Zusammenfassung der Bitmap-Bildkomprimierung – Androids Weg zum Wachstum

Vorwort

Bitmap ist ein wichtiger Bildverarbeitungsmechanismus in Android. Es kann auch Vorgänge wie das Zuschneiden und Skalieren von Bildern durchführen und das Bild spezifizieren Format zum Speichern. Ich glaube, Sie kennen OOM. Wenn das große Bild beim Laden nicht verarbeitet wird, nimmt es sehr viel Speicher ein, was das Auftreten von OOM sehr einfach macht. Daher müssen wir große Bilder bewusst komprimieren und laden, um den normalen Betrieb und die stabile Leistung der App besser zu gewährleisten.

Berechnung der Bitmap-Größe

Was passiert also, wenn Sie die Speichergröße berechnen, die ein Bild beim Laden belegt? Schauen wir uns vorher zunächst die beiden Hauptkonfigurationen von Bitmap an.

CompressFormat

Dies wird verwendet, um das Komprimierungsformat von Bitmap-Bildern anzugeben. In Bitmap handelt es sich um eine Enum-Struktur, die hauptsächlich die folgenden drei Formate anzeigt.

    public enum CompressFormat {
        JPEG    (0),
        PNG     (1),
        WEBP    (2);

        CompressFormat(int nativeInt) {
            this.nativeInt = nativeInt;
        }
        final int nativeInt;
    }

• JPEG: Komprimiert mit dem JPEG-Algorithmus. Das komprimierte Bildformat kann .jpeg oder .jpg sein. Dies ist eine verlustbehaftete Komprimierung ohne Transparenz.

• PNG: Komprimiert mit PNG-Algorithmus. Das komprimierte Bildformat ist .png. Dies ist eine verlustfreie Komprimierung und kann Transparenz aufweisen.

• WEBP: Komprimiert mit dem WEBP-Algorithmus. Das komprimierte Bildformat ist .webp, eine Art verlustbehaftete Komprimierung. Bei gleicher Qualität sind WebP-Bilder 40 % kleiner als JPEG-Bilder, aber die Kodierungszeit von WebP-Bildern ist achtmal länger als die von JPEG-Bildern.

Konfiguration

Hier geht es um die Konfiguration der Bitmap-Pixelspeicherung. Unterschiedliche Pixelspeicherung hat unterschiedliche Auswirkungen auf die Qualität des Bildes. In Bitmap handelt es sich um eine Enum-Struktur, die hauptsächlich in den folgenden vier Formaten ausgedrückt wird.

• ALPHA_8: Jedes Pixel speichert nur eine einzige Transparenz, also nur Transparenz, die insgesamt 8 Bit und 1 Byte belegt.

• ARGB_4444: Jedes Pixel besteht aus vier Teilen: A (Transparenz) R (Rot) G (Grün) B (Blau), jeder Teil belegt 4 Bits, insgesamt 16 Bits 2 Bytes. Da die Bildqualität dieses Formats zu schlecht ist, wurde API 13 aufgegeben und ARGB_8888 empfohlen.

• ARGB_8888: Jedes Pixel besteht aus vier Teilen: A (Transparenz) R (Rot) G (Grün) B (Blau), jeder Teil belegt 8 Bit, insgesamt 32 Bit , 4 Byte.

• RGB_565: Jedes Pixel besteht aus drei Teilen: R (Rot) G (Grün) B (Blau) Jeder Teil belegt insgesamt 5, 6 und 5 Bit 16 Bit, 2 Bytes.

Wenn Sie also das Bild komprimieren möchten, um OOM zu verhindern, verwenden Sie im Allgemeinen das RGB_565-Format, da ALPHA_8 nur Transparenz hat, was für die angezeigte Bildqualität bedeutungslos ist ARGB_4444 ist zu schlecht; ARGB_8888 belegt den meisten Speicher.

