Bitmap知识点集合

前言

今天聊聊Bitmap相关的面试题/知识点，看看你是否都弄明白了呢？

• Bitmap是什么，怎么存储图片？
• Bitmap内存如何计算？
• Bitmap内存 和drawable目录的关系。
• Bitmap加载优化？不改变图片质量的情况下怎么优化？
• inJustDecodeBounds是什么？
• Bitmap内存复用怎么实现？
• 高清大图加载该怎么处理？
• 如何跨进程传递大图？

Bitmap是什么，怎么存储图片。

Bitmap，位图，本质上是一张图片的内容在内存中的表达形式。它将图片的内容看做是由存储数据的有限个像素点组成；每个像素点存储该像素点位置的ARGB值，每个像素点的ARGB值确定下来，这张图片的内容就相应地确定下来。其中，A代表透明度，RGB代表红绿蓝三种颜色通道值。

Bitmap内存如何计算

Bitmap一直都是Android中的内存大户，计算大小的方式有三种：

• getRowBytes() 这个在API Level 1添加的，返回的是bitmap一行所占的大小，需要乘以bitmap的高，才能得出btimap的大小
• getByteCount() 这个是在API Level 12添加的，其实是对getRowBytes()乘以高的封装
• getAllocationByteCount() 这个是在API Level 19添加的

这里我将一张图片放到项目的drawable-xxhdpi文件夹中，然后通过方法获取图片所占的内存大小：

var bitmap = BitmapFactory.decodeResource(resources, R.drawable.test)
    img.setImageBitmap(bitmap)
    Log.e(TAG,"dpi = ${resources.displayMetrics.densityDpi}")
    Log.e(TAG,"size = ${bitmap.allocationByteCount}")

打印出来的结果是

size=1960000

具体是怎么计算的呢？

图片内存=宽 * 高 * 每个像素所占字节。

这个像素所占字节又和Bitmap.Config有关，Bitmap.Config是个枚举类，用于描述每个像素点的信息，比如：

• ARGB_8888。常用类型，总共32位，4个字节，分别表示透明度和RGB通道。
  
• RGB_565。16位，2个字节，只能描述RGB通道。

所以我们这里的图片内存计算就得出：

宽700 * 高700 * 每个像素4字节=1960000

Bitmap内存 和drawable目录的关系

首先放一张drawable目录对应的屏幕密度对照表,来自郭霖的博客：

刚才的案例，我们是把图片放到drawable-xxhdpi文件夹,而drawable-xxhdpi文件夹对应的dpi就是我们测试手机的dpi—480。所以图片的内存就是我们所计算的宽 * 高 * 每个像素所占字节。

如果我们把图片放到其他的文件夹，比如drawable-hdpi文件夹（对应的dpi是240），会发生什么呢？

再次打印结果：

size = 7840000

这是因为一张图片的实际占用内存大小计算公式是：

占用内存 = 宽 * 缩放比例 * 高 * 缩放比例 * 每个像素所占字节

这个缩放比例就跟屏幕密度DPI有关了：

缩放比例 = 设备dpi/图片所在目录的dpi

所以我们这张图片的实际占用内存位：

宽700 * （480/240） * 高700 * （480/240） * 每个像素4字节 = 7840000

Bitmap加载优化？不改变图片质量的情况下怎么优化？

常用的优化方式是两种：

• 修改Bitmap.Config

这一点刚才也说过，不同的Conifg代表每个像素不同的占用空间，所以如果我们把默认的ARGB_8888改成RGB_565，那么每个像素占用空间就会由4字节变成2字节了，那么图片所占内存就会减半了。

可能一定程度上会降低图片质量，但是我实际测试看不出什么变化。

• 修改inSampleSize

inSampleSize，采样率，这个参数是用于图片尺寸压缩的，他会在宽高的维度上每隔inSampleSize个像素进行一次采集，从而达到缩放图片的效果。这种方法只会改变图片大小，不会影响图片质量。

val options=BitmapFactory.Options()
    options.inSampleSize=2
    val bitmap = BitmapFactory.decodeResource(resources, R.drawable.test2,options)
    img.setImageBitmap(bitmap)

实际项目中，我们可以设置一个与目标图像大小相近的inSampleSize，来减少实际使用的内存：

fun getImage(): Bitmap {
        var options = BitmapFactory.Options()
        options.inJustDecodeBounds = true
        BitmapFactory.decodeResource(resources, R.drawable.test2, options)
        // 计算最佳采样率
        options.inSampleSize = getImageSampleSize(options.outWidth, options.outHeight)
        options.inJustDecodeBounds = false
        return BitmapFactory.decodeResource(resources, R.drawable.test2, options)
    }

inJustDecodeBounds是什么？

上面的例子大家应该发现了，其中有个inJustDecodeBounds，又设置为true，又设置成false的，总感觉多此一举，那么他到底是干嘛呢？

因为我们要获取图片本身的大小，如果直接decodeResource加载一遍的话，那么就会增加内存了，所以官方提供了这样一个参数inJustDecodeBounds。如果inJustDecodeBounds为ture，那么decode的bitmap为null，也就是不返回实际的bitmap，只把图片的大小信息放到了options的值中。

