高处理较大的图片了，下面是根据所需宽高计算出来的 inSampleSize 对较大位图进行采样：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
/**
 * 位图采样
 * @param resources
 * @param resId
 * @param reqWidth
 * @param reqHeight
 * @return
 */
public Bitmap decodeSampleFromBitmap(Resources resources, int resId, int reqWidth, int reqHeight) {
    //创建一个位图工厂的设置选项
    BitmapFactory.Options options = new BitmapFactory.Options();
    //设置该属性为true,解码时只能获取width、height、mimeType
    options.inJustDecodeBounds = true;
    //解码
    BitmapFactory.decodeResource(resources, resId, options);
    //计算采样比例
    int inSampleSize = options.inSampleSize = calculateSampleSize(options, reqWidth, reqHeight);
    //设置该属性为false，实现真正解码
    options.inJustDecodeBounds = false;
    //解码
    Bitmap bitmap = BitmapFactory.decodeResource(resources, resId, options);
    return bitmap;
}

在解码过程中使用了 BitmapFactory.decodeResource() 方法，具体如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
/**
 * 解码指定id的资源文件
 */
public static Bitmap decodeResource(Resources res, int id, BitmapFactory.Options opts) {
    ...
    /**
     * 根据指定的id打开数据流读取资源，同时为TypeValue进行复制获取原始资源的density等信息
     * 如果图片在drawable-xxhdpi，那么density为480dpi
     */
    is = res.openRawResource(id, value);
    //从输入流解码出一个Bitmap对象，以便根据opts缩放相应的位图
    bm = decodeResourceStream(res, value, is, null, opts);
    ...
}

显然真正解码的方法应该是 decodeResourceStream() 方法，具体如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
/**
 * 从输入流中解码出一个Bitmap，并对该Bitmap进行相应的缩放
 */
public static Bitmap decodeResourceStream(Resources res, TypedValue value,
                     InputStream is, Rect pad, BitmapFactory.Options opts) {
    if (opts == null) {
        //创建一个默认的Option对象
        opts = new BitmapFactory.Options();
    }
    /**
     * 如果设置了inDensity的值，则按照设置的inDensity来计算
     * 否则将资源文件夹所表示的density设置inDensity
     */
    if (opts.inDensity == 0 && value != null) {
        final int density = value.density;
        if (density == TypedValue.DENSITY_DEFAULT) {
            opts.inDensity = DisplayMetrics.DENSITY_DEFAULT;
        } else if (density != TypedValue.DENSITY_NONE) {
            opts.inDensity = density;
        }
    }
    /**
     * 同理，也可以通过BitmapFactory.Option对象设置inTargetDensity
     * inTargetDensity 表示densityDpi，也就是手机的density
     * 使用DisplayMetrics对象.densityDpi获得
     */
    if (opts.inTargetDensity == 0 && res != null) {
        opts.inTargetDensity = res.getDisplayMetrics().densityDpi;
    }
    //decodeStream()方法中调用了native方法
    return decodeStream(is, pad, opts);
}

设置完 inDensity 和 inTargetDensity 之后调用了 decodeStream() 方法，该方法返回完全解码后的 Bitmap 对象，具体如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
/**
 * 返回解码后的Bitmap,
 */
public static Bitmap decodeStream(InputStream is, Rect outPadding, BitmapFactory.Options opts) {
    ...
    bm = nativeDecodeAsset(asset, outPadding, opts);
    //调用了native方法：nativeDecodeStream(is, tempStorage, outPadding, opts);
    bm = decodeStreamInternal(is, outPadding, opts);
    Set the newly decoded bitmap's density based on the Options
    //根据Options设置最新解码的Bitmap
    setDensityFromOptions(bm, opts);
    ...
    return bm;
}

显然，decodeStream() 方法主要调用了本地方法完成 Bitmap 的解码，跟踪源码发现 nativeDecodeAsset() 和 nativeDecodeStream() 方法都调用了 dodecode() 方法，doDecode 方法关键代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
/**
 * BitmapFactory.cpp 源码
 */
static jobject doDecode(JNIEnv*env, SkStreamRewindable*stream, jobject padding, jobject options) {
    ...
    if (env -> GetBooleanField(options, gOptions_scaledFieldID)) {
        const int density = env -> GetIntField(options, gOptions_densityFieldID);
        const int targetDensity = env -> GetIntField(options, gOptions_targetDensityFieldID);
        const int screenDensity = env -> GetIntField(options, gOptions_screenDensityFieldID);
        if (density != 0 && targetDensity != 0 && density != screenDensity) {
            //计算缩放比例
            scale = (float) targetDensity / density;
        }
    }
    ...
    //原始Bitmap
    SkBitmap decodingBitmap;
    ...
    //原始位图的宽高
    int scaledWidth = decodingBitmap.width();
    int scaledHeight = decodingBitmap.height();
    //综合density和targetDensity计算最终宽高
    if (willScale && decodeMode != SkImageDecoder::kDecodeBounds_Mode) {
        scaledWidth = int(scaledWidth * scale + 0.5f);
        scaledHeight = int(scaledHeight * scale + 0.5f);
    }
    ...
    //x、y方向上的缩放比例，大概与scale相等
    const float sx = scaledWidth / float(decodingBitmap.width());
    const float sy = scaledHeight / float(decodingBitmap.height());
    ...
    //将canvas放大scale，然后绘制Bitmap
    SkCanvas canvas (outputBitmap);
    canvas.scale(sx, sy);
    canvas.drawARGB(0x00, 0x00, 0x00, 0x00);
    canvas.drawBitmap(decodingBitmap, 0.0f, 0.0f, & paint);
}

