android处理拍照旋转问题及带来的对内存占用

简介: 想必大家对android处理拍照并保存照片的应用场景已经再熟悉不过了,其中比较头疼的问题是像部分三星手机拍完照片后保存的图片是旋转90度后的图片(当然,如果横向拍照是没有问题的)。

想必大家对android处理拍照并保存照片的应用场景已经再熟悉不过了,其中比较头疼的问题是像部分三星手机拍完照片后保存的图片是旋转90度后的图片(当然,如果横向拍照是没有问题的)。

本篇文章目的不是简单解决旋转问题,而是通过这样的问题讨论下android内存占用(主要是图片)的问题。通过文章大家可以掌握如下知识:

  1. 如何解决上面提到的三星拍照问题
  2. 如何计算bitmap占用的内存大小
  3. 如何尽量避免OOM的出现

解决旋转问题的方案可以是:当拍照完成并保存图片到某个路径(比如用file记录了图片路径)下以后,加载原始图片得到bitmap,再通过对其进行旋转生成新的bitmap,最后保存bitmap到file路径下来覆盖原始路径下的内容。
显示代码如下(至于如果开启摄像机并拍照保存不在讨论范围):
AlbumAcitivity.java 核心代码如下:

@Override
protected void onActivityResult(int requestCode, int resultCode, Intent data) {
    super.onActivityResult(requestCode, resultCode, data);
    if (resultCode == RESULT_OK && requestCode == CAMERA_RESULT) {
        //扫描制定位置的文件
        String scanPath = file.getAbsolutePath();
        doRotateImageAndSave(scanPath);
    }
}
//通过img得到旋转rotate角度后的bitmap
public static Bitmap rotateImage(Bitmap img,int rotate){
    Matrix matrix = new Matrix();
    matrix.postRotate(rotate);
    int width = img.getWidth();
    int height =img.getHeight();
    img = Bitmap.createBitmap(img, 0, 0, width, height, matrix, false);
    return img;
}
//加载filePath下的图片,旋转并保存到filePath
private void doRotateImageAndSaveStrategy1(String filePath){
    int rotate = readPictureDegree(filePath);//获取需要加载图片的旋转角度
    if(rotate == 0){
        return;
    }
    FileInputStream inputStream = null;
    try {
        inputStream = new FileInputStream(filePath);
        Bitmap bitmap = BitmapFactory.decodeStream(inputStream);
        Bitmap destBitmap = rotateImage(bitmap, rotate);
        bitmap.recycle();

        //save to file
        FileUtil.saveImageToSDCard(destBitmap, 100, filePath);
        destBitmap.recycle();
    } catch (FileNotFoundException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    } finally {
        if (inputStream != null) {
            try {
                inputStream.close();
            } catch (IOException e) {
            }
        }
    }
}
private void doRotateImageAndSave(String filePath){
    doRotateImageAndSaveStrategy1(filePath);
}
/**
 * 读取照片exif信息中的旋转角度
 * @param path 照片路径
 * @return角度
 */
public static int readPictureDegree(String path) {
    int degree  = 0;
    ExifInterface exifInterface = null;
    try {
        exifInterface = new ExifInterface(path);
    } catch (IOException ex) {
    }
    if(exifInterface == null)
        return degree;
    int orientation = exifInterface.getAttributeInt(ExifInterface.TAG_ORIENTATION, ExifInterface.ORIENTATION_NORMAL);
    switch (orientation) {
        case ExifInterface.ORIENTATION_ROTATE_90:
            degree = 90;
            break;
        case ExifInterface.ORIENTATION_ROTATE_180:
            degree = 180;
            break;
        case ExifInterface.ORIENTATION_ROTATE_270:
            degree = 270;
            break;
    }
    return degree;
}

由于代码量不是很大,而且逻辑并不复在所以在这就一一解释每行代码的含义了。经过测试发现在调用到doRotateImageAndSave方法时内存占用直线上升,大概一下子增加了60~70MB。如果再加上整个应用之前占用的内存恐怕瞬时的内存压力还是很大的。
至于出现占用这么大内存的原因,稍有经验的coder应该知道直接加载原图而不做任何处理显然是很危险的,如果摄像头的分辨率越高拍出的照片越大,在内存中解码出来后占用的内存越高。