Wenn die Breite des geladenen Bildes 1080 beträgt, beträgt die Höhe 675 und die Konfiguration ist ARGB_8888. Dann beträgt der von ihm belegte Speicher: 1080 x 675 x 4 = 2916000. Umgerechnet in M ​​beträgt 2916000 / 1024 / 1024 = 2,78 MB. Eine Art Bild ist etwa 3 MB groß. Wenn Sie 10 oder 100 Bilder laden, können Sie sich vorstellen, dass der Speicher belegt ist. In diesem Fall wird der Speicher leicht verbraucht. Gleichzeitig sind solche hochauflösenden Bilder für die Android-App nicht erforderlich, sodass wir sie beim Laden des Bildes entsprechend verarbeiten können, z. B. durch Skalieren der Breite und Höhe Oder ändern Sie die Konfiguration in RGB_565. Dies reduziert nicht nur effektiv den Speicherverbrauch, sondern beeinträchtigt auch nicht die Bildschärfe.

Sehen wir uns an, wie Bilder mit Bitmap und BitmapFactory verarbeitet werden

Bitmap-bezogen

Für die Bildkomprimierung mit Bitmap wird hauptsächlich die folgende effektive Methode bereitgestellt.

status return	method name
boolean	compress(Bitmap.CompressFormat format, int quality, OutputStream stream)
static Bitmap	createBitmap(DisplayMetrics display, int[] colors, int width, int height, Bitmap.Config config)
static Bitmap	createBitmap(DisplayMetrics display, int[] colors, int offset, int stride, int width, int height, Bitmap.Config config)
static Bitmap	createBitmap(Bitmap source, int x, int y, int width, int height)
static Bitmap	createBitmap(Bitmap src)
static Bitmap	createBitmap(DisplayMetrics display, int width, int height, Bitmap.Config config)
static Bitmap	createBitmap(Bitmap source, int x, int y, int width, int height, Matrix m, boolean filter)
static Bitmap	createBitmap(int width, int height, Bitmap.Config config)
static Bitmap	createBitmap(int[] colors, int offset, int stride, int width, int height, Bitmap.Config config)
static Bitamp	createBitmap(int[] colors, int width, int height, Bitmap.Config config)
static Bitmap	createScaledBitmap(Bitmap src, int dstWidth, int dstHeight, boolean filter)

compress

compress方法通过指定图片的CompressFormat格式与压缩百分比来对图片进行压缩处理，同时将压缩的图片保存到指定的outputStream中。我们来看下具体用法

val fs = FileOutputStream(path)
val out = ByteArrayOutputStream()
scaleBitmap.compress(Bitmap.CompressFormat.JPEG, 30, out)
LogUtils.d("compressBitmap jpeg of byteCount %d.", out.toByteArray().size)
fs.write(out.toByteArray())
fs.close()

在这里要注意quality代表百分比，值为0~100，值越小压缩的后的大小就越小。例如上面的示例，quality为30，则代表对原图进行压缩70%，保留30%。同时Bitmap.CompressFormat在前面已经详细介绍了，要注意不同的格式图片的展示效果也不同，例如JPEG的格式图片是没有透明度的。

特别注意的：对于Bitmap.CompressFormat.PNG类型的格式，quality将失去效果，因为其格式是无损的压缩；再者，使用compress方法并不是对显示处理的图片进行了压缩，它只是对原图进行压缩后保存到本地磁盘中，并不改变显示的图片。主要用途作用于保存图片到本地，以便下次加载，减小图片在本地磁盘所占的磁盘大小。

createBitmap

对于createBitmap方法，Bitmap中提供了9种不同数据源的压缩处理方法。分别有通过colors数组、Bitmap与DisplayMetrics等来决定。

