聊聊图片压缩的优化

简介: 聊聊图片压缩的优化

本篇文章主要是聊聊压缩的优化,尽量不贴代码,文章结构也尽量保证短小。

比例压缩


比例压缩是一种非常常见的算法,主要是通过设置


BitmapFactory.Options.inSampleSize 来压缩,我们可以自己设置压缩的比例,也可以根据目标控件的宽、高度来等比设置比例,压缩效率一般,所以我们时常会配合质量压缩一块来压缩。

质量压缩


拿到等比压缩过后的图片,我们可以通过 bitmap.compress(Bitmap.CompressFormat.JPEG, quality, baos) 来实现质量压缩,我们主要关注以下俩个参数:


1、CompressFormat  是我们要压缩的格式,包含的格式有:

  • JPEG:压缩为 JPEG 格式,压缩质量随 quality 改变,一般都用它
  • PNG:压缩为 PNG 格式,PNG 是无损的,他会忽略 quality 值,一般不用
  • WEBP:压缩为 WEBP 格式,压缩质量随 quality 改变,但从 Android Q 开始,quality=100 时,将会采用无损压缩,一般不用

2、quality 是我们要压缩的质量,压缩区间为 0 ~ 100,一般我们会设置压缩质量为 80.

色值压缩


色值压缩通过 BitmapFactory.OptionsinPreferredConfig 来设置,对应的 config 有:


  • ALPHA_8
  • RGB_565
  • ARGB_4444
  • ARGB_8888
  • RGBA_F16
  • HARDWARE


这几种配置都是通过设置单个像素点的位数来改变图片大小,比如 ARGB_8888 和 RGB_565,前者采用 4*8 = 32 位来表示一个像素,后者采用 5+6+5 = 16 位来表示一个像素,在质量大小上面,RGB_565 比 ARGB_8888 小了 1 倍。

算法压缩


前面讲了这么多,都逃脱不了压缩的界定值问题,就是到底设置什么样的值,既能保证图片清晰,还能保证大小压缩已经到了极致。这个地方又要引入一个第三方框架,那就是 Luban,Luban 的精华部分就是实现了一套 inSampleSize 的算法计算,保证图片的压缩是极致的,具体代码可以查看 computeSize 方法,这里就不贴代码了。

Native 压缩



虽然 Luban 将压缩发挥了极致,但毕竟只是计算 inSampleSize,相比较 native 的 libjpeg 而言,压缩又进了一个等级。关于 libjpeg 的 分析可以看我这篇文章《JNI 之 Libjpeg 分析》,Luban 的作者也做了一个基于 libjpeg 的库—— Luban-Turbo

问题


上面的所有算法,都有一个致命问题 —— 压缩前需要加载进内存。对于大图而言,100M 的图片加载进内存会导致内存拼命增长,发生 OOM 会导致应用进程崩溃。

方案


压缩前需要加载进内存这个貌似无法解决,但我们可以另辟新径,开个新的进程出来,专门来处理图片压缩,即使加载进的图片非常大导致进程崩溃,也不会影响到主进程。

对于开个新进程来处理图片压缩问题,我想到的一个比较简单的方案是创建一个专门处理压缩的 Activity,并设置 process 为单独的一个进程:


<activity
      android:name=".ProcessActivity"
      android:process=":compress"/>
复制代码


如果体验想更佳的话,我们可以给 activity 设置 dialog theme,然后布局设置为一个 loading 加载框等待压缩,压缩完成后,setResult 将压缩结果带回:


image.png


目录
相关文章
小红书 - 只需一招带你解决笔记“换行”问题
小红书 - 只需一招带你解决笔记“换行”问题
3832 0
|
存储 编译器 C语言
爱上C语言:整型和浮点型在内存中的存储(进制转换,原码,反码,补码以及大小端)
爱上C语言:整型和浮点型在内存中的存储(进制转换,原码,反码,补码以及大小端)
387 0
|
人工智能 运维 物联网
5G技术对网络运维的影响:挑战与机遇
【8月更文挑战第20天】5G技术对网络运维产生了深远影响,既带来了复杂性和挑战,也孕育了新的机遇和发展空间。通过积极应对挑战,抓住机遇,不断推进技术创新和应用实践,我们可以更好地利用5G技术的优势,提升网络运维的智能化水平,为数字经济的发展贡献力量。
|
机器学习/深度学习 人工智能 测试技术
基于扩散模型的,开源世界模型DIAMOND
【6月更文挑战第7天】DIAMOND,即“DIffusion As a Model Of eNvironment Dreams”,是一种基于扩散模型的开源世界模型,用于强化学习。它通过模拟环境动态生成连续、高质量视觉数据,提高了样本效率。在Atari 100k基准测试中,DIAMOND取得平均得分1.46的优秀成绩,显示了在复杂环境模拟中的潜力。尽管存在如离散控制环境适应性和记忆机制的局限性,但其创新设计,如定制的噪声方案和迭代采样方法,展示了扩散模型在强化学习领域的应用前景。[链接](https://arxiv.org/abs/2405.12399)
241 1
|
存储 缓存 开发工具
Transformers 4.37 中文文档(十三)(4)
Transformers 4.37 中文文档(十三)
687 1
|
Ubuntu 关系型数据库 MySQL
Mysql8.0在Ubuntu安装
Mysql8.0在Ubuntu安装
|
存储 关系型数据库 索引
平衡二叉树,红黑树,B树和B+树的区别及其应用场景
平衡二叉树,红黑树,B树和B+树的区别及其应用场景
474 0
|
并行计算 Ubuntu Docker
ubuntu安装Nvidia-docker2详细步骤
ubuntu安装Nvidia-docker2详细步骤
3678 0
|
分布式计算 大数据 Hadoop
【大数据原理与技术】期末习题总结大全,建议收藏
【大数据原理与技术】期末习题总结大全,建议收藏