Android图片缓存之Bitmap详解（一）

2024-08-02 09:16:37

前言：
最近准备研究一下图片缓存框架，基于这个想法觉得还是先了解有关图片缓存的基础知识，今天重点学习一下Bitmap、BitmapFactory这两个类。

Bitmap：
Bitmap是Android系统中的图像处理的最重要类之一。用它可以获取图像文件信息，进行图像剪切、旋转、缩放等操作，并可以指定格式保存图像文件。
重要函数
•public void recycle() // 回收位图占用的内存空间，把位图标记为Dead
•public final boolean isRecycled() //判断位图内存是否已释放
•public final int getWidth()//获取位图的宽度
•public final int getHeight()//获取位图的高度
•public final boolean isMutable()//图片是否可修改
•public int getScaledWidth(Canvas canvas)//获取指定密度转换后的图像的宽度
•public int getScaledHeight(Canvas canvas)//获取指定密度转换后的图像的高度
•public boolean compress(CompressFormat format, int quality, OutputStream stream)//按指定的图片格式以及画质，将图片转换为输出流。
format：Bitmap.CompressFormat.PNG或Bitmap.CompressFormat.JPEG
quality：画质，0-100.0表示最低画质压缩，100以最高画质压缩。对于PNG等无损格式的图片，会忽略此项设置。
•public static Bitmap createBitmap(Bitmap src) //以src为原图生成不可变得新图像
•public static Bitmap createScaledBitmap(Bitmap src, int dstWidth, int dstHeight, boolean filter)//以src为原图，创建新的图像，指定新图像的高宽以及是否可变。
•public static Bitmap createBitmap(int width, int height, Config config)——创建指定格式、大小的位图
•public static Bitmap createBitmap(Bitmap source, int x, int y, int width, int height)以source为原图，创建新的图片，指定起始坐标以及新图像的高宽。

BitmapFactory工厂类：
Option 参数类：
•public boolean inJustDecodeBounds//如果设置为true，不获取图片，不分配内存，但会返回图片的高度宽度信息。
•public int inSampleSize//图片缩放的倍数
•public int outWidth//获取图片的宽度值
•public int outHeight//获取图片的高度值
•public int inDensity//用于位图的像素压缩比
•public int inTargetDensity//用于目标位图的像素压缩比（要生成的位图）
•public byte[] inTempStorage //创建临时文件，将图片存储
•public boolean inScaled//设置为true时进行图片压缩，从inDensity到inTargetDensity
•public boolean inDither //如果为true,解码器尝试抖动解码
•public Bitmap.Config inPreferredConfig //设置解码器
•public String outMimeType //设置解码图像
•public boolean inPurgeable//当存储Pixel的内存空间在系统内存不足时是否可以被回收
•public boolean inInputShareable //inPurgeable为true情况下才生效，是否可以共享一个InputStream
•public boolean inPreferQualityOverSpeed //为true则优先保证Bitmap质量其次是解码速度
•public boolean inMutable //配置Bitmap是否可以更改，比如：在Bitmap上隔几个像素加一条线段
•public int inScreenDensity //当前屏幕的像素密度

工厂方法:
•public static Bitmap decodeFile(String pathName, Options opts) //从文件读取图片
•public static Bitmap decodeFile(String pathName)
•public static Bitmap decodeStream(InputStream is) //从输入流读取图片
•public static Bitmap decodeStream(InputStream is, Rect outPadding, Options opts)
•public static Bitmap decodeResource(Resources res, int id) //从资源文件读取图片
•public static Bitmap decodeResource(Resources res, int id, Options opts)
•public static Bitmap decodeByteArray(byte[] data, int offset, int length) //从数组读取图片
•public static Bitmap decodeByteArray(byte[] data, int offset, int length, Options opts)
•public static Bitmap decodeFileDescriptor(FileDescriptor fd)//从文件读取文件与decodeFile不同的是这个直接调用JNI函数进行读取效率比较高
•public static Bitmap decodeFileDescriptor(FileDescriptor fd, Rect outPadding, Options opts)

