Android中Bitmap内存优化

当然，这里简单的使用imageView.setImageResource(int resId)也能实现一样的效果，实际上setImageResource方法只是封装了bitmap的读入、解析的过程，并且这个过程是在UI线程完成的，对于性能是有所影响的。另外，也对接下来讨论的内容，Bitmap占用的内存有影响。

Bitmap到底占用多大的内存

---

Bitmap作为位图，需要读入一张图片每一个像素点的数据，其主要占用内存的地方也正是这些像素数据。对于像素数据总大小，我们可以猜想为：像素总数量 × 每个像素的字节大小，而像素总数量在矩形屏幕表现下，应该是：横向像素数量 × 纵向像素数量，结合得到：

Bitmap内存占用 ≈ 像素数据总大小 = 横向像素数量 × 纵向像素数量 × 每个像素的字节大小

单个像素的字节大小

单个像素的字节大小由Bitmap的一个可配置的参数Config来决定。

Bitmap中，存在一个枚举类Config，定义了Android中支持的Bitmap配置：

| Config | 占用字节大小（byte） | 说明 |

| — | — | — |

| ALPHA_8 (1) | 1 | 单透明通道 |

| RGB_565 (3) | 2 | 简易RGB色调 |

| ARGB_4444 (4) | 4 | 已废弃 |

| ARGB_8888 (5) | 4 | 24位真彩色 |

| RGBA_F16 (6) | 8 | Android 8.0 新增（更丰富的色彩表现HDR） |

| HARDWARE (7) | Special | Android 8.0 新增 （Bitmap直接存储在graphic memory）注1 |

**注1：**关于Android 8.0中新增的这个配置，stackoverflow已经有相关问题，可以关注下。

之前我们分析到，Bitmap的decode实际上是在native层完成的，因此在native层也存在对应的Config枚举类。

一般使用时，我们并未关注这个配置，在BitmapFactory中，有：

• Image are loaded with the {@link Bitmap.Config#ARGB_8888} config by default.

*/

public Bitmap.Config inPreferredConfig = Bitmap.Config.ARGB_8888;

因此，Android系统中，默认Bitmap加载图片，使用24位真彩色模式。

Bitmap占用内存大小实例

首先准备了一张800×600分辨率的jpg图片，大小约135k,放置于res/drawable文件夹下：

并将其加载到一个200dp×300dp大小的ImageView中，使用BitmapFactory。

Bitmap bitmapDecode = BitmapFactory.decodeResource(getResources(), resId);

imageView.setImageBitmap(bitmapDecode);

打印出相关信息：

图中显示了从资源文件中decode得到的bitmap的长、宽和占用内存大小（byte）等信息。

首先，从数据上可以验证：

17280000 = 2400 * 1800 * 4

这意味着，为了将单张800 * 600 的图片加载到内存当中，付出了近17.28M的代价，即使现在手机运存普遍上涨，这样的开销也是无法接受的，因此，对于Bitmap的使用，是需要非常小心的。好在，目前主流的图像加载库（Glide、Fresco等）基本上都不在需要开发者去关心Bitmap内存占用问题。

先暂时回到Bitmap占用内存的计算上来，对比之前定义的公式和源图片的尺寸数据，我们会发现，这张800 * 600大小的图片，decode到内存中的Bitmap的横纵像素数量实际是：2400 * 1800，相当于缩放了3倍大小。为了探究这缩放来自何处，我们开始跟踪源码：之前提到过，Bitmap的decode过程实际上是在native层完成的，为此，需要从BitmapFactory.cpp#nativeDecodeXXX方法开始跟踪，这里省略其他decode代码，直接贴出和缩放相关的代码如下：

if (env->GetBooleanField(options, gOptions_scaledFieldID)) {

const int density = env->GetIntField(options, gOptions_densityFieldID);

const int targetDensity = env->GetIntField(options, gOptions_targetDensityFieldID);

const int screenDensity = env->GetIntField(options, gOptions_screenDensityFieldID);

if (density != 0 && targetDensity != 0 && density != screenDensity) {

scale = (float) targetDensity / density;

}

}

…

int scaledWidth = decoded->width();

int scaledHeight = decoded->height();

if (willScale && mode != SkImageDecoder::kDecodeBounds_Mode) {

scaledWidth = int(scaledWidth * scale + 0.5f);

scaledHeight = int(scaledHeight * scale + 0.5f);

}

…

if (willScale) {

const float sx = scaledWidth / float(decoded->width());

const float sy = scaledHeight / float(decoded->height());

bitmap->setConfig(decoded->getConfig(), scaledWidth, scaledHeight);

bitmap->allocPixels(&javaAllocator, NULL);

bitmap->eraseColor(0);

SkPaint paint;

paint.setFilterBitmap(true);

SkCanvas canvas(*bitmap);

canvas.scale(sx, sy);

canvas.drawBitmap(*decoded, 0.0f, 0.0f, &paint);

}

从上述代码中，我们看到bitmap最终通过canvas绘制出来，而canvas在绘制之前，有一个scale的操作，scale的值由

scale = (float) targetDensity / density;

这一行代码决定，即缩放的倍率和targetDensity和density相关，而这两个参数都是从传入的options中获取到的。这时候，需要回到Java层，看看options这个对象的定义和赋值。

BitmapFactory#Options

Options是BitmapFactory中的一个静态内部类，用于配置Bitmap在decode时的一些参数。

// native层doDecode方法，传入了Options参数

static jobject doDecode(JNIEnv* env, SkStreamRewindable* stream, jobject padding, jobject options)

