Android 性能优化-Bitmap知识梳理 & 高效加载

一、Bitmap 占用内存计算

bitmap 的内存计算可由下面的计算公式得出来：

Bitmap 内存占用 ≈ 像素数据总大小 = 图片宽 × 图片高× ( 设备dpi / 资源目录dpi ) ^ 2 × 单个像素的字节大小

其中单个像素的字节大小由 Bitmap 的一个可配置的参数 Config 来决定。Bitmap 中存在一个枚举类 Config，定义了 Android 中支持的 Bitmap 配置：

Bitmap Config 参数

Android 系统中，默认 Bitmap 加载图片使用24位真彩色（ARGB_8888）模式。
资源目录dpi 跟图片存放的资源文件的目录有关系：

当图片不特别放置任何资源目录时，其默认使用 mdpi 分辨率：160

根据我们上面的公式计算来验证一下：

res\drawable-xhdpi：1920 * 2304 * （272/ 160）^ 2 * 4 = 17280000
res\drawable-xxxhdpi：1920 * 2304 * （272/ 640）^ 2 * 4 = 1080000
res\drawable-xxhdpi：1920 * 2304 * （272/ 480）^ 2 * 4 = 1920000

二、BitMap 优化

Bitmap内存优化从下面四个方面进行优化：

编码
采样
复用
匿名共享区

2.1 编码

在第一节中已经列举出的枚举配置中存在几种不同的配置：
其中，A代表透明度；R代表红色；G代表绿色；B代表蓝色。

ALPHA_8
表示8位Alpha位图,即A=8,一个像素点占用1个字节,它没有颜色,只有透明度
ARGB_4444
表示16位ARGB位图，即A=4,R=4,G=4,B=4,一个像素点占4+4+4+4=16位，2个字节
ARGB_8888
表示32位ARGB位图，即A=8,R=8,G=8,B=8,一个像素点占8+8+8+8=32位，4个字节
RGB_565
表示16位RGB位图,即R=5,G=6,B=5,它没有透明度,一个像素点占5+6+5=16位，2个字节

也即是说我们可以通过改变图片格式，来改变每个像素占用字节数，来改变占用的内存，看下面代码

fun compressBitmap() {
        // 不获取图片，不加载到内存，只返回图片的宽高
        val mOptions = BitmapFactory.Options()
        mOptions.inJustDecodeBounds = true
        BitmapFactory.decodeResource(resources, R.drawable.yasuo, mOptions)
        // 获取图片的宽高
        val mOrigWidth = mOptions.outWidth
        val mOrigHeight = mOptions.outHeight
        Log.e(TAG, "原图：mOrigWidth = $mOrigWidth, mOrigHeight = $mOrigHeight")

        // 图片压缩-更改图片格式
        mOptions.inPreferredConfig = Bitmap.Config.RGB_565
        mOptions.inJustDecodeBounds = false
        val mTestBitmap = BitmapFactory.decodeResource(resources, R.drawable.yasuo, mOptions)
        Log.e(TAG, "===========================压缩后=================================")
        Log.e(TAG, "mTestBitmap width = ${mTestBitmap.width}, height = ${mTestBitmap.height}")
        Log.e(TAG,"mTestBitmap byteCount = ${mTestBitmap.byteCount}")
        Log.e(TAG,"mTestBitmap allocationByteCount = ${mTestBitmap.allocationByteCount}")
    }

从日志中可以看出从改变bitmap的格式可以有效的降低其占用内存大小。从 ARGB_8888 切换到 RGB_565 减少约 2 倍的内存大小。

2.2 采样

我们了解到了计算bitmap的占用内存的方法，是以bitmap的宽高和每个像素占用的字节数决定的。图片的大小就是bitmap的宽高，按公式我们可以缩减bitmap的宽高来达到压缩图片占用内存的目的，看下面代码，以缩减宽高来达到压缩的目的

fun decodeSampleSizeBitmapWithRes(res: Resources, resId: Int, reqWidth: Int, reqHeight: Int) {
        val mOption = BitmapFactory.Options()
        mOption.inJustDecodeBounds = true
        BitmapFactory.decodeResource(res, resId, mOption)
        mOption.inSampleSize = calculateInSampleSize(mOption, reqWidth, reqHeight)
        Log.e("mTestBitmap", "sampleSize：${calculateInSampleSize(mOption, reqWidth, reqHeight)}")
        mOption.inJustDecodeBounds = false
        val mCompressBitmap = BitmapFactory.decodeResource(res, resId, mOption)
        Log.e(TAG, "===========================压缩后=================================")
        Log.e(TAG, "mTestBitmap width = ${mCompressBitmap.width}, height = ${mCompressBitmap.height}")
        Log.e(TAG, "mTestBitmap byteCount = ${mCompressBitmap.byteCount}")
        Log.e(TAG, "mTestBitmap allocationByteCount = ${mCompressBitmap.allocationByteCount}")
    }

这种我们根据BitmapFactory 的采样率进行压缩设置采样率，不能小于1 假如是2 则宽为之前的1/2，高为之前的1/2，一共缩小1/4 一次类推，我们看到log ，确实起到了压缩的目的

2.2 复用

重复加载图片资源耗费太多资源（CPU、内存 & 流量），我们可以使用三级缓存机制，即内存缓存、本地缓存（硬盘、数据库、文件）、网络缓存。当加载 Bitmap 图片资源时，先从内存缓存中寻找；若内存缓存中没有，则从本地缓存中查找；若本地缓存没有，则从网络中加载寻找。

另外还可以使用软引用（内存空间不足时才回收这些对象的内存）的方式实现内存敏感的高速缓存。
同时还可以开启 inBitmap 这个属性
inBitmap 属性的作用：

不使用这个属性，你加载三张图片，系统会给你分配三份内存空间，用于分别储存这三张图片
如果用了inBitmap这个属性，加载三张图片，这三张图片会指向同一块内存，而不用开辟三块内存空间

inBitmap的限制

3.0-4.3
复用的图片大小必须相同
编码必须相同
4.4以上
复用的空间大于等于即可
编码不必相同
不支持WebP
图片复用，这个属性必须设置为true； options.inMutable = true;

2.3 压缩

一个是上面讲到的采样压缩，另外一种则是下面的 质量压缩
质量压缩

ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
//quality 为0～100，0表示最小体积，100表示最高质量，对应体积也是最大
bitmap.compress(Bitmap.CompressFormat.JPEG, 100, outputStream);

在上述代码中，我们选择的压缩格式是 CompressFormat.JPEG，除此之外还有两个选择：CompressFormat.PNG， PNG 格式是无损的，它无法再进行质量压缩，quality 这个参数就没有作用了，会被忽略，所以最后图片保存成的文件大小不会有变化；CompressFormat.WEBP ，这个格式是 google 推出的图片格式，它会比 JPEG 更加省空间，经过实测大概可以优化 30% 左右。

参考文章：

Android BitMap 优化
 Android Bitmap 的高效加载解析
 性能优化：Android中Bitmap内存大小优化的几种常见方式