Android开发之图片压缩处理_照亮你的路灯

Android让人头疼的OOM,造成OOM的原因之一就是图片,现在的手机像素越来越高,随便一张图片都是好几M,甚至几十M,这样的照片加载到app,可想而知,随便加载几张图片,手机内存就不够用了,自然而然就造成了OOM,所以,Android的图片压缩异常重要。这里,我推荐一款开源框架——​​Luban​​

效果与对比

这里就不放效果图了,我拷贝了鲁班github上面的介绍——Android图片压缩工具,仿微信朋友圈压缩策略,因为是逆向推算,效果还没法跟微信一模一样,但是已经很接近微信朋友圈压缩后的效果,具体看以下对比!

内容

原图

Luban

Wechat

截屏 720P

720*1280,390k

720*1280,87k

720*1280,56k

截屏 1080P

1080*1920,2.21M

1080*1920,104k

1080*1920,112k

拍照 13M(4:3)

3096*4128,3.12M

1548*2064,141k

1548*2064,147k

拍照 9.6M(16:9)

4128*2322,4.64M

1032*581,97k

1032*581,74k

滚动截屏

1080*6433,1.56M

1080*6433,351k

1080*6433,482k

从这里就能看出,效果还是非常不错的

依赖

implementation 'top.zibin:Luban:1.1.3

调用方式

异步调用

Luban内部采用IO线程进行图片压缩,外部调用只需设置好结果监听即可:

Luban.with(this)
.load(photos) // 传人要压缩的图片列表
.ignoreBy(100) // 忽略不压缩图片的大小
.setTargetDir(getPath()) // 设置压缩后文件存储位置
.setCompressListener(new OnCompressListener() { //设置回调
@Override
public void onStart() {
// TODO 压缩开始前调用,可以在方法内启动 loading UI
}

@Override
public void onSuccess(File file) {
// TODO 压缩成功后调用,返回压缩后的图片文件
}

@Override
public void onError(Throwable e) {
// TODO 当压缩过程出现问题时调用
}
}).launch(); //启动压缩

同步调用

同步方法请尽量避免在主线程调用以免阻塞主线程,下面以rxJava调用为例

Flowable.just(photos)
.observeOn(Schedulers.io())
.map(new Function<List<String>, List<File>>() {
@Override public List<File> apply(@NonNull List<String> list) throws Exception {
// 同步方法直接返回压缩后的文件
return Luban.with(MainActivity.this).load(list).get();
}
})
.observeOn(AndroidSchedulers.mainThread())
.subscribe();

以上,均是它github上面说明都有的,我这里就是copy过来了而已。重点要说的是,他是怎么实现的,源码分析。

源码分析

第一步:*Luban.with()*

点击去看到源码为:

public static Builder with(Context context) {
return new Builder(context);
}

这里是一个静态的with方法,返回值是Builder,一般对设计模式比较熟悉的人,看到这里就应该懂了,他这里使用的是建造者模式。什么是建造者模式呢?建造者模式和工厂模式很相似,比工厂模式多了一个控制类,其实说白了,就是在创建对象的时候,减少初始化数据的代码,怎么理解呢?我们接着往下看。我们点到Builder里面看到如下代码:

public static class Builder {
private Context context;//上下文对象
private String mTargetDir;//压缩后图片存放位置
private List<String> mPaths;//多个文件的list
private int mLeastCompressSize = 100;//忽略100kb以下的图片,不压缩
private OnCompressListener mCompressListener;//回调方法

Builder(Context context) {
this.context = context;
this.mPaths = new ArrayList<>();
}

private Luban build() {
return new Luban(this);
}
}

我们看到了是一个静态的内部类Builder,我们这里看到了有5个变量,上面我们说道了,为了减少初始化数据的代码,就拿这个举例子说明,我如果有4个地方调用这个鲁班压缩,其中这4个地方,mTargetDir,mLeastCompressSize这2个变量的值都是一样的,其他3个不一样,按照我们以往的写法都得一个一个的赋值,要写4遍,那如果使用建造者模式了,这里就只用写一遍赋值,这2个变量。其他3个不一样,就得写多遍。当然,这是我个人对于建造者模式的理解。