其内部有很多可配置的参数，下面的类图，列举出了部分常用的参数。

我们先关注之前提到的几个密度相关的参数，通过阅读源码的注释，大概可以知道这三个密度参数代表的涵义：

• inDensity：Bitmap位图自身的密度、分辨率

• inTargetDensity: Bitmap最终绘制的目标位置的分辨率

• inScreenDensity: 设备屏幕分辨率

其中inDensity和图片存放的资源文件的目录有关，同一张图片放置在不同目录下会有不同的值：

| density | 0.75 | 1 | 1.5 | 2 | 3 | 3.5 | 4 |

| — | — | — | — | — | — | — | — |

| densityDpi | 120 | 160 | 240 | 320 | 480 | 560 | 640 |

| DpiFolder | ldpi | mdpi | hdpi | xhdpi | xxhdpi | xxxhdpi | xxxxhdpi |

inTargetDensity和inScreenDensity一般来说，很少手动去赋值，默认情况下，是和设备分辨率保持一致。为此，我在手机（红米4，Android 6.0系统，设备dpi 480）上测试加载不同资源文件下的bitmap的参数，结果见下图：

以上可以验证几个结论：

• 同一张图片，放在不同资源目录下，其分辨率会有变化，

• bitmap分辨率越高，其解析后的宽高越小，甚至会小于图片原有的尺寸（即缩放），从而内存占用也相应减少

• 图片不特别放置任何资源目录时，其默认使用mdpi分辨率：160

• 资源目录分辨率和设备分辨率一致时，图片尺寸不会缩放

因此，关于Bitmap占用内存大小的公式，从之前：

Bitmap内存占用 ≈ 像素数据总大小 = 横向像素数量 × 纵向像素数量 × 每个像素的字节大小

可以更细化为：

Bitmap内存占用 ≈ 像素数据总大小 = 图片宽 × 图片高× (设备分辨率/资源目录分辨率)^2 × 每个像素的字节大小

对于本节中最开始的例子，如下：

17,280,000 = 800 * 600 * (480 / 160 )^2 * 4

Bitmap内存优化

---

图片占用的内存一般会分为运行时占用的运存和存储时本地开销（反映在包大小上），这里我们只关注运行时占用内存的优化。

在上一节中，我们看到对于一张800 * 600 大小的图片，不加任何处理直接解析到内存中，将近占用了17.28M的内存大小。想象一下这样的开销发生在一个图片列表中，内存占用将达到非常夸张的地步。从之前Bitmap占用内存的计算公式来看，减少内存主要可以通过以下几种方式：

1. 使用低色彩的解析模式，如RGB565，减少单个像素的字节大小

2. 资源文件合理放置，高分辨率图片可以放到高分辨率目录下

3. 图片缩小，减少尺寸

第一种方式，大约能减少一半的内存开销。Android默认是使用ARGB8888配置来处理色彩，占用4字节，改用RGB565，将只占用2字节，代价是显示的色彩将相对少，适用于对色彩丰富程度要求不高的场景。

第二种方式，和图片的具体分辨率有关，建议开发中，高分辨率的图像应该放置到合理的资源目录下，注意到Android默认放置的资源目录是对应于160dpi，目前手机屏幕分辨率越来越高，此处能节省下来的开销也是很可观的。理论上，图片放置的资源目录分辨率越高，其占用内存会越小，但是低分辨率图片会因此被拉伸，显示上出现失真。另一方面，高分辨率图片也意味着其占用的本地储存也变大。

第三种方式，理论上根据适用的环境，是可以减少十几倍的内存使用的，它基于这样一个事实：源图片尺寸一般都大于目标需要显示的尺寸，因此可以通过缩放的方式，来减少显示时的图片宽高，从而大大减少占用的内存。

前两种方式，相对比较简单。第三种方式会涉及到一些编码，目前也有很多典型的使用方式，如下：

BitmapFactory.Options options = new BitmapFactory.Options();

options.inPreferredConfig = Bitmap.Config.RGB_565;

options.inJustDecodeBounds = true;

BitmapFactory.decodeResource(getResources(), resId,options);

options.inJustDecodeBounds = false;

options.inSampleSize = BitmapUtil.computeSampleSize(options, -1, imageView.getWidth() * imageView.getHeight());

Bitmap newBitmap = BitmapFactory.decodeResource(getResources(), resId, options);

原理很简单，充分利用了Options类里的参数设置，也可以从native底层源码上看到对应的逻辑。第一次解析bitmap只获取尺寸信息，不生成像素数据，继而比较bitmap尺寸和目标尺寸得到缩放倍数，第二次根据缩放倍数去解析我们实际需要的尺寸大小。

// Apply a fine scaling step if necessary.

if (needsFineScale(codec->getInfo().dimensions(), size, sampleSize)) {

willScale = true;

scaledWidth = codec->getInfo().width() / sampleSize;

学习分享，共勉

Android高级架构师进阶之路

题外话，我在阿里工作多年，深知技术改革和创新的方向，Android开发以其美观、快速、高效、开放等优势迅速俘获人心，但很多Android兴趣爱好者所需的进阶学习资料确实不太系统，完整。今天我把我搜集和整理的这份学习资料分享给有需要的人

• Android进阶知识体系学习脑图

• Android进阶高级工程师学习全套手册

• 对标Android阿里P7，年薪50w+学习视频

• 大厂内部Android高频面试题，以及面试经历

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

标Android阿里P7，年薪50w+学习视频**

[外链图片转存中…(img-v1i1vQU9-1714354286294)]

• 大厂内部Android高频面试题，以及面试经历

[外链图片转存中…(img-5dCoLNpU-1714354286294)]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！