关于Android加载图片机制分析

1、加载图片行为分为从网络上下载，本地，或app文件夹中，但加载图片一般都是要操作io的所以 一定要使用线程，异步加载图片。如果是大量图片 可以使使用线程池技术。

2、图片缓存：分为磁盘缓存和内存缓存，如果要在家一张图片，可以更具图片的地址先从内存中查找是否该图片已经在内存中，如果存在直接使用，如果不存在 到磁盘中查找，如果有加载到内存中，如果不存在着从网络上下载，下载完后缓存到磁盘中。

3、图片压缩裁剪：如果图片过大的话会占用内存过多 有可能内存溢出。所有要根据View大小给图片进行压缩裁剪。对于压缩 Options 中有 个inSompleSize 设置压缩倍数。而裁剪 借助 Matrix 类实现。压缩一张图片，我们需要知道这图片的原始大小，然后根据图片的比例进行压缩。

Android压缩图片到100K以下并保持不失真的高效方法

1.获取原始图片的长和宽

1 2 3 4 5

BitmapFactory.Options options = new BitmapFactory.Options(); options.inJustDecodeBounds = true; BitmapFactory.decodeFile(filePath, options); int height = options.outHeight; int width = options.outWidth;

以上代码是对图片进行解码，inJustDecodeBounds设置为true，可以不把图片读到内存中,但依然可以计算出图片的大小，这正好可以满足我们第一步的需要。

2.计算压缩比例

1 2 3 4 5 6 7 8 9 10

int height = options.outHeight; int width = options.outWidth; int inSampleSize = 1; int reqHeight=800; int reqWidth=480; if (height > reqHeight || width > reqWidth) { final int heightRatio = Math.round((float) height/ (float) reqHeight); final int widthRatio = Math.round((float) width / (float) reqWidth); inSampleSize = heightRatio < widthRatio ? heightRatio : widthRatio; }

一般手机的分辨率为 480*800 ，所以我们压缩后图片期望的宽带定为480，高度设为800，这2个值只是期望的宽度与高度，实际上压缩后的实际宽度也高度会比期望的要大。如果图片的原始高度或者宽带大约我们期望的宽带和高度，我们需要计算出缩放比例的数值。否则就不缩放。heightRatio是图片原始高度与压缩后高度的倍数，widthRatio是图片原始宽度与压缩后宽度的倍数。inSampleSize为heightRatio与widthRatio中最小的那个，inSampleSize就是缩放值。 inSampleSize为1表示宽度和高度不缩放，为2表示压缩后的宽度与高度为原来的1/2

3.缩放并压缩图片

1 2 3 4 5 6 7 8

//在内存中创建bitmap对象，这个对象按照缩放大小创建的 options.inSampleSize = calculateInSampleSize(options, 480, 800); options.inJustDecodeBounds = false; Bitmap bitmap= BitmapFactory.decodeFile(filePath, options); ByteArrayOutputStream baos = new ByteArrayOutputStream(); bitmap.compress(Bitmap.CompressFormat.JPEG, 60, baos); byte[] b = baos.toByteArray();

前3行的代码其实已经得到了一个缩放的bitmap对象，如果你在应用中显示图片，就可以使用这个bitmap对象了。由于考虑到网络流量的问题。我们好需要牺牲图片的质量来换取一部分空间，这里调用bitmap.compress()方法进行压缩，这个方法的第二个参数，如果是100，表示不压缩，我这里设置的是60，你也可以更加你的需要进行设置，在实验的过程中我设置为30，图片都不会失真。

现在有很多开源的异步加载图片框架，在一些实际的项目中都可以直接使用 但也要理解其中原理。下面介绍universal-images-loader 图片加载框架的好的博客。

http://blog.csdn.net/xiaanming/article/details/27525741