我上面多粘贴了一个***build()***方法,为什么会多粘贴一个呢?就是为了更好的说明建造者模式,我们可以看到他这个方法,返回的是Luban对象,调用的是需要传Builder的构造方法,我们点进去看

private Luban(Builder builder) {
this.mPaths = builder.mPaths;
this.mTargetDir = builder.mTargetDir;
this.mCompressListener = builder.mCompressListener;
this.mLeastCompressSize = builder.mLeastCompressSize;
mHandler = new Handler(Looper.getMainLooper(), this);
}

他这里就是赋值,他这个值就是Builder里面默认的,我们不论在哪里调用这个方法,都不用去一个一个赋值,因为,他已经处理好了。

第二步:load()

点击去看到源码为

public Builder load(File file) {
this.mPaths.add(file.getAbsolutePath());
return this;
}

public Builder load(String string) {
this.mPaths.add(string);
return this;
}

public Builder load(List<String> list) {
this.mPaths.addAll(list);
return this;
}

这里,我们会看到三个重载方法,一个传文件,他会获取到文件的绝对路径存进去,实际上还是存的字符串,中间那个存的是字符串,最后面那个传String类型的list,它调用的addAll方法,最后还是存的String在mPaths里面。我们点击mPaths,他就是一个String类型的list,在Builder的构造方法里面初始化的。他就是存放你的图片路径的集合

第三步:ignoreBy()setTargetDir()

点击去看到源码为

    /**
* do not compress when the origin image file size less than one value
*
* @param size
* the value of file size, unit KB, default 100K
*/
public Builder ignoreBy(int size) {
this.mLeastCompressSize = size;
return this;
}

public Builder setTargetDir(String targetDir) {
this.mTargetDir = targetDir;
return this;
}

这两个我为啥要放在一起讲呢?因为这两个没啥好说的,都是设置值,跟我们平时写的set方法的作用是一样的。没啥好说的

第四步:setCompressListener(OnCompressListener listener)

点击去看到源码为

public Builder setCompressListener(OnCompressListener listener) {
this.mCompressListener = listener;
return this;
}

这个就是我们平时写自定义view的时候,要写回调方法,是一样的道理,他这里就是压缩方法的回调

第五步:*launch()*

点击去看到源码为

    /**
* begin compress image with asynchronous
*/
public void launch() {
build().launch(context);
}

这里,我们看到他先调用了build(),我们前面讲了,他这个方法就是赋值,然后调用了launch(context)方法,我们点进去看:

/**
* start asynchronous compress thread
*/
@UiThread private void launch(final Context context) {
if (mPaths == null || mPaths.size() == 0 && mCompressListener != null) {
mCompressListener.onError(new NullPointerException("image file cannot be null"));
}

Iterator<String> iterator = mPaths.iterator();
while (iterator.hasNext()) {
final String path = iterator.next();
if (Checker.isImage(path)) {
AsyncTask.SERIAL_EXECUTOR.execute(new Runnable() {
@Override public void run() {
try {
mHandler.sendMessage(mHandler.obtainMessage(MSG_COMPRESS_START));

File result = Checker.isNeedCompress(mLeastCompressSize, path) ?
new Engine(path, getImageCacheFile(context, Checker.checkSuffix(path))).compress() :
new File(path);

mHandler.sendMessage(mHandler.obtainMessage(MSG_COMPRESS_SUCCESS, result));
} catch (IOException e) {
mHandler.sendMessage(mHandler.obtainMessage(MSG_COMPRESS_ERROR, e));
}
}
});
} else {
Log.e(TAG, "can not read the path : " + path);
}
iterator.remove();
}
}

这个方法就是最后,执行压缩的方法,前面都是初始化,我们可以看到,他这个方法是在主线程调用的,所以,我们不用考虑切换线程的问题,直接可以操作UI变化。我一步一步的讲:

  1. 首先,他这个是用的迭代器,循环遍历,遍历一个就移除一个
  2. 然后就是通过handler发消息调用
  3. 具体压缩代码。最重要的就是第三点,我把第三点,提到下面讲

接着上面的第三点,具体压缩

File result = Checker.isNeedCompress(mLeastCompressSize, path) ?
new Engine(path, getImageCacheFile(context, Checker.checkSuffix(path))).compress() :
new File(path);

首先,他整体是一个三目运算符,我们点isNeedCompress()方法看一下

static boolean isNeedCompress(int leastCompressSize, String path) {
if (leastCompressSize > 0) {
File source = new File(path);
if (!source.exists()) {
return false;
}

if (source.length() <= (leastCompressSize << 10)) {
return false;
}
}
return true;
}

这个方法就是用来判断,你给定路径的图片大小和你规定的忽略文件大小比较,他这里先做了你给定的最小值判断,要大于0,不大于0就返回ture。然后做了文件是否存在的判断,如果文件不存在,就返回fals。最后,给定文件大小是不是小于等于最小值左移10位的值,小于就返回false。

然后,如果返回的是true,就去压缩,如果,返回的是false,就直接返回file文件。压缩的方法点进去:

Engine(String srcImg, File tagImg) throws IOException {
if (Checker.isJPG(srcImg)) {
this.srcExif = new ExifInterface(srcImg);
}
this.tagImg = tagImg;
this.srcImg = srcImg;

BitmapFactory.Options options = new BitmapFactory.Options();
options.inJustDecodeBounds = true;
options.inSampleSize = 1;

BitmapFactory.decodeFile(srcImg, options);
this.srcWidth = options.outWidth;
this.srcHeight = options.outHeight;
}

这就又要说道另一个类了Engine类,它的类注释就是:用于操作,开始压缩,管理活动,缓存资源的类。他这里传原文件,也就是你需要压缩的图片,还有一个就是目标文件,也就是你压缩之后,要保存的文件。

我们先看第二个参数是什么怎么传的,有的人看不懂

/**
* Returns a mFile with a cache audio name in the private cache directory.
*
* @param context
* A context.
*/
private File getImageCacheFile(Context context, String suffix) {
if (TextUtils.isEmpty(mTargetDir)) {
mTargetDir = getImageCacheDir(context).getAbsolutePath();
}

String cacheBuilder = mTargetDir + "/" +
System.currentTimeMillis() +
(int) (Math.random() * 1000) +
(TextUtils.isEmpty(suffix) ? ".jpg" : suffix);

return new File(cacheBuilder);
}

他这里就是新建一个文件,设置路径,设置名称,然后返回文件

再掉回去看Engine的构造方法,我们这里获取到了源文件和目标文件,我们只用把压缩后的流存到目标文件就行了。我之前写过一篇关于图片压缩的博客。它这里的option就是设置压缩的参数,不懂的可以看一下我之前的博客,或者用google百度一下就知道了。具体压缩就是用的bitmap的工厂类,调用的decodeFile方法。没错就是这一句 *BitmapFactory.decodeFile(srcImg, options);*

最后,辣么一切都准备就绪了,怎么样开始压缩呢?*compress()*

File compress() throws IOException {
BitmapFactory.Options options = new BitmapFactory.Options();
options.inSampleSize = computeSize();

Bitmap tagBitmap = BitmapFactory.decodeFile(srcImg, options);
ByteArrayOutputStream stream = new ByteArrayOutputStream();

tagBitmap = rotatingImage(tagBitmap);
tagBitmap.compress(Bitmap.CompressFormat.JPEG, 60, stream);
tagBitmap.recycle();