Bitmap.Config inPreferredConfig :
枚举变量（位图位数越高代表其可以存储的颜色信息越多，图像越逼真，占用内存越大）
•public static final Bitmap.Config ALPHA_8 //代表8位Alpha位图每个像素占用1byte内存
•public static final Bitmap.Config ARGB_4444 //代表16位ARGB位图每个像素占用2byte内存
•public static final Bitmap.Config ARGB_8888 //代表32位ARGB位图每个像素占用4byte内存
•public static final Bitmap.Config RGB_565 //代表8位RGB位图每个像素占用2byte内存

Android中一张图片（BitMap）占用的内存主要和以下几个因数有关：图片长度，图片宽度，单位像素占用的字节数。

一张图片（BitMap）占用的内存=图片长度*图片宽度*单位像素占用的字节数

图片读取实例：
1.）从文件读取方式一

 /**
  * 获取缩放后的本地图片
  *
  * @param filePath 文件路径
  * @param width 宽
  * @param height 高
  * @return
  */
 public static Bitmap readBitmapFromFile(String filePath, int width, int height) {
  BitmapFactory.Options options = new BitmapFactory.Options();
  options.inJustDecodeBounds = true;
  BitmapFactory.decodeFile(filePath, options);
  float srcWidth = options.outWidth;
  float srcHeight = options.outHeight;
  int inSampleSize = 1;

  if (srcHeight > height || srcWidth > width) {
   if (srcWidth > srcHeight) {
    inSampleSize = Math.round(srcHeight / height);
   } else {
    inSampleSize = Math.round(srcWidth / width);
   }
  }

  options.inJustDecodeBounds = false;
  options.inSampleSize = inSampleSize;

  return BitmapFactory.decodeFile(filePath, options);
 }

2.）从文件读取方式二效率高于方式一

/**
  * 获取缩放后的本地图片
  *
  * @param filePath 文件路径
  * @param width 宽
  * @param height 高
  * @return
  */
 public static Bitmap readBitmapFromFileDescriptor(String filePath, int width, int height) {
  try {
   FileInputStream fis = new FileInputStream(filePath);
   BitmapFactory.Options options = new BitmapFactory.Options();
   options.inJustDecodeBounds = true;
   BitmapFactory.decodeFileDescriptor(fis.getFD(), null, options);
   float srcWidth = options.outWidth;
   float srcHeight = options.outHeight;
   int inSampleSize = 1;

   if (srcHeight > height || srcWidth > width) {
    if (srcWidth > srcHeight) {
     inSampleSize = Math.round(srcHeight / height);
    } else {
     inSampleSize = Math.round(srcWidth / width);
    }
   }

   options.inJustDecodeBounds = false;
   options.inSampleSize = inSampleSize;

   return BitmapFactory.decodeFileDescriptor(fis.getFD(), null, options);
  } catch (Exception ex) {
  }
  return null;
 }

测试同样生成10张图片两种方式耗时比较 cpu使用以及内存占用两者相差无几第二种方式效率高一点所以建议优先采用第二种方式

  start = System.currentTimeMillis();
  for (int i = 0; i < testMaxCount; i++) {
   BitmapUtils.readBitmapFromFile(filePath, 400, 400);
  }
  end = System.currentTimeMillis();
  Log.e(TAG, "BitmapFactory decodeFile--time-->" + (end - start));

  start = System.currentTimeMillis();
  for (int i = 0; i < testMaxCount; i++) {
   BitmapUtils.readBitmapFromFileDescriptor(filePath, 400, 400);
  }
  end = System.currentTimeMillis();
  Log.e(TAG, "BitmapFactory decodeFileDescriptor--time-->" + (end - start));

3.）从输入流中读取文件

 /**
  * 获取缩放后的本地图片
  *
  * @param ins 输入流
  * @param width 宽
  * @param height 高
  * @return
  */
 public static Bitmap readBitmapFromInputStream(InputStream ins, int width, int height) {
  BitmapFactory.Options options = new BitmapFactory.Options();
  options.inJustDecodeBounds = true;
  BitmapFactory.decodeStream(ins, null, options);
  float srcWidth = options.outWidth;
  float srcHeight = options.outHeight;
  int inSampleSize = 1;

