Android ListView中图片的优化_android listview 显示图片优化-CSDN博客

ListView中图片的优化：

1、处理图片的方式：

如果自定义Item中有涉及到图片等等的，一定要狠狠的处理图片，图片占的内存是ListView项中最恶心的，处理图片的方法大致有以下几种：

①、不要直接拿路径就去循环decodeFile();使用Option保存图片大小、不要加载图片到内存去

②、拿到的图片一定要经过边界压缩

③、在ListView中取图片时也不要直接拿个路径去取图片，而是以WeakReference（使用WeakReference代替强引用。

比如可以使用WeakReference mContextRef）、SoftReference、WeakHashMap等的来存储图片信息，是图片信息不是图片哦！

④、在getView中做图片转换时，产生的中间变量一定及时释放

2、异步加载图片基本思想：

1）、先从内存缓存中获取图片显示（内存缓冲）

2）、获取不到的话从SD卡里获取（SD卡缓冲）

3）、都获取不到的话从网络下载图片并保存到SD卡同时加入内存并显示（视情况看是否要显示）

原理：

优化一：先从内存中加载，没有则开启线程从SD卡或网络中获取，这里注意从SD卡获取图片是放在子线程里执行的，否则快速滑屏的话会不够流畅。

优化二：于此同时，在adapter里有个busy变量，表示listview是否处于滑动状态，如果是滑动状态则仅从内存中获取图片，没有的话无需再开启线程去外存或网络获取图片。

优化三：ImageLoader里的线程使用了线程池，从而避免了过多线程频繁创建和销毁，有的童鞋每次总是new一个线程去执行这是非常不可取的，好一点的用的AsyncTask类，其实内部也是用到了线程池。在从网络获取图片时，先是将其保存到sd卡，然后再加载到内存，这么做的好处是在加载到内存时可以做个压缩处理，以减少图片所占内存。

Tips：这里可能出现图片乱跳（错位）的问题：

图片错位问题的本质源于我们的listview使用了缓存convertView，假设一种场景，一个listview一屏显示九个item，那么在拉出第十个item的时候，事实上该item是重复使用了第一个item，也就是说在第一个item从网络中下载图片并最终要显示的时候，其实该item已经不在当前显示区域内了，此时显示的后果将可能在第十个item上输出图像，这就导致了图片错位的问题。所以解决之道在于可见则显示，不可见则不显示。在ImageLoader里有个imageViews的map对象，就是用于保存当前显示区域图像对应的url集，在显示前判断处理一下即可。

Adapter示例代码：

publicclass LoaderAdapter extends BaseAdapter{
       private static final String TAG = "LoaderAdapter";
       private boolean mBusy = false;             //是否处于滑动中
       public void setFlagBusy(boolean busy) {
               this.mBusy = busy;
       }
        
       private ImageLoader mImageLoader;
       private int mCount;
       private Context mContext;
       private String[] urlArrays;
       
       public LoaderAdapter(int count, Context context, String[]url) {
               this.mCount = count;
               this.mContext = context;
               urlArrays = url;
               mImageLoader = newImageLoader(context);
       }
       public ImageLoader getImageLoader(){
               return mImageLoader;
       }
       @Override
       public int getCount() {
               return mCount;
       }
        @Override
       public Object getItem(int position) {
               return position;
       }
        @Override
       public long getItemId(int position) {
               return position;
       }
       @Override
       public View getView(int position, View convertView, ViewGroupparent) {
                ViewHolder viewHolder = null;
               if (convertView == null) {  //加载新创建的view
                      convertView = LayoutInflater.from(mContext).inflate(R.layout.list_item,null);
                      viewHolder = new ViewHolder();
                      viewHolder.mTextView = (TextView) convertView.findViewById(R.id.tv_tips);
                      viewHolder.mImageView = (ImageView)convertView.findViewById(R.id.iv_image);
                      convertView.setTag(viewHolder);
               } else {
                      viewHolder = (ViewHolder) convertView.getTag();
               }
               String url = "";
               url = urlArrays[position %urlArrays.length];
viewHolder.mImageView.setImageResource(R.drawable.ic_launcher);
              
               if (!mBusy) {
                      mImageLoader.DisplayImage(url, viewHolder.mImageView, false);
                      viewHolder.mTextView.setText("--" + position + "--IDLE||TOUCH_SCROLL");
               } else {
                      mImageLoader.DisplayImage(url, viewHolder.mImageView, true);              
                      viewHolder.mTextView.setText("--" + position +"--FLING");
               }
//复用历史缓存view
               return convertView;
       }
 
       static class ViewHolder {
               TextView mTextView;
               ImageView mImageView;
       }
}