上面代码能看到缩放比例的计算，以及 density 与 targetDensity 对 Bitmap 宽高的影响，实际上间接影响了 Bitmap 在所占内存的大小，这个问题会在下文中举例说明，注意 density 与当前 Bitmap 所对应资源文件（图片）的目录有关，如有一张图片位于 drawable-xxhdpi 目录中，其对应的 Bitmap 的 density 为 480dpi，而 targetDensity 就是 DisPlayMetric 的 densityDpi，也就是手机屏幕代表的 density。那么怎么查看 Android 中本地的 native 方法的实现呢，链接如下：
BitmapFactory.cpp，直接搜索 native 方法的方法名即可，可以试一下咯。

Bitmap 内存计算

首先贡献一张大图 6000 x 4000 ,图片接近 12M，【点击获取】 当直接加载这张图片到内存中肯定会发生 OOM，当然通过适当的位图采样缩小图片可避免 OOM，那么 Bitmap 所占内存又如何计算呢，一般情况下这样计算：

1
Bitmap Memory = widthPix * heightPix * 4

可使用 bitmap.getConfig() 获取 Bitmap 的格式，这里是 ARGB_8888 ，这种 Bitmap 格式下一个像素点占 4 个字节，所以要 x 4，如果将图片放置在 Android 的资源文件夹中，计算方式如下：

$$scale = \frac{targetDensity}{density}$$

$$widthPix = originalWidth \times scale$$

$$heightPix = orignalHeight \times scale$$

$$Bitmap Memory = widthPix \times scale \times heightPix \times scale \times 4$$

上述简单总结了一下 Bitmap 所占内存的计算方式，验证时可使用如下方法获取 Bitmap 所占内存大小：

1
BitmapMemory = bitmap.getByteCount()

由于选择的这张图片直接加载会导致 OOM，所以下文的事例中都是先采样压缩，然后在进行 Bitmap 所占内存的计算。

直接采样

这种方式就是直接指定采样比例 inSampleSize 的值，然后先采样然后计算采样后的内存，这里指定 inSampleSize 为200。

  1. 将该图片放在 drawable-xxhdpi 目录中，此时 drawable-xxhdpi 所代表的 density 为 480(density)，我的手机屏幕所代表的 density 是 480(targetDensity)，显然，此时 scale 为1，当然首先对图片进行采样，然后将图片加载到内存中， 此时 Bitmap 所占内存内存为：

$$inSampleSize = 200$$

$$scale = \frac{targetDensity}{density} = \frac{480}{480} = 1$$

$$widthPix = orignalScale \times scale = \frac{6000}{200} \times 1 = 30$$

$$heightPix = orignalHeight \times scale =\frac{4000}{200} \times 1 = 20$$

$$BitmapMemory = widthPix \times heightPix \times 4 = 30 \times 20 \times 4 = 2400(Byte)$$

  1. 将图片放在 drawable-xhdpi 目录中，此时 drawable-xhdpi 所代表的 density 为 320，我的手机屏幕所代表的 density 是 480(targetDensity)，将图片加载到内存中，此时 Bitmap 所代表的内存为：

$$inSampleSize = 200$$

$$scale = \frac{targetDensity}{density} = \frac{480}{320}$$

$$widthPix = orignalWidth \times scale = \frac{6000}{200} \times \frac{480}{320} = 45$$

$$heightPix = orignalHeight \times scale = \frac{4000}{200} \times \frac{480}{320} = 30$$

$$BitmapMemory = widthPix \times scale \times heightPix \times scale \times 4 = 45 \times 30 \times 4 = 5400(Byte)$$

计算采样

这种方式就是根据请求的宽高计算合适的 inSampleSize，而不是随意指定 inSampleSize，实际开发中这种方式最常用，这里请求宽高为100x100，具体 inSampleSize 计算在上文中已经说明。

  1. 将图片放在 drawable-xxhdpi 目录中，此时 drawable-xxhdpi 所代表的 density 为 480，我的手机屏幕所代表的 density 是 480(targetDensity)，将图片加载到内存中，此时 Bitmap 所代表的内存为：

$$inSampleSize = \frac{4000}{100} = 40$$

$$scale = \frac{targetDensity}{density} = \frac{480}{480} = 1$$

$$widthPix = orignalWidth \times scale = \frac{6000}{40} \times 1= 150$$

$$heightPix = orignalHeight \times scale = \frac{4000}{40} \times 1 = 100$$

$$BitmapMemory = widthPix \times scale \times heightPix \times scale \times 4 = 60000(Byte)$$

  1. 将图片放在 drawable-xhdpi 目录中，此时 drawable-xhdpi 所代表的 density 为 320，我的手机屏幕所代表的 density 是 480(targetDensity)，将图片加载到内存中，此时 Bitmap 所代表的内存为：

$$inSampleSize = \frac{4000}{100} = 40$$

$$scale = \frac{targetDensity}{density}= \frac{480}{320}$$

$$widthPix = orignalWidth \times scale = \frac{6000}{40} \times \frac{480}{320}=225$$

$$heightPix = orignalHeight \times scale=\frac{4000}{40} \times \frac{480}{320}=150$$

$$BitmapMemory=widthPix \times heightPix \times 4=225 \times 150 \times 4=135000(Byte)$$

位图采样及 Bitmap 在不同情况下所占内存的计算大概过程如上所述。

测试效果

测试效果图参考如下：

drawable-xhdpi drawable-xxhdpi
image image

本文标题:Bitmap之有效的处理较大的位图

文章作者:jzman

发布时间:2017年09月01日 - 02:09

最后更新:2017年09月15日 - 23:09

原始链接:http://jzmanu.oschina.io/2017/09/01/Bitmap之有效的处理较大的位图/

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。

赞赏