所以这个参数就是用来获取图片的大小信息的同时不占用内存。

Bitmap内存复用怎么实现？

如果有个需求，是在同一个imageview中可以加载不同的图片，那我们需要每次都去新建一个Bitmap对象，占用新的内存空间吗？如果我们这样写的话：

override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.actvitiy_bitmap)
        btn1.setOnClickListener {
            img.setImageBitmap(getBitmap(R.drawable.test))
        }
        btn2.setOnClickListener {
            img.setImageBitmap(getBitmap(R.drawable.test2))
        }
    }
    fun getBitmap(resId: Int): Bitmap {
        var options = BitmapFactory.Options()
        return BitmapFactory.decodeResource(resources, resId, options)
    }

这样就会Bitmap就会频繁去申请内存，释放内存，从而导致大量GC，内存抖动。

为了防止这种情况呢，我们就可以用到inBitmap参数，用于Bitmap的内存复用。这样同一块内存空间就可以被多个Bitmap对象复用，从而减少了频繁的GC。

val options by lazy {
        BitmapFactory.Options()
    }
    val reuseBitmap by lazy {
        options.inMutable = true
        BitmapFactory.decodeResource(resources, R.drawable.test, options)
    }
    fun getBitmap(resId: Int): Bitmap {
        options.inMutable = true
        options.inBitmap = reuseBitmap
        return BitmapFactory.decodeResource(resources, resId, options)
    }

这里有几个要注意的点

• inBitmap要和inMutable属性配套使用，否则将无法复用。
• 在Android 4.4之前，只能重用相同大小的 Bitmap 内存区域；4.4之后只要复用内存空间的Bitmap对象大小比inBitmap指向的内存空间要小即可。

所以一般在复用之前，还要判断下，新的Bitmap内存是不是小于可以复用的Bitmap内存，然后才能进行复用。

高清大图加载该怎么处理？

如果是高清大图，那就说明不允许进行图片压缩，比如微博长图，清明上河图。

所以我们就要对图片进行局部显示，这就用到BitmapRegionDecoder属性，主要用于显示图片的某一块矩形区域。

比如我要显示左上角的100 * 100区域：

fun setImagePart() {
        val inputStream: InputStream = assets.open("test.jpg")
        val bitmapRegionDecoder: BitmapRegionDecoder =
            BitmapRegionDecoder.newInstance(inputStream, false)
        val options = BitmapFactory.Options()
        val bitmap = bitmapRegionDecoder.decodeRegion(
            Rect(0, 0, 100, 100), options)
        image.setImageBitmap(bitmap)
    }

实际项目使用中，我们可以根据手势滑动，然后不断更新我们的Rect参数来实现具体的功能即可。

具体实现源码可以参考鸿洋的博客：

https://blog.csdn.net/lmj623565791/article/details/49300989

如何跨进程传递大图？

• Bundle直接传递。bundle最常用于Activity间传递，也属于跨进程的一种方式，但是传递的大小有限制，一般为1M。

//intent.put的putExtra方法实质也是通过bundle
intent.putExtra("image",bitmap);
bundle.putParcelable("image",bitmap)

Bitmap之所以可以直接传递，是因为其实现了Parcelable接口进行了序列化。而Parcelable的传递原理是利用了Binder机制，将Parcel序列化的数据写入到一个共享内存（缓冲区）中，读取的时候也会从这个缓冲区中去读取字节流，然后再反序列化成对象使用。这个共享内存也就是缓存区有一个大小限制—1M，而且是公用的。所以传图片的话很容易就容易超过这个大小然后报错TransactionTooLargeException。

所以这个方案不可靠。

• 文件传输。

将图片保存到文件，然后只传输文件路径，这样肯定是可以的，但是不高效。

• putBinder

这个就是考点了。通过传递binder的方式传递bitmap。

//传递binder
val bundle = Bundle()
bundle.putBinder("bitmap", BitmapBinder(mBitmap))
//接收binder中的bitmap
val imageBinder: BitmapBinder = bundle.getBinder("bitmap") as BitmapBinder
val bitmap: Bitmap? = imageBinder.getBitmap()
//Binder子类
class BitmapBinder :Binder(){
    private var bitmap: Bitmap? = null
    fun ImageBinder(bitmap: Bitmap?) {
        this.bitmap = bitmap
    }
    fun getBitmap(): Bitmap? {
        return bitmap
    }
}

为什么用putBinder就没有大小限制了呢？

• 因为putBinder中传递的其实是一个文件描述符fd，文件本身被放到一个共享内存中，然后获取到这个fd之后，只需要从共享内存中取出Bitmap数据即可，这样传输就很高效了。
• 而用Intent/bundle直接传输的时候，会禁用文件描述符fd，只能在parcel的缓存区中分配空间来保存数据，所以无法突破1M的大小限制。

文件描述符是一个简单的整数，用以标明每一个被进程所打开的文件和socket。第一个打开的文件是0，第二个是1，依此类推。

参考

https://kaiwu.lagou.com/course/courseInfo.htm?courseId=67#/detail/pc?id=1872

https://www.cnblogs.com/shakinghead/p/11025805.html

https://blog.csdn.net/lmj623565791/article/details/49300989

https://blog.csdn.net/ylyg050518/article/details/97671874