本文首发于公众号“AntDream”，欢迎微信搜索“AntDream”或扫描文章底部二维码关注，和我一起每天进步一点点
图片相关的内存优化
图片相关的优化主要涉及几个方面：分辨率的适配、图片的压缩、图片的缓存
分辨率的适配
分辨率的适配主是针对我们放在drawable目录下的图片资源，目录和对应的手机分辨率可以看下图
所以我们需要不同分辨率的图片来放在对应的目录下来做适配，否则Android系统可能会将我们的图片拉伸导致变形。
或者直接使用svg图也是一个很好的选项。
图片的压缩
图片的压缩是指我们需要根据View所实际需要的图片尺寸来加载对应大小的图片。一般我们用的图片加载第三方库，比如Glide，都已经帮我们做了处理。所以这里的图片压缩我们只需要在我们自己处理图片的时候需要考虑。
图片压缩说起来也不复杂，主要是用到了BitmapFactory的Options，一般都分为如下几个步骤：
（1）先把inJustDecodeBounds设置为true，以便后面回去图片的实际大小
//先把inJustDecodeBounds设置为true，以便后面回去图片的实际大小
BitmapFactory.Options options = new BitmapFactory.Options();
//先解析图片的宽高信息，inJustDecodeBounds为true就只会加载图片的尺寸信息
options.inJustDecodeBounds = true;
AI 代码解读
（2）然后压缩图片
//Resources res, int resId
BitmapFactory.decodeResource(res, resId, options);
AI 代码解读
（3）计算压缩的比例，inSampleSize参数表示采样，会对图片的宽高进行缩放
//这里reqWidth和reqHeight表示实际需要的宽高
private static int calculateInSampleSize(BitmapFactory.Options options, int reqWidth, int reqHeight) {
final int height = options.outHeight;
final int width = options.outWidth;
int sampleSize = 1;
if (height > reqHeight || width > reqWidth) {
final int halfHeight = height / 2;
final int halfWidth = width / 2;
while ((halfHeight / sampleSize) >= reqHeight && (halfWidth / sampleSize) >= reqWidth) {
sampleSize *= 2;
}
}
return sampleSize;
}
//设置inSampleSize参数
options.inSampleSize = calculateInSampleSize(options, reqWidth, reqHeight);
AI 代码解读
（4）将inJustDecodeBounds设置为false，加载图片数据
options.inJustDecodeBounds = false;
return BitmapFactory.decodeResource(res, resId, options);
AI 代码解读
完整代码：
public static Bitmap decodeBitmapFromResource(Resources res, int resId, int reqWidth, int reqHeight) {
BitmapFactory.Options options = new BitmapFactory.Options();
//先解析图片的宽高信息
options.inJustDecodeBounds = true;
BitmapFactory.decodeResource(res, resId, options);
options.inSampleSize = calculateInSampleSize(options, reqWidth, reqHeight);
//加载压缩后的图片
options.inJustDecodeBounds = false;
return BitmapFactory.decodeResource(res, resId, options);
}
AI 代码解读
图片的缓存
同样的，一般我们加载图片都用的是第三方库，比如著名的Glide，图片缓存的事儿它已经帮我们做得很好了，所以我们不需要考虑缓存的事儿。但是我们还是要大致了解怎么样实现一个图片的缓存功能，以便不时之需。
实现缓存的话常用的就是LRU算法，具体的可以查看LinkedHashMap的源码分析和Glide的内存缓存思路。
这里简单介绍下Glide的内存缓存思路。内存缓存的作用就是对于内存中已经加载的图片避免重复加载。
（1）首先Glide内存缓存采用了2种策略，弱引用缓存和LRU算法内存缓存
（2）弱引用缓存就是把图片的弱引用缓存在一个HashMap中，被下载使用的图片首先会缓存在这个弱引用HashMap中。Glide会通过引用计数的方式来记录图片被引用的次数，当引用次数为0时，也就意味着图片资源不再被使用嘛，这时就会将图片资源从这个弱引用缓存中移除，并把这个图片资源加入到LRU算法内存缓存中
（3）LRU算法内存缓存的原理就是将图片资源用强引用的方式存储在LinkedHashMap中，当达到容量限制时移除最近最少使用的资源。Glide会在LRU缓存中的图片被重新使用时将图片资源从LRU缓存中删除，并添加到弱引用的缓存中去。这样做的原因就是防止图片被LRU算法缓存回收。
核心就是思考使用图片的每一个环节，用最低的开销来满足功能需求
欢迎关注我的公众号AntDream查看更多精彩文章！
