图片从文件渲染到屏幕的过程

理解iOS中图片从文件渲染屏幕的过程

  本文涉及到的一些名词名词解释可以参考 学习笔记_OpenGL下专业名词解释

  一般情况下,显示是由 CPU 和 GPU 协作来完成的渲染,一次渲染的过程中,分工大致如下:

  CPU:计算 frame,图片解码,通过数据总线将需要绘制的纹理图片交给GPU

  GPU:纹理混合,顶点变换与计算,像素点的填充计算,渲染到帧缓冲区。

图片加载的工作流程

假设使用 +imageWithContentsOfFile: 方法从磁盘中加载一张图片,这个时候的图片并没有解压缩;

然后将生成的 UIImage 赋值给 UIImageView;

接着一个隐式的 CATransaction 捕获到了 UIImageView 图层树的变化;

在主线层的下一个 runloop 到来时,Core Animation 提交了这个隐式的 transaction,这个过程可能会对图片进行 copy 操作,而受图片是否字节对齐等因素的影响,这个 copy 操作可能会涉及一下部分或全部步骤:

  分配内存缓冲区用于管理文件 IO 和解压缩操作;

  将文件数据从磁盘堵到内存中;

  将压缩的图片数据解码成未压缩的位图形式(这是一个非常耗时的 CPU 操作);

  最后 Core Animation 中 CALayer 使用未压缩的位图数据渲染 UIImageView 的图层;

  CPU 计算好图片的 Frame,对图片解压之后,就会交给 GPU 来做图片渲染。

渲染流程:

  GPU 获取图片的坐标

  将坐标交给顶点着色器(顶点计算)

  将图片光栅化(获取图片对应屏幕上的像素点)

  片元着色器计算(计算每个像素点的最终显示的颜色值)

  从帧缓存区中渲染到屏幕上

  由于图片压缩是一个非常耗时的 CPU 操作,并且它是默认在主线程中执行,当需要加载的图片比较多的时候,就会对应用性能造成严重影响,尤其是在快速滑动列表时,这个问题尤其明显。

为什么要解压缩图片

  既然图片的解压缩十分消耗性能,为什么还要进行图片的解压缩而不是直接将图片显示在屏幕上呢?为了解释这个问题,就需要先了解什么是位图。

  位图就是一个像素数组,数组中的每个像素点就代表图片中的一个点。我们经常接触到的 JPEG 和 PNG 图片就是位图,而他们事实上是一种压缩的位图图形格式,只不过 PNG 是无损压缩,并且支持 alpha 通道,而 JPEG 图片则是有损压缩,可以指定 0-100%的压缩比。因此,在将磁盘中的图片渲染到屏幕之前,必须先要得到图片的原始像素数据,才能执行后续的绘制操作,这就是为什么要对图片解压缩的原因。

解压缩原理

  当未解压缩的图片将要渲染到屏幕时,系统会在主线程对图片进行解压缩,而如果图片已经解压缩了,系统就不会再对图片进行解压缩,而解压缩十分消耗性能,我们不希望让它在主线程执行,因此就有了业内常用的解决方案,在子线程提前对图片进行解压缩。

  强制解压缩的原理就是对图片进行重新绘制,得到一张新的解压缩后的位图。其中用到的最核心的函数就是 CGBitmapContextCreate :

CG_EXTERN CGContextRef __nullable CGBitmapContextCreate(void * __nullable data,

    size_t width, size_t height, size_t bitsPerComponent, size_t bytesPerRow,

    CGColorSpaceRef cg_nullable space, uint32_t bitmapInfo)

    CG_AVAILABLE_STARTING(__MAC_10_0, __IPHONE_2_0);

1

2

3

4

  data : 如果不为 NULL,那么它应该指向一块大小至少为 bytesPerRow * height 字节的内存;如果为 NULL,那么系统就会为我们自动分配和释放所需的内存,所以一般指定 NULL 即可;

  width 和 height :位图的宽度和高度,分别赋值为图片的像素宽度和像素高度即可;

  bitsPerComponent :像素的每个颜色分量使用的比特数,在 RGB 颜色空间下指定为 8 即可;

  bytesPerRow :位图的每一行使用的字节数,大小至少为 width * bytes per pixel 字节。当指定为 0/NULL 时,系统不仅会自动计算,还会进行 cache line alignment 的优化。

  space :就是之前提到的颜色空间,一般使用 RGB 即可 ;

  bitmapInfo :位图的布局信息。kCGImageAlphaPremultipliedFirst

总结

图片文件只有在确认要显示时,CPU 才会对其进行解压缩。因为解压缩是非常耗时性能的事情,解压过的图片就不会重复解压,会缓存起来。

图片渲染到屏幕的过程:读取文件 -> 计算 Frame -> 图片解码 -> 解码后纹理图片位图数据通过数据总线交给 GPU -> GPU获取图片 Frame -> 顶点变换计算 -> 光栅化 -> 根据纹理坐标获取每个像素点的颜色值(如果出现透明值需要将每个像素点的颜色*透明值度)-> 渲染到帧缓存区 -> 渲染到屏幕

原文链接:https://blog.csdn.net/u010682633/article/details/106960755/

©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 205,132评论 6 478
  • 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 87,802评论 2 381
  • 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 151,566评论 0 338
  • 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 54,858评论 1 277
  • 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 63,867评论 5 368
  • 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 48,695评论 1 282
  • 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 38,064评论 3 399
  • 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 36,705评论 0 258
  • 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 42,915评论 1 300
  • 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 35,677评论 2 323
  • 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 37,796评论 1 333
  • 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 33,432评论 4 322
  • 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 39,041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 29,992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 31,223评论 1 260
  • 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 45,185评论 2 352
  • 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 42,535评论 2 343

推荐阅读更多精彩内容