例如使用colors数组

val colors = intArrayOf(Color.RED, Color.GREEN, Color.BLUE,
                        Color.GREEN, Color.BLUE, Color.RED,
                        Color.BLUE, Color.RED, Color.GREEN)
val displayMetricsBitmap = Bitmap.createBitmap(DisplayMetrics(),colors,3, 3,Bitmap.Config.ARGB_8888)
LogUtils.d("displayMetricsBitmap of byteCount %d and rowBytes %d", displayMetricsBitmap.byteCount, displayMetricsBitmap.rowBytes)

这里创建了一个3 x 3的图片，Config为ARGB_8888，所以最终图片在内存中的大小为3 x 3 x 4 = 36字节。而图片的展示效果是通过colors数组中的颜色也实现的，3 x 3 = 9 分别对应colors中的9个像素点的色值。所以colors的大小最小必须大于等于9，即宽*高的大小。为何说最小，因为Bitmap还提供了offset与stride参数的重载方法。这两个参数分别代表在colors中的开始点的偏移量与取值的步伐，即每个取值点间的跨度。

在实际是使用createBitmap最多的还是用它的Bitmap重载方法，主要用来对原图片进行裁剪。我们直接看它的使用方式：

//bitmap
val bitmapBitmap = Bitmap.createBitmap(scaleBitmap, 150, 0, 100, 100)
image_view?.setImageBitmap(scaleBitmap)
image_view_text.text = "width: " + scaleBitmap.width + " height: " + scaleBitmap.height
sub_image_view.setImageBitmap(bitmapBitmap)
sub_image_view_text.text = "startX: 150 startY: 0\n" + "width: " + bitmapBitmap.width + " height: " + bitmapBitmap.height

主要参数是原Bitmap，我们所有的操作都是在原Bitmap中进行的。其中x = 150、y = 0代表从原Bitmap中的坐标（150，0）开始进行裁剪;width = 100、height = 100，裁剪后返回新的的Bitmap，且大小为100 x 100。

if (!source.isMutable() && x == 0 && y == 0 && width == source.getWidth() &&
        height == source.getHeight() && (m == null || m.isIdentity())) {
    return source;
 }

注意，如果原Bitmap是不可变的，同时需要的图参数与原图片相同，那么它会直接返回原Bitmap。是否可变可以通过Bitmap.isMutable判断。

看下上面的代码所展示的效果图：

最后通过传递Bitmap参数还有一个可选参数Matrix，它主要用于对Bitmap进行矩阵变换。

createScaledBitmap

该方法相对上面两种就简单多了，它目的是对原Bitmap进行指定的宽高进行缩放，最终返回新的Bitmap。

注意：如果传入的宽高与原Bitmap相同，它将返回原Bitmap对象。

//createScaledBitmap
val createScaledBitmap = Bitmap.createScaledBitmap(scaleBitmap, 500, 300, false)
image_view?.setImageBitmap(scaleBitmap)
image_view_text.text = "width: " + scaleBitmap.width + " height: " + scaleBitmap.height
sub_image_view.setImageBitmap(createScaledBitmap)
sub_image_view_text.text = "width: " + createScaledBitmap.width + " height: " + createScaledBitmap.height

再来看下其实现源码

    public static Bitmap createScaledBitmap(@NonNull Bitmap src, int dstWidth, int dstHeight,
            boolean filter) {
        Matrix m = new Matrix();
 
        final int width = src.getWidth();
        final int height = src.getHeight();
        if (width != dstWidth || height != dstHeight) {
            final float sx = dstWidth / (float) width;
            final float sy = dstHeight / (float) height;
            m.setScale(sx, sy);
        }
        return Bitmap.createBitmap(src, 0, 0, width, height, m, filter);
    }

一目了然，内部就是使用到了Matrix，运用Matrix的知识进行宽高缩放；最后再调用前面所分析的createBitmap方法。只不过这里指定了初始点（0，0）而已，再传入原Bitmap的宽高与生成的Matrix。因此createBitmap方法中的注意点也是应用到createScaledBitmap中。