  if (srcHeight > height || srcWidth > width) {
   if (srcWidth > srcHeight) {
    inSampleSize = Math.round(srcHeight / height);
   } else {
    inSampleSize = Math.round(srcWidth / width);
   }
  }

  options.inJustDecodeBounds = false;
  options.inSampleSize = inSampleSize;

  return BitmapFactory.decodeStream(ins, null, options);
 }

4.）从资源文件中读取文件

 public static Bitmap readBitmapFromResource(Resources resources, int resourcesId, int width, int height) {
  BitmapFactory.Options options = new BitmapFactory.Options();
  options.inJustDecodeBounds = true;
  BitmapFactory.decodeResource(resources, resourcesId, options);
  float srcWidth = options.outWidth;
  float srcHeight = options.outHeight;
  int inSampleSize = 1;

  if (srcHeight > height || srcWidth > width) {
   if (srcWidth > srcHeight) {
    inSampleSize = Math.round(srcHeight / height);
   } else {
    inSampleSize = Math.round(srcWidth / width);
   }
  }

  options.inJustDecodeBounds = false;
  options.inSampleSize = inSampleSize;

  return BitmapFactory.decodeResource(resources, resourcesId, options);
 }

此种方式相当的耗费内存建议采用decodeStream代替decodeResource 可以如下形式

 public static Bitmap readBitmapFromResource(Resources resources, int resourcesId, int width, int height) {
  InputStream ins = resources.openRawResource(resourcesId);
  BitmapFactory.Options options = new BitmapFactory.Options();
  options.inJustDecodeBounds = true;
  BitmapFactory.decodeStream(ins, null, options);
  float srcWidth = options.outWidth;
  float srcHeight = options.outHeight;
  int inSampleSize = 1;

  if (srcHeight > height || srcWidth > width) {
   if (srcWidth > srcHeight) {
    inSampleSize = Math.round(srcHeight / height);
   } else {
    inSampleSize = Math.round(srcWidth / width);
   }
  }

  options.inJustDecodeBounds = false;
  options.inSampleSize = inSampleSize;

  return BitmapFactory.decodeStream(ins, null, options);
 }

decodeStream、decodeResource占用内存对比：

 start = System.currentTimeMillis();
  for (int i = 0; i < testMaxCount; i++) {
   BitmapUtils.readBitmapFromResource(getResources(), R.mipmap.ic_app_center_banner, 400, 400);
   Log.e(TAG, "BitmapFactory decodeResource--num-->" + i);
  }
  end = System.currentTimeMillis();
  Log.e(TAG, "BitmapFactory decodeResource--time-->" + (end - start));

  start = System.currentTimeMillis();
  for (int i = 0; i < testMaxCount; i++) {
   BitmapUtils.readBitmapFromResource1(getResources(), R.mipmap.ic_app_center_banner, 400, 400);
   Log.e(TAG, "BitmapFactory decodeStream--num-->" + i);
  }
  end = System.currentTimeMillis();
  Log.e(TAG, "BitmapFactory decodeStream--time-->" + (end - start));

BitmapFactory.decodeResource 加载的图片可能会经过缩放，该缩放目前是放在 java 层做的，效率比较低，而且需要消耗 java 层的内存。因此，如果大量使用该接口加载图片，容易导致OOM错误。
BitmapFactory.decodeStream 不会对所加载的图片进行缩放，相比之下占用内存少，效率更高。
这两个接口各有用处，如果对性能要求较高，则应该使用 decodeStream；如果对性能要求不高，且需要 Android 自带的图片自适应缩放功能，则可以使用 decodeResource。

5. ）从二进制数据读取图片

public static Bitmap readBitmapFromByteArray(byte[] data, int width, int height) {
  BitmapFactory.Options options = new BitmapFactory.Options();
  options.inJustDecodeBounds = true;
  BitmapFactory.decodeByteArray(data, 0, data.length, options);
  float srcWidth = options.outWidth;
  float srcHeight = options.outHeight;
  int inSampleSize = 1;

  if (srcHeight > height || srcWidth > width) {
   if (srcWidth > srcHeight) {
    inSampleSize = Math.round(srcHeight / height);
   } else {
    inSampleSize = Math.round(srcWidth / width);
   }
  }

