Android 关于大图片的处理

在Android上面处理图片一直是一件很麻烦的事情,尤其是一些大图片,例如全景图的展示。

为什么说是一件麻烦的事情,主要有一下几个原因:

1.占内存,容易OOM

比如,一张1000 * 1000的图片,采用ARGB-8888的方式,这种方式,该图片每个px占用4个byte,所以总大小是1000 * 1000 * 4 ,它占用的内存就将近4M。这也不是一张很大的图片,但是却要占用4M内存。

2.使用UI主线程去加载大图片,非常耗APP的性能。很有可能出现响应慢,甚至是ANR的出现。

3.在加载多张图片的时候,如果没有使用缓存,app的流畅性和响应速度都会收到影响。

当然现在市面上也有很多开源框架来处理大图片,比如Glide、 Picasso等等.

但是,虽然我们没必要是重复造轮子,但是我们也有必要知道轮子是怎么造的。下面我们简单了解一下如何有效的展示一张大图。

一、bitmap,我们比较关注的是它的形状以及尺寸,那我们应该如何读取一张图片的形状和尺寸呢?直接看代码

//定义option
BitmapFactory.Options options = new BitmapFactory.Options();
//设置true,避免内存分配
options.inJustDecodeBounds = true;

//获取图片的宽和高
BitmapFactory.decodeResource(getResources(), R.id.image, options);
int imageHeight = options.outHeight;
int imageWidth = options.outWidth;

//获取图片的形状
String imageType = options.outMimeType;

[BitmapFactory]提供了decoding方法,为了防止OOM,在decode之前一定要检查好尺寸。

二、计算合理的样本数据

public static int calculateInSampleSize(
            BitmapFactory.Options options, int reqWidth, int reqHeight) {
    // 获取到图片的宽和高
    final int height = options.outHeight;
    final int width = options.outWidth;
    int inSampleSize = 1;

   //通过计算拿到合理的缩放数
    if (height > reqHeight || width > reqWidth) {

        final int halfHeight = height / 2;
        final int halfWidth = width / 2;

        while ((halfHeight / inSampleSize) >= reqHeight
                && (halfWidth / inSampleSize) >= reqWidth) {
            inSampleSize *= 2;
        }
    }

    return inSampleSize;
}

三、计算样本尺寸并decode

public static Bitmap decodeSampledBitmapFromResource(Resources res, int resId,
        int reqWidth, int reqHeight) {

    // 检查尺寸
    final BitmapFactory.Options options = new BitmapFactory.Options();
    options.inJustDecodeBounds = true;
    BitmapFactory.decodeResource(res, resId, options);

    // 计算样本尺寸
    options.inSampleSize = calculateInSampleSize(options, reqWidth, reqHeight);

    // 按照样本尺寸decode图片
    options.inJustDecodeBounds = false;
    return BitmapFactory.decodeResource(res, resId, options);
}

四、显示图片到ImageView

imageView.setImageBitmap(
    decodeSampledBitmapFromResource(getResources(), R.id.image, 200, 200));

总结:这种方式可以轻松地将任意大尺寸的图片以200*200的缩略图的方式显示到ImageView上面。

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 202,802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 85,109评论 2 379
  • 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 149,683评论 0 335
  • 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 54,458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 63,452评论 5 364
  • 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 48,505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 37,901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 36,550评论 0 256
  • 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 40,763评论 1 296
  • 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 35,556评论 2 319
  • 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 37,629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 33,330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 38,898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 29,897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 31,140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 42,807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 42,339评论 2 342