BitmapFactory相关

BitmapFactory主要用来解码Bitmap，通过不同的资源类型，例如：files、streams与byte-arrays。既然是继续资源的解码，自然可以在解码的过程中进行一些图片压缩处理。来看下它提供的主要解码方法。

status return	method name
static Bitmap	decodeByteArray(byte[] data, int offset, int length, BitmapFactory.Options opts)
static Bitmap	decodeByteArray(byte[] data, int offset, int length)
static Bitmap	decodeFile(String pathName)
static Bitmap	decodeFile(String pathName, BitmapFactory.Options opts)
static Bitmap	decodeFileDescriptor(FileDescriptor fd)
static Bitmap	decodeFileDescriptor(FileDescriptor fd, Rect outPadding, BitmapFactory.Options opts)
static Bitmap	decodeResource(Resources res, int id, BitmapFactory.Options opts)
static Bitmap	decodeResource(Resources res, int id)
static Bitmap	decodeResourceStream(Resources res, TypedValue value, InputStream is, Rect pad, BitmapFactory.Options opts)
static Bitmap	decodeStream(InputStream is)
static Bitmap	decodeStream(InputStream is, Rect outPadding, BitmapFactory.Options opts)

直接通过方法名就能很方便的分辨出使用哪种资源类型进行图片解码操作。例如：decodeByteArray方法是通过byte数组作为解析源，同时在解码过程中可以通过设置offset与length来控制解码的起始点与解码的大小。因此如果能够精确控制offset与length也就能够做到图片的裁剪效果。decodeFileDescriptor方法是通过文件描述符进行解码Bitmap。一般用不到，下面详细分析几种常用的方法。

decodeFile

该方法是通过文件路径来解码出Bitmap

//decodeFile
val decodeFileOptions = BitmapFactory.Options()
val decodeFileBitmap = BitmapFactory.decodeFile(mRootPath +"bitmap", decodeFileOptions)
decodeFileOptions.inSampleSize = 2
val decodeFileScaleBitmap = BitmapFactory.decodeFile(mRootPath + "bitmap", decodeFileOptions)
image_view?.setImageBitmap(decodeFileBitmap)
image_view_text.text = "width: " + decodeFileBitmap.width + " height: " + decodeFileBitmap.height
sub_image_view.setImageBitmap(decodeFileScaleBitmap)
sub_image_view_text.text = "width: " + decodeFileScaleBitmap.width + " height: " + decodeFileScaleBitmap.height

下面的图片比上面的图片宽高都缩小了一半，对图片进行了压缩操作。通过代码发现，下面的图片解码时设置了

decodeFileOptions.inSampleSize = 2

这里就涉及到了静态内部类BitmapFactory.Options，可以看上面的表发现大多数方法都有这个参数，它是一个可选项。主要用途是在图片解码过程中对图片的原有属性进行修改。它的参数配置大多数以in前缀开头，下面列举一些常用的配置设置属性。

type	name	description
boolean	inJustDecodeBounds	如果为true，解码后不会返回Bitmap对象，但Bitmap宽高将返回到options.outWidth与options.outHeight中；反之返回。主要用于只需获取解码后的Bitmap的大小。
boolean	inMutable	为true，代表返回可变属性的Bitmap，反之不可变
boolean	inPreferQualityOverSpeed	为true，将在解码过程中牺牲解码的速度来获取更高质量的Bitmap
Bitmap.Config	inPreferredConfig	根据指定的Config来进行解码，例如：Bitmap.Config.RGB_565等
int	inSampleSize	如果值大于1，在解码过程中将按比例返回占更小内存的Bitmap。例如值为2，则对宽高进行缩放一半。
boolean	inScaled	如果为true，且inDesity与inTargetDensity都不为0，那么在加载过程中将会根据inTargetDensityl来缩放，在drawn中不依靠于图片自身的缩放属性。
int	inDensity	Bitmap自身的密度
int	inTargetDensity	Bitmap drawn过程中使用的密度