  options.inJustDecodeBounds = false;
  options.inSampleSize = inSampleSize;

  return BitmapFactory.decodeByteArray(data, 0, data.length, options);
 }

6.）从assets文件读取图片

 /**
  * 获取缩放后的本地图片
  *
  * @param filePath 文件路径
  * @return
  */
 public static Bitmap readBitmapFromAssetsFile(Context context, String filePath) {
  Bitmap image = null;
  AssetManager am = context.getResources().getAssets();
  try {
   InputStream is = am.open(filePath);
   image = BitmapFactory.decodeStream(is);
   is.close();
  } catch (IOException e) {
   e.printStackTrace();
  }
  return image;
 }

图片保存文件：

 public static void writeBitmapToFile(String filePath, Bitmap b, int quality) {
  try {
   File desFile = new File(filePath);
   FileOutputStream fos = new FileOutputStream(desFile);
   BufferedOutputStream bos = new BufferedOutputStream(fos);
   b.compress(Bitmap.CompressFormat.JPEG, quality, bos);
   bos.flush();
   bos.close();
  } catch (IOException e) {
   e.printStackTrace();
  }
 }

图片压缩：

 private static Bitmap compressImage(Bitmap image) {
  if (image == null) {
   return null;
  }
  ByteArrayOutputStream baos = null;
  try {
   baos = new ByteArrayOutputStream();
   image.compress(Bitmap.CompressFormat.JPEG, 100, baos);
   byte[] bytes = baos.toByteArray();
   ByteArrayInputStream isBm = new ByteArrayInputStream(bytes);
   Bitmap bitmap = BitmapFactory.decodeStream(isBm);
   return bitmap;
  } catch (OutOfMemoryError e) {
  } finally {
   try {
    if (baos != null) {
     baos.close();
    }
   } catch (IOException e) {
   }
  }
  return null;
 }

图片缩放：

 /**
  * 根据scale生成一张图片
  *
  * @param bitmap
  * @param scale 等比缩放值
  * @return
  */
 public static Bitmap bitmapScale(Bitmap bitmap, float scale) {
  Matrix matrix = new Matrix();
  matrix.postScale(scale, scale); // 长和宽放大缩小的比例
  Bitmap resizeBmp = Bitmap.createBitmap(bitmap, 0, 0, bitmap.getWidth(), bitmap.getHeight(), matrix, true);
  return resizeBmp;
 }

获取图片旋转角度：

 /**
  * 读取照片exif信息中的旋转角度
  *
  * @param path 照片路径
  * @return角度
  */
 private static int readPictureDegree(String path) {
  if (TextUtils.isEmpty(path)) {
   return 0;
  }
  int degree = 0;
  try {
   ExifInterface exifInterface = new ExifInterface(path);
   int orientation = exifInterface.getAttributeInt(ExifInterface.TAG_ORIENTATION, ExifInterface.ORIENTATION_NORMAL);
   switch (orientation) {
    case ExifInterface.ORIENTATION_ROTATE_90:
     degree = 90;
     break;
    case ExifInterface.ORIENTATION_ROTATE_180:
     degree = 180;
     break;
    case ExifInterface.ORIENTATION_ROTATE_270:
     degree = 270;
     break;
   }
  } catch (Exception e) {
  }
  return degree;
 }

图片旋转角度：

  private static Bitmap rotateBitmap(Bitmap b, float rotateDegree) {
    if (b == null) {
      return null;
    }
    Matrix matrix = new Matrix();
    matrix.postRotate(rotateDegree);
    Bitmap rotaBitmap = Bitmap.createBitmap(b, 0, 0, b.getWidth(), b.getHeight(), matrix, true);
    return rotaBitmap;
  }

图片转二进制：

public byte[] bitmap2Bytes(Bitmap bm) {
    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    bm.compress(Bitmap.CompressFormat.PNG, 100, baos);
    return baos.toByteArray();
  }

Bitmap转Drawable

public static Drawable bitmapToDrawable(Resources resources, Bitmap bm) {
    Drawable drawable = new BitmapDrawable(resources, bm);
    return drawable;
  }