3、内存缓冲机制：

首先限制内存图片缓冲的堆内存大小，每次有图片往缓存里加时判断是否超过限制大小，超过的话就从中取出最少使用的图片并将其移除。

当然这里如果不采用这种方式，换做软引用也是可行的，二者目的皆是最大程度的利用已存在于内存中的图片缓存，避免重复制造垃圾增加GC负担；OOM溢出往往皆因内存瞬时大量增加而垃圾回收不及时造成的。只不过二者区别在于LinkedHashMap里的图片缓存在没有移除出去之前是不会被GC回收的，而SoftReference里的图片缓存在没有其他引用保存时随时都会被GC回收。所以在使用LinkedHashMap这种LRU算法缓存更有利于图片的有效命中，当然二者配合使用的话效果更佳，即从LinkedHashMap里移除出的缓存放到SoftReference里，这就是内存的二级缓存。

本例采用的是LRU算法，先看看MemoryCache的实现

public class MemoryCache {
       private static final String TAG = "MemoryCache";
       // 放入缓存时是个同步操作
       // LinkedHashMap构造方法的最后一个参数true代表这个map里的元素将按照最近使用次数由少到多排列，即LRU
       // 这样的好处是如果要将缓存中的元素替换，则先遍历出最近最少使用的元素来替换以提高效率
       private Map<String, Bitmap> cache = Collections
                      .synchronizedMap(new LinkedHashMap<String, Bitmap>(10, 1.5f,true));
       // 缓存中图片所占用的字节，初始0，将通过此变量严格控制缓存所占用的堆内存
       private long size = 0;// current allocated size
       // 缓存只能占用的最大堆内存
       private long limit = 1000000;// max memory in bytes
        public MemoryCache() {
               // use 25% of available heap size
              setLimit(Runtime.getRuntime().maxMemory() / 10);
       }
       public void setLimit(long new_limit) {
               limit = new_limit;
               Log.i(TAG, "MemoryCache willuse up to " + limit / 1024. / 1024. + "MB");
       }
       public Bitmap get(String id) {
               try {
                      if (!cache.containsKey(id))
                              return null;
                      return cache.get(id);
               } catch (NullPointerException ex){
                      return null;
               }
       }
       public void put(String id, Bitmap bitmap) {
               try {
                      if (cache.containsKey(id))
                              size -=getSizeInBytes(cache.get(id));
                      cache.put(id, bitmap);
                      size += getSizeInBytes(bitmap);
                      checkSize();
               } catch (Throwable th) {
                      th.printStackTrace();
               }
       }
        /**
        * 严格控制堆内存，如果超过将首先替换最近最少使用的那个图片缓存
        *
        */
       private void checkSize() {
               Log.i(TAG, "cachesize=" + size + " length=" + cache.size());
               if (size > limit) {
                      // 先遍历最近最少使用的元素
                      Iterator<Entry<String, Bitmap>> iter =cache.entrySet().iterator();
                      while (iter.hasNext()) {
                              Entry<String, Bitmap> entry =iter.next();
                              size -=getSizeInBytes(entry.getValue());
                              iter.remove();
                              if (size <= limit)
                                      break;
                      }
                      Log.i(TAG, "Clean cache. New size " + cache.size());
               }
       }
       public void clear() {
         cache.clear();
       }
 
       /**
        * 图片占用的内存
            * <ahref="\"http://www.eoeandroid.com/home.php?mod=space&uid=2768922\""target="\"_blank\"">@Param</a> bitmap
           * @return
        */
       long getSizeInBytes(Bitmap bitmap) {
               if (bitmap == null)
                      return 0;
               return bitmap.getRowBytes() *bitmap.getHeight();
       }
}