经过(三星S6 edge+)测试发现:拍出的照片分辨率是5312*2988的,那么这张图片解码后会占用多大内存呢?如下公式可以表示:
占用内存大小 size = width * height * 颜色深度(depth)
至于何为颜色深度大家自己百度或google吧,简单讲就是图片中一个像素点占的字节个数。
我们假设拍出的照片的depth等于4,那么5312 * 2988大小的图片总共占用的内存为5312 * 2988 * 4 = 63489024(byte)。将其转为MB为63489024/1024/1024 = 60.55MB。

android为bitmap提供的depth在Bitmap类中的Config枚举中有定义:ALPHA_8,RGB_565,ARGB_4444,ARGB_8888.如何理解这几个值呢?
一个颜色值都是通过ARGB四个分量来描述(其中每个分量占一个字节),其中A:透明度(ALPHA) RGB分别表示红,绿,蓝三种颜色的值。RGB三种颜色值占用的比重不同就能描述出不同的颜色。

  • ALPHA_8:只存储颜色的ALPHA,不存储任何RGB分量,所以1byte就够了
  • RGB_565:只存储颜色的RGB,不存储ALPHA,总共占5+6+5/8=2个字节。其中5位存储R分量,接下来的6位存储G分量,最后的5位存储B分量
    剩下的几个大家应该自己能分析了,所以颜色深度(depth)最大的是ARGB_8888占了4个字节。

综上,影响图片在内存中的大小主要取决于:

  1. 图片的大小
  2. 图片的颜色深度

所以如何优化上面加载图片,旋转并保存图片想必大家就有思路了。

  1. 可以通过计算需要输出的图片的大小和原始图片的大小进行适当的压缩并计算sampleSize。
  2. 是酌情更改加载图片时指定使用颜色深度位RGB_565(主要针对没有透明度的JPG图片)
    演示代码如下:
    在AlbumAcitivity.java添加代码

    private int outWidth = 0;//输出bitmap的宽
    private int outHeight = 0;//输出bitmap的高
    //计算sampleSize
    private int caculateSampleSize(String imgFilePath,int rotate){
     outWidth = 0;
     outHeight = 0;
     int imgWidth = 0;//原始图片的宽
     int imgHeight = 0;//原始图片的高
     int sampleSize = 1;
     BitmapFactory.Options options = new BitmapFactory.Options();
     options.inJustDecodeBounds = true;
     FileInputStream inputStream = null;
     try {
         inputStream = new FileInputStream(imgFilePath);
         BitmapFactory.decodeStream(inputStream,null,options);//由于options.inJustDecodeBounds位true,所以这里并没有在内存中解码图片,只是为了得到原始图片的大小
         imgWidth = options.outWidth;
         imgHeight = options.outHeight;
         //初始化
         outWidth = imgWidth;
         outHeight = imgHeight;
         //如果旋转的角度是90的奇数倍,则输出的宽和高和原始宽高调换
         if((rotate / 90) % 2 != 0){
             outWidth = imgHeight;
             outHeight = imgWidth;
         }
     } catch (FileNotFoundException e) {
         e.printStackTrace();
     } finally {
         if(inputStream != null){
             try {
                 inputStream.close();
             } catch (IOException e) {
             }
         }
     }
     //计算输出bitmap的sampleSize
     while (imgWidth / sampleSize > outWidth || imgHeight / sampleSize > outHeight) {
         sampleSize = sampleSize << 1;
     }
     return sampleSize;
    }
    private void doRotateImageAndSaveStrategy2(String filePath){
     int rotate = readPictureDegree(filePath);
     if(rotate == 0)
         return;
     //得到sampleSize
     int sampleSize = caculateSampleSize(filePath, rotate);
     if (outWidth == 0 || outHeight == 0)
         return;
    