Drawable转Bitmap

 public static Bitmap drawableToBitmap(Drawable drawable) {
    Bitmap bitmap = Bitmap.createBitmap(drawable.getIntrinsicWidth(), drawable.getIntrinsicHeight(), drawable.getOpacity() != PixelFormat.OPAQUE ? Bitmap.Config.ARGB_8888 : Bitmap.Config.RGB_565);
    Canvas canvas = new Canvas(bitmap);
    drawable.setBounds(0, 0, drawable.getIntrinsicWidth(), drawable.getIntrinsicHeight());
    drawable.draw(canvas);
    return bitmap;
  }

Drawable、Bitmap占用内存探讨
之前一直使用过Afinal 和Xutils 熟悉这两框架的都知道，两者出自同一人，Xutils是Afina的升级版，AFinal中的图片内存缓存使用的是Bitmap 而后来为何Xutils将内存缓存的对象改成了Drawable了呢?我们一探究竟
写个测试程序：

 List<Bitmap> bitmaps = new ArrayList<>();
    start = System.currentTimeMillis();
    for (int i = 0; i < testMaxCount; i++) {
      Bitmap bitmap = BitmapUtils.readBitMap(this, R.mipmap.ic_app_center_banner);
      bitmaps.add(bitmap);
      Log.e(TAG, "BitmapFactory Bitmap--num-->" + i);
    }
    end = System.currentTimeMillis();
    Log.e(TAG, "BitmapFactory Bitmap--time-->" + (end - start));

    List<Drawable> drawables = new ArrayList<>();

    start = System.currentTimeMillis();
    for (int i = 0; i < testMaxCount; i++) {
      Drawable drawable = getResources().getDrawable(R.mipmap.ic_app_center_banner);
      drawables.add(drawable);
      Log.e(TAG, "BitmapFactory Drawable--num-->" + i);
    }
    end = System.currentTimeMillis();
    Log.e(TAG, "BitmapFactory Drawable--time-->" + (end - start));

测试数据1000 同一张图片

从测试说明Drawable 相对Bitmap有很大的内存占用优势。这也是为啥现在主流的图片缓存框架内存缓存那一层采用Drawable作为缓存对象的原因。
小结：图片处理就暂时学习到这里，以后再做补充。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

直接应用项目中的Android图片缓存技术

前不久搞的Android图片缓存,刚开始引入开源的框架,用着还行,但是在开发中遇到问题,就比如universal-image-loader-1.9.5.jar这个框架吧,在加载图片的时候自定义imageview无法加载,可能是存在以下问题吧,况且导入框架导致开发的项目包越来越大,基于上面的这几种情况,于是我就想自己写一个图片三级缓存的工具. 简要分析:刚开始想,图片的加载显示无非是先检查内存里面有没有,没就去文件里面找,若是文件里面没有的话就去开启网络下载,这样也符合开发中的大部分需求,而且效率
Android开发笔记之图片缓存、手势及OOM分析

把图片缓存.手势及OOM三个主题放在一起,是因为在Android应用开发过程中,这三个问题经常是联系在一起的.首先,预览大图需要支持手势缩放,旋转,平移等操作:其次,图片在本地需要进行缓存,避免频繁访问网络:最后,图片(Bitmap)是Android中占用内存的大户,涉及高清大图等处理时,内存占用非常大,稍不谨慎,系统就会报OOM错误. 庆幸的是,这三个主题在Android开发中属于比较普遍的问题,有很多针对于此的通用的开源解决方案.因此,本文主要说明笔者在开发过程中用到的一些第三方开源库.主要
Android实现图片缓存与异步加载

ImageManager2这个类具有异步从网络下载图片,从sd读取本地图片,内存缓存,硬盘缓存,图片使用动画渐现等功能,已经将其应用在包含大量图片的应用中一年多,没有出现oom. Android程序常常会内存溢出,网上也有很多解决方案,如软引用,手动调用recycle等等.但经过我们实践发现这些方案,都没能起到很好的效果,我们的应用依然会出现很多oom,尤其我们的应用包含大量的图片.android3.0之后软引用基本已经失效,因为虚拟机只要碰到软引用就回收,所以带不来任何性能的提升. 我这里的解
android上的一个网络接口和图片缓存框架enif简析

