移动端高清摄像头优化关键在控路径、减拷贝、准调度：优先启用isp硬件流水线，用ahardwarebuffer实现零拷贝，按场景动态降帧，并规避多cameraclient资源争抢。
移动端高清摄像头数据处理的关键不在堆参数，而在控路径、减拷贝、准调度。高分辨率带来的内存压力和时延敏感性，让传统逐帧搬运方式迅速失效。真正有效的优化，是让数据在硬件层就少动几次，让算法在合适时机才介入。
优先启用硬件级图像流水线
MTK或高通平台的ISP（图像信号处理器）本身具备完整的RAW域与YUV域处理能力。绕过CPU做软件降噪、锐化、色彩转换，能节省70%以上处理耗时。实测显示：开启P1阶段的LSC（镜头阴影校正）和BPC（坏点补偿），再交由P2做3DNR（三维降噪），比纯CPU后处理快4.2倍，发热降低35%。
操作建议：
- 在Camera2 API中启用
CONTROL_AVAILABLE_EFFECTS和STATISTICS_AVAILABLE_FACE_DETECT_MODES，确认设备支持硬件加速路径 - 避免手动调用
ImageReader读取YUV数据后再做滤镜——这会强制触发CPU拷贝 - 使用
SurfaceTexture或Surface直连输出，让GPU或DSP直接消费帧数据
用共享内存池替代反复分配
60fps下处理4K YUV420帧，每秒需搬运约720MB原始数据。若每次都在Java层new byte[]或通过Image.getPlanes()复制，仅内存拷贝就占满主线程。AHardwareBuffer提供的零拷贝共享机制，是Android 8.0+的标配方案。
关键实践：
- 初始化时创建固定大小的AHardwareBuffer池（如8块，每块≥12MB），供预览、编码、AI分析多路复用
- 通过
AHardwareBuffer_lock()直接映射到用户空间，避免memcpy - 配合
MediaCodec.createInputSurface()或OpenGL ES texture直写，跳过Java层缓冲区
按场景动态降帧不降质
不是所有画面都需要60fps。视频会议关注人脸微表情，可锁定30fps+高ISO；直播推流需动作连贯性，但静态背景区域可用时间域滤波压缩帧间冗余；安防抓拍则要保证关键帧100%完整，其余可插值补全。
推荐策略：
- 用
CameraCharacteristics.CONTROL_AVAILABLE_TARGET_FPS_RANGES查设备真实支持范围，而非硬设60 - 结合陀螺仪数据：手机静止超2秒，自动切至15fps预览，保持画质但省电
- 对AI推理任务（如美颜、手势识别），只对抽帧（如每3帧取1帧）做模型推理，结果插值回原帧率
规避常见资源冲突陷阱
多个CameraClient（如前后摄同时开启、扫码+人脸检测共存）易引发P2流水线争抢，导致掉帧或绿屏。这不是性能不足，而是调度失当。
典型避坑点：
- 禁用非必要
ImageReader实例：一个预览Surface + 一个JPEG编码Surface已足够，额外开YUV输出Surface会抢占P2带宽 - 关闭未使用的
AvailableCaptureRequestKeys，比如不用AF就不订阅CONTROL_AF_STATE回调 - 前后摄切换时，务必调用
close()释放前一个Session，再新建，不可复用旧Session