     BitmapFactory.Options options = new BitmapFactory.Options();
     options.inSampleSize = sampleSize;
     //适当调整颜色深度
     options.inPreferredConfig = Bitmap.Config.RGB_565;
     options.inJustDecodeBounds = false;
     FileInputStream inputStream = null;
     try {
         inputStream = new FileInputStream(filePath);
         Bitmap srcBitmap = BitmapFactory.decodeStream(inputStream, null, options);//加载原图
         //test
         Bitmap.Config srcConfig = srcBitmap.getConfig();
         int srcMem = srcBitmap.getRowBytes() * srcBitmap.getHeight();//计算bitmap占用的内存大小
    
         Bitmap destBitmap = rotateImage(srcBitmap, rotate);
         int destMem = srcBitmap.getRowBytes() * srcBitmap.getHeight();
         srcBitmap.recycle();
    
         //保存bitmap到文件(覆盖原始图片)
         FileUtil.saveImageToSDCard(destBitmap, 100, filePath);
         destBitmap.recycle();
     } catch (FileNotFoundException e) {
         e.printStackTrace();
     } catch (IOException e) {
         e.printStackTrace();
     } catch (OutOfMemoryError error) {
     } finally {
         if (inputStream != null) {
             try {
                 inputStream.close();
             } catch (IOException e) {
             }
         }
     }
    }

    最后在doRotateImageAndSave方法中调用doRotateImageAndSaveStrategy2

还是以拍照后图片大小为5312*2988为例,通过caculateSampleSize可以计算出outWidth和outHeight分别为2988和5312,sampleSize为2。核心代码是:

if((rotate / 90) % 2 != 0){
      outWidth = imgHeight;
      outHeight = imgWidth;
}
while (imgWidth / sampleSize > outWidth || imgHeight / sampleSize > outHeight) {
       sampleSize = sampleSize << 1;
  }

计算好了sampleSize为2后,再通过BitmapFactory.decodeStream并设置好对应的options,得到的bitmap的大小为:
width=5312 / sampleSize 即:2656
height=2988 / sampleSize 即:1494
可以看出如果颜色深度保持和原图一样为4,经过处理后的bitmap占用的内存为2656*1494*4 = 15872256 转为MB为15.2MB, 是原始图片占用内存的1/4。如果我们再设置options的颜色深度为options.inPreferredConfig = Bitmap.Config.RGB_565 如果原始图片颜色深度为Bitmap.Config.ARGB_8888,则最终bitmap占用的内存为:2656*1494*2 = 7936128 转为MB为7.56MB。

OK,最后通过rotateImage方法对2656*1494的图片进行旋转(90度)操作后并保存到原始路径,所以最后保存的图片大小为1494*2656。以上解决方案虽然损失了些图片的清新度,但是却能极大的节省内存让OOM的概率将到最低。希望这篇文章能让大家明白计算sampleSize,如何计算bitmap占用的内存大小。

