您好,登录后才能下订单哦!
这篇文章主要介绍“Android性能优化之图片大小,尺寸压缩的方法”,在日常操作中,相信很多人在Android性能优化之图片大小,尺寸压缩的方法问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”Android性能优化之图片大小,尺寸压缩的方法”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
在Android中我们经常会遇到图片压缩的场景,比如给服务端上传图片,包括个人信息的用户头像,有时候人脸识别也需要捕获图片等等。这种情况下,我们都需要对图片做一定的处理,比如大小,尺寸等的压缩。
质量压缩
尺寸压缩
libjpeg
首先我们要介绍一个api--Bitmap.compress()
@WorkerThread public boolean compress(CompressFormat format, int quality, OutputStream stream) { checkRecycled("Can't compress a recycled bitmap"); // do explicit check before calling the native method if (stream == null) { throw new NullPointerException(); } if (quality < 0 || quality > 100) { throw new IllegalArgumentException("quality must be 0..100"); } StrictMode.noteSlowCall("Compression of a bitmap is slow"); Trace.traceBegin(Trace.TRACE_TAG_RESOURCES, "Bitmap.compress"); boolean result = nativeCompress(mNativePtr, format.nativeInt, quality, stream, new byte[WORKING_COMPRESS_STORAGE]); Trace.traceEnd(Trace.TRACE_TAG_RESOURCES); return result; }
compress()是系统的API,也是质量和尺寸压缩常用的方法。
public boolean compress(Bitmap.CompressFormat format, int quality, OutputStream stream);这个方法有三个参数:
Bitmap.CompressFormat format图像的压缩格式;
int quality图像压缩率,O-100。0压缩100%,100意味着不压缩;
OutputStream stream 写入压缩数据的输出流;
返回值:如果成功地把压缩数据写入输出流,则返回true。
伪代码
val baos= ByteArrayoutputstream () try { var quality = 50 do { quality -= 10 baos.reset() bitmap.compress(Bitmap.CompressFormat.JPEG, quality, baos) } while (baos.toByteArray().size / 1024 > 100) fos.write(baos.toByteArray(o)) }catch (ex : Throwable) { ex.printStackTrace ()} finally { fos.apply i this: FileOutputStream flush () close () }
先来看看一个属性Options
属性 inJustDecodeBounds,如果该值为true,那么将不返回实际的 bitmap,也不给其分配内存空间这样就避免内存溢出了。
允许我们查询图片的信息,这其中就包括图片大小信息,options.outHeight(图片原始高度)和option.outWidth(图片原始宽度)。
两次decode,传入不同的options配置:
部分伪代码
val reqWidth = 500 val reqHeight = 300 val bitmap = decodeSampledBitmapFromFile(imageFile, reqWidth, reqHeight) val fos = Fileoutputstream( File(applicationContext.filesDir, child: "$ {system.currentTimeMillis() }_scale.jpg") ) try { val quality = 50 bitmap.compress(Bitmap.CompressFormat.JPEG, quality, fos) catch(ex: Throwable) { ex.printstackTrace() finally { fos.apply { flush() close() } } } } } private fun decodeSampledBitmapFromFile(imageFile: File,reqWidth: Int,reqHeight: Int): Bitmap { return BitmapFactory.Options().run { inJustDecodeBounds = true //先获取原始图片的宽高,不会将Bitmap加载到内存中,返回null BitmapFactory.decodeFile(imageFile.absolutePath, opts: this) inSamplesize = calculateInSampleSize(options: this, reqWidth,reqHeight) inJustDecodeBounds - false BitmapFactory.decodeFile(imageFile.absolutePath, opts : this) } } private fun calculateInSampleSize(context: BitmapFactory, reqWidth: Int, reqHeight: Int): Int { //解构语法,获取原始图片的宽高 val (height: Int, width: Int) = options.run { outHeight to outwidth } //计算最大的inSampleSize值,该值为2的幂次方,并同时保持这两个值高度和宽度大于请求的高度和宽度。 //原始图片的宽高要大于要求的宽高 var inSampleSize = 1 if (height > reqHeight || width > reqWidth) { val halfHeight: Int = height / 2 val halfwidth: Int = width / 2 while (halfHeight / inSampleSize >= reqHeight && halfwidth / inSampleSize >= reqWidth) { inSampleSize *= 2 } } return inSampleSize }
inSampleSize都是2的倍数 .