我们在来看下decodeFile的源码

    public static Bitmap decodeFile(String pathName, Options opts) {
        validate(opts);
        Bitmap bm = null;
        InputStream stream = null;
        try {
            stream = new FileInputStream(pathName);
            bm = decodeStream(stream, null, opts);
        } catch (Exception e) {
            /*  do nothing.
                If the exception happened on open, bm will be null.
            */
            Log.e("BitmapFactory", "Unable to decode stream: " + e);
        } finally {
            if (stream != null) {
                try {
                    stream.close();
                } catch (IOException e) {
                    // do nothing here
                }
            }
        }
        return bm;
    }

内部根据文件路径创建FileInputStream，最终调用decodeStream方法进解码图片。

decodeStream & decodeResourceStream

至于decodeStream内部则是根据不同的InputStream类型调用不同的native方法。如果为AssetManager.AssetInputStrea类型则调用

nativeDecodeAsset(asset, outPadding, opts);

否则调用

nativeDecodeStream(is, tempStorage, outPadding, opts);

还有对应的decodeResourceStream方法内部也是调用了decodeStream.

    public static Bitmap decodeResourceStream(Resources res, TypedValue value,
            InputStream is, Rect pad, Options opts) {
        validate(opts);
        if (opts == null) {
            opts = new Options();
        }
 
        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;
            }
        }
         
        if (opts.inTargetDensity == 0 && res != null) {
            opts.inTargetDensity = res.getDisplayMetrics().densityDpi;
        }
         
        return decodeStream(is, pad, opts);
    }

decodeResourceStream内部做了对Bitmap的密度适配，最后再调用decodeStream，这样decodeStream也分析完毕。

decodeResource

decodeResource用法也很简单，传入相应本地的资源文件即可，需要缩放的话配置options参数。

val options = BitmapFactory.Options()
val bitmap = BitmapFactory.decodeResource(resources, R.drawable.yaodaoji, options)

随便看下它的源码

    public static Bitmap decodeResource(Resources res, int id, Options opts) {
        validate(opts);
        Bitmap bm = null;
        InputStream is = null; 
         
        try {
            final TypedValue value = new TypedValue();
            is = res.openRawResource(id, value);

            bm = decodeResourceStream(res, value, is, null, opts);
        } catch (Exception e) {
            /*  do nothing.
                If the exception happened on open, bm will be null.
                If it happened on close, bm is still valid.
            */
        } finally {
            try {
                if (is != null) is.close();
            } catch (IOException e) {
                // Ignore
            }
        }
 
        if (bm == null && opts != null && opts.inBitmap != null) {
            throw new IllegalArgumentException("Problem decoding into existing bitmap");
        }
 
        return bm;
    }

通过res.openRawResource(id, value)来获取InputStream，最后再调用decodeResourceStream(res, value, is, null, opts)方法。这样就简单了，又回到了上面分析的方法中去了。

总结

下面来做个总结，对于图片压缩主要使用到Bitmap与BitmapFactory这两个类，同时在使用这两个类之前也要对Bitmap中的CompressFormat与Config；BitmapFactory中的BitmapFactory.Options有所了解。然后再结合他们中的方法进行相应的压缩、裁剪操作。其实只要掌握几个常用的方法在日常的使用中就足够了。

最后如有有不足之处，希望指出！

推荐

tensorflow-梯度下降,有这一篇就足够了
Android共享动画兼容实现
Kotlin最佳实践
RecyclerView下拉刷新与上拉更多
七大排序算法总结

相关推荐：

Redis中bitmap的妙用

python实现bitmap数据结构详解

mysql创建Bitmap_Join_Indexes中的约束与索引

Das obige ist der detaillierte Inhalt vonZusammenfassung der Bitmap-Bildkomprimierung – Androids Weg zum Wachstum. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!