目录
相关文章
|
24天前
|
存储 前端开发 Java
Android MVVM架构模式下如何避免内存泄漏
Android采用MVVM架构开发项目,如何避免内存泄漏风险?怎样避免内存泄漏?
76 1
|
15天前
|
编解码 Android开发 UED
构建高效Android应用:从内存优化到用户体验
【10月更文挑战第11天】本文探讨了如何通过内存优化和用户体验改进来构建高效的Android应用。介绍了使用弱引用来减少内存占用、懒加载资源以降低启动时内存消耗、利用Kotlin协程进行异步处理以保持UI流畅,以及采用响应式设计适配不同屏幕尺寸等具体技术手段。
35 2
|
6月前
|
存储 开发工具 Android开发
构建高效的Android应用:从内存管理到用户界面
【5月更文挑战第29天】 随着智能手机的普及,Android应用的开发变得日益重要。然而,许多开发者在开发过程中忽视了性能优化,导致应用运行缓慢,用户体验差。本文将深入探讨如何通过有效的内存管理和用户界面优化,提升Android应用的性能。我们将详细介绍内存泄漏的原因和解决方案,以及如何使用Android的新特性来创建流畅的用户界面。无论你是新手还是经验丰富的开发者,都可以从本文中获得有用的技巧和建议。
|
2月前
|
Java 测试技术 Android开发
Android性能测试——发现和定位内存泄露和卡顿
本文详细介绍了Android应用性能测试中的内存泄漏与卡顿问题及其解决方案。首先,文章描述了使用MAT工具定位内存泄漏的具体步骤,并通过实例展示了如何分析Histogram图表和Dominator Tree。接着,针对卡顿问题,文章探讨了其产生原因,并提供了多种测试方法,包括GPU呈现模式分析、FPS Meter软件测试、绘制圆点计数法及Android Studio自带的GPU监控功能。最后,文章给出了排查卡顿问题的四个方向,帮助开发者优化应用性能。
130 4
Android性能测试——发现和定位内存泄露和卡顿
|
2月前
|
监控 算法 数据可视化
深入解析Android应用开发中的高效内存管理策略在移动应用开发领域,Android平台因其开放性和灵活性备受开发者青睐。然而,随之而来的是内存管理的复杂性,这对开发者提出了更高的要求。高效的内存管理不仅能够提升应用的性能,还能有效避免因内存泄漏导致的应用崩溃。本文将探讨Android应用开发中的内存管理问题,并提供一系列实用的优化策略,帮助开发者打造更稳定、更高效的应用。
在Android开发中,内存管理是一个绕不开的话题。良好的内存管理机制不仅可以提高应用的运行效率,还能有效预防内存泄漏和过度消耗,从而延长电池寿命并提升用户体验。本文从Android内存管理的基本原理出发,详细讨论了几种常见的内存管理技巧,包括内存泄漏的检测与修复、内存分配与回收的优化方法,以及如何通过合理的编程习惯减少内存开销。通过对这些内容的阐述,旨在为Android开发者提供一套系统化的内存优化指南,助力开发出更加流畅稳定的应用。
67 0
|
3月前
|
编解码 Android开发 UED
【性能狂飙!】揭秘Android应用极速变身秘籍:内存瘦身+用户体验升级,打造丝滑流畅新境界!
【8月更文挑战第12天】构建高效Android应用需全方位优化,尤其重视内存管理和用户体验。通过弱引用降低内存占用,懒加载资源减少启动负担。运用Kotlin协程确保UI流畅不阻塞,响应式设计适配多屏需求。这些策略共同提升了应用性能与用户满意度。
54 1
|
3月前
|
缓存 监控 Android开发
构建高效的Android应用:从内存优化到用户体验
【7月更文挑战第57天】 在竞争激烈的移动市场中,一个高效、流畅且具有优秀用户体验的Android应用是成功的关键。本文将深入探讨如何通过内存管理和界面优化来提升应用性能,包括实用的编程技巧和策略,以及如何利用Android系统提供的工具进行调试和性能监控。读者将学习到如何识别和解决常见的性能瓶颈,以及如何设计出既美观又实用的用户界面。
|
4月前
|
消息中间件 Android开发 开发者
🔍深度剖析Android内存泄漏,让你的App远离崩溃边缘,稳如老狗!🐶
【7月更文挑战第28天】在 Android 开发中,内存管理至关重要。内存泄漏可悄无声息地累积,最终导致应用崩溃或性能下滑。它通常由不正确地持有 Activity 或 Fragment 的引用引起。常见原因包括静态变量持有组件引用、非静态内部类误用、Handler 使用不当、资源未关闭及集合对象未清理。使用 Android Studio Profiler 和 LeakCanary 可检测泄漏,修复方法涉及使用弱引用、改用静态内部类、妥善管理 Handler 和及时释放资源。良好的内存管理是保证应用稳定性的基石。
75 4
|
4月前
|
存储 缓存 Java
Android性能优化:内存管理与LeakCanary技术详解
【7月更文挑战第21天】内存管理是Android性能优化的关键部分,而LeakCanary则是进行内存泄漏检测和修复的强大工具。