BitmapFactory 给我们提供了一个解析图片大小的参数类 BitmapFactory.Options ,把这个类的对象的 inJustDecodeBounds 参数设置为 true,这样解析出来的 Bitmap 虽然是个 null,但是 options 中可以得到图片的宽和高以及图片的类型。得到了图片实际的宽和高之后我们就可以进行压缩设置了,主要是计算图片的采样率。
第一次采样已经结束,我们已经成功的计算出了sampleSize的大小
第二次采样时我需要将图片加载出来显示,不能只加载图片的框架,因此inJustDecodeBounds属性要设置为false
libjpeg是一个完全用C语言编写的库,包含了被广泛使用的JPEG解码、JPEG编码和其他的JPEG功能的实现。
libjpeg-turbo图像编解码器,使用了SIMD指令来加速x86、x86-64、ARM和 PowerPC系统上的JPEG压缩和解压缩,libjpeg-turbo 的速度通常是libjpeg 的2-6倍。
可以使用采用哈夫曼
微信采用的方式
其实最重要的是把ARGB转换为RBG,也就是把每个像素4个字节,转换为每个像素3个字节。
导入对应的so库文件即可编写C的代码 jpeg.so 和 jpeg-turbo.so
编写这部分的代码需要NDK的环境和C语言的基础
伪代码
int generateCompressJPEG(BYTE *data, int w, int h, int quality, const char *outfileName, jboolean optimize) { //结构体相当于java的类 struct jpeg_compress_struct jcs; //当读完整个文件的时候回回调 struct my_error_mgr jem; jcs.err = jpeg_std_error(&jem.pub); jem.pub.error_exit = my_error_exit; //setjmp是一个系统级函数,是一个回调 if (setjmp(jem.setjmp_buffer)) { return 0; } //初始化jsc结构体 jpeg_create_compress(&jcs); //打开输出文件 wb可写 rb可读 FILE *f = fopen(outfileName, "wb"); if (f == NULL) { return 0; } //设置结构体的文件路径,以及宽高 jpeg_stdio_dest(&jcs, f); jcs.image_width = w; jcs.image_height = h; //TRUE=arithmetic coding, FALSE=Huffman jcs.arith_code = false; int nComponent = 3; // 颜色的组成rgb,三个 of color components in input image jcs.input_components = nComponent; // 设置颜色空间为rgb jcs.in_color_space = JCS_RGB; jpeg_set_defaults(&jcs); // 是否采用哈夫曼 jcs.optimize_coding = optimize; //设置质量 jpeg_set_quality(&jcs, quality, true); //开始压缩 jpeg_start_compress(&jcs, TRUE); JSAMPROW row_pointer[1]; int row_stride; row_stride = jcs.image_width * nComponent; while (jcs.next_scanline < jcs.image_height) { //得到一行的首地址 row_pointer[0] = &data[jcs.next_scanline * row_stride]; jpeg_write_scanlines(&jcs, row_pointer, 1); } // 压缩结束 jpeg_finish_compress(&jcs); // 销毁回收内存 jpeg_destroy_compress(&jcs); //关闭文件 fclose(f); return 1; }
for (int i = 0; i < bitmapInfo.height; ++i) { for (int j= 0; j < bitmapInfo.width; ++j){ if (bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGBA_8888){ //0x2312faff ->588446463 color = *(int *) (pixelsColor); // 从color值中读取RGBA的值/ /ABGR b = (color >> 16)& 0xFE; g = (color >> 8)& OxFF; r = (color >> 0) & OxFF; *data = r; * (data + 1) =g; *(data + 2) = b; data += 3; //移动步长4个字节 pixelsColor +- 4 ; }else { return -2; } // 是否采用哈夫曼 jcs.optimize_coding = optimize;
至此,三种图片压缩的方法已经介绍完毕了。
经过图片压缩实践,质量压缩和libjpeg最后的图片的大小一样,效果也和原图差不多。
其实,经过我翻查原码发现,新版本的Bitmap.compress() 会调用
boolean result = nativeCompress(mNativePtr, format.nativeInt, quality, stream, new byte[WORKING_COMPRESS_STORAGE]); private static native boolean nativeCompress(long nativeBitmap, int format, int quality, OutputStream stream, byte[] tempStorage);
其实最后也会调用到nativeCompress的压缩,也会采用哈夫曼算法,提高压缩效率。
既然这样,那么这里为什么还要介绍libjpeg的方法呢?
兼容低版本,早起的compress没有采用哈夫曼算法
大厂的跨平台算法
到此,关于“Android性能优化之图片大小,尺寸压缩的方法”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注亿速云网站,小编会继续努力为大家带来更多实用的文章!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。