1.底层网络接口采用apache的httpclient连接池框架: 2.图片缓存采用基于LRU的算法: 3.网络接口采用监听者模式: 4.包含图片的OOM处理(及时回收处理技术的应用): 图片核心处理类:CacheView.java 复制代码代码如下: package xiaogang.enif.image; import java.io.FilterInputStream; import java.io.IOException; import java.io.InputStream; imp
Android图片缓存之初识Glide（三）

前言: 前面总结学习了图片的使用以及Lru算法,今天来学习一下比较优秀的图片缓存开源框架.技术本身就要不断的更迭,从最初的自己使用SoftReference实现自己的图片缓存,到后来做电商项目自己的实现方案不能满足项目的需求改用Afinal,由于Afinal不再维护而选择了师出同门的Xutils,中间也接触过别的开源框架比如Picasso,对Picasso的第一次印象就不太好,初次接触是拿到了公司刚从外包公司接手过来的图片社交类app,对内存占用太大,直接感受就是导致ListView滑动有那么一
Android图片缓存之Lru算法（二）

前言: 上篇我们总结了Bitmap的处理,同时对比了各种处理的效率以及对内存占用大小,点击查看.我们得知一个应用如果使用大量图片就会导致OOM(out of memory),那该如何处理才能近可能的降低oom发生的概率呢?之前我们一直在使用SoftReference软引用,SoftReference是一种现在已经不再推荐使用的方式,因为从 Android 2.3 (API Level 9)开始,垃圾回收器会更倾向于回收持有软引用或弱引用的对象,这让软引用变得不再可靠,所以今天我们来认识一种新的缓
Android图片缓存原理、特性对比

这是我在 MDCC 上分享的内容(略微改动),也是源码解析第一期发布时介绍的源码解析后续会慢慢做的事. 从总体设计和原理上对几个图片缓存进行对比,没用到他们的朋友也可以了解他们在某些特性上的实现. 一. 四大图片缓存基本信息 Universal ImageLoader 是很早开源的图片缓存,在早期被很多应用使用. Picasso 是 Square 开源的项目,且他的主导者是 JakeWharton,所以广为人知. Glide 是 Google 员工的开源项目,被一些 Google App 使用,
android中图片的三级缓存cache策略(内存/文件/网络)

1.简介现在android应用中不可避免的要使用图片,有些图片是可以变化的,需要每次启动时从网络拉取,这种场景在有广告位的应用以及纯图片应用(比如百度美拍)中比较多. 现在有一个问题:假如每次启动的时候都从网络拉取图片的话,势必会消耗很多流量.在当前的状况下,对于非wifi用户来说,流量还是很贵的,一个很耗流量的应用,其用户数量级肯定要受到影响.当然,我想,向百度美拍这样的应用,必然也有其内部的图片缓存策略.总之,图片缓存是很重要而且是必须的. 2.图片缓存的原理实现图片缓存也不难,需要有相
Android中Glide加载库的图片缓存配置究极指南

零.选择Glide 为什么图片加载我首先推荐Glide? 图片加载框架用了不少,从afinal框架的afinalBitmap,Xutils的BitmapUtils,老牌框架universalImageLoader,著名开源组织square的picasso,google推荐的glide到FaceBook推出的fresco.这些我前前后后都体验过,那么面对这么多的框架,该如何选择呢?下面简单分析下我的看法. afinal和Xuils在github上作者已经停止维护了,开源社区最新的框架要属KJFra
android异步加载图片并缓存到本地实现方法

在android项目中访问网络图片是非常普遍性的事情,如果我们每次请求都要访问网络来获取图片,会非常耗费流量,而且图片占用内存空间也比较大,图片过多且不释放的话很容易造成内存溢出.针对上面遇到的两个问题,首先耗费流量我们可以将图片第一次加载上面缓存到本地,以后如果本地有就直接从本地加载.图片过多造成内存溢出,这个是最不容易解决的,要想一些好的缓存策略,比如大图片使用LRU缓存策略或懒加载缓存策略.今天首先介绍一下本地缓存图片. 首先看一下异步加载缓存本地代码: 复制代码代码如下: public

Android图片缓存之Bitmap详解（一）

相关推荐

随机推荐