FileOutputStream fos = new FileOutputStream(tagImg);
fos.write(stream.toByteArray());
fos.flush();
fos.close();
stream.close();

return tagImg;
}

这里面就是常规的压缩,存储的逻辑了,最最重要的压缩算法呢?就是这里的***computeSize()***方法

private int computeSize() {
srcWidth = srcWidth % 2 == 1 ? srcWidth + 1 : srcWidth;
srcHeight = srcHeight % 2 == 1 ? srcHeight + 1 : srcHeight;

int longSide = Math.max(srcWidth, srcHeight);
int shortSide = Math.min(srcWidth, srcHeight);

float scale = ((float) shortSide / longSide);
if (scale <= 1 && scale > 0.5625) {
if (longSide < 1664) {
return 1;
} else if (longSide >= 1664 && longSide < 4990) {
return 2;
} else if (longSide > 4990 && longSide < 10240) {
return 4;
} else {
return longSide / 1280 == 0 ? 1 : longSide / 1280;
}
} else if (scale <= 0.5625 && scale > 0.5) {
return longSide / 1280 == 0 ? 1 : longSide / 1280;
} else {
return (int) Math.ceil(longSide / (1280.0 / scale));
}
}123456789101112131415161718192021222324
private Bitmap rotatingImage(Bitmap bitmap) {
if (srcExif == null) return bitmap;

Matrix matrix = new Matrix();
int angle = 0;
int orientation = srcExif.getAttributeInt(ExifInterface.TAG_ORIENTATION, ExifInterface.ORIENTATION_NORMAL);
switch (orientation) {
case ExifInterface.ORIENTATION_ROTATE_90:
angle = 90;
break;
case ExifInterface.ORIENTATION_ROTATE_180:
angle = 180;
break;
case ExifInterface.ORIENTATION_ROTATE_270:
angle = 270;
break;
}

matrix.postRotate(angle);

return Bitmap.createBitmap(bitmap, 0, 0, bitmap.getWidth(), bitmap.getHeight(), matrix, true);
}

你以为我会一步一步给你讲​​Luban算法逻辑​​吗?那是不可能的,我特么都不会,怎么给你讲。我直接把他github上算法逻辑的介绍拷贝过来了:

  1. 判断图片比例值,是否处于以下区间内;
  • [1, 0.5625) 即图片处于 [1:1 ~ 9:16) 比例范围内
  • [0.5625, 0.5) 即图片处于 [9:16 ~ 1:2) 比例范围内
  • [0.5, 0) 即图片处于 [1:2 ~ 1:∞) 比例范围内
  1. 判断图片最长边是否过边界值;
  • [1, 0.5625) 边界值为:1664 * n(n=1), 4990 * n(n=2), 1280 * pow(2, n-1)(n≥3)
  • [0.5625, 0.5) 边界值为:1280 * pow(2, n-1)(n≥1)
  • [0.5, 0) 边界值为:1280 * pow(2, n-1)(n≥1)
  1. 计算压缩图片实际边长值,以第2步计算结果为准,超过某个边界值则:width / pow(2, n-1),height/pow(2, n-1)
  2. 计算压缩图片的实际文件大小,以第2、3步结果为准,图片比例越大则文件越大。 size = (newW * newH) / (width * height) * m;
  • [1, 0.5625) 则 width & height 对应 1664,4990,1280 * n(n≥3),m 对应 150,300,300;
  • [0.5625, 0.5) 则 width = 1440,height = 2560, m = 200;
  • [0.5, 0) 则 width = 1280,height = 1280 / scale,m = 500;注:scale为比例值
  1. 判断第4步的size是否过小
  • [1, 0.5625) 则最小 size 对应 60,60,100
  • [0.5625, 0.5) 则最小 size 都为 100
  • [0.5, 0) 则最小 size 都为 100
  1. 将前面求到的值压缩图片 width, height, size 传入压缩流程,压缩图片直到满足以上数值

本站由小牛团队全力维护,小牛十年了,大家已经步入中年 。本站源码全部经过团队成员测试并调试,价格可能比其它网站略贵几元钱,不解释!
小牛资源 » Android开发之图片压缩处理_照亮你的路灯

发表评论

全站资源亲测可用,价格略高几元,不解释

立即查看 了解详情