图片压缩

参考框架：

https://github.com/Curzibn/Luban

https://github.com/zetbaitsu/Compressor

个人实现（kotlin语言）

https://github.com/yline/as_x_modlestudy/blob/master/System/AppOther/Manager/src/main/java/com/manager/compress/CompressManager.kt

    前言

    图片可以划分为：内存中的图片大小（bitmap）和 图片文件大小。bitmap大小是从文件中读取时，加载到内存中，若过大，则容易导致OOM问题。而图片文件大小，在上传到服务器时，一般也是需要限定图片大小的。

公式基础

1，Bitmap大小 = 【宽 * 高 * 单个像素点大小(色深)】

1）ARGB_8888单个像素点大小 为 4byte; RGB_565单个像素点大小 为 2byte

2，图片文件大小 约等于 【宽 * 高 * (位深/8) * (1 - 压缩算法效率)】

1）bmp位图，储存时，无压缩

2）jpg、webp、png格式文件大小，小于bmp位图的文件大小，则是由图像压缩算法造成

3) 位深大小，一般为：8位、16位、24位

    需要探索两个问题，1，bitmap压缩和图片文件压缩   2，色深和位深的异同

Android Bitmap压缩

1）改变 宽、高；加载时，指定option.inSampleSize，加载时，对文件进行采样加载

val option = BitmapFactory.Options()
option.inSampleSize = scale
return BitmapFactory.decodeFile(sourcePath, option)

2）改变 单个像素点大小，指定option.inPreferredConfig，加载时，确定将要加载的单个像素点大小

val option = BitmapFactory.Options()
option.inPreferredConfig = Bitmap.Config.RGB_565
return BitmapFactory.decodeFile(sourcePath, option)

Android 图片文件压缩

1）改变 宽、高；加载或生成bitmap时，指定新的宽、高

2）改变 位深；【很遗憾，经测试，这无法通过代码改变】

3）改变 压缩算法效率

    * 改变 图片格式，不同图片格式对应的压缩效率不同，但一般而言，效率越高、耗时越长

    * 改变 储存时清晰度，即Android中常用的，保存图片的quality(这是通过降低图片的局部清晰度，实现的有损压缩)

压缩文件实现

1）采用的压缩策略有  ①改变宽高(计算采样率) ②改变图片格式 ③改变储存时清晰度

val scale = computeScale(sourcePath) // 计算采样率
val sourceBitmap = loadBitmap(sourcePath, scale) // 加载出 bitmap，第一次压缩
saveBitmap(sourceBitmap, Bitmap.CompressFormat.JPEG, quality, resultFile) // 保存bitmap，第二次压缩

2）动态计算采样率，参考Luban

    /**
     * 依据图片宽高，确定图片采样率
     * @param sourcePath 输入的文件
     */
    fun computeScale(sourcePath: String): Int {
        val option = BitmapFactory.Options()
        option.inJustDecodeBounds = true
        option.inSampleSize = 1
        BitmapFactory.decodeFile(sourcePath, option)
        // 原始宽高、进行奇偶处理
        val sourceWidth = if (option.outWidth % 2 == 1) option.outWidth + 1 else option.outWidth
        val sourceHeight = if (option.outHeight % 2 == 1) option.outHeight + 1 else option.outHeight
        val longSide = Math.max(sourceWidth, sourceHeight)
        val shortSide = Math.min(sourceWidth, sourceHeight)
        val scale = shortSide.toFloat() / longSide
        if (scale <= 1 && scale > 0.5625) {
            if (longSide < 1664) {
                return 1
            } else if (longSide < 4990) {
                return 2
            } else if (longSide > 4990 && longSide < 10240) {
                return 4
            } else {
                return if (longSide / 1280 == 0) 1 else longSide / 1280
            }
        } else if (scale <= 0.5625 && scale > 0.5) {
            return if (longSide / 1280 == 0) 1 else longSide / 1280
        } else {
            return Math.ceil(longSide / (1280.0 / scale)).toInt()
        }
    }

3) 加载出图片，因为是采样率可能不为1，因此，加载出来的bitmap宽高，其实和文件宽高已经不一样了；也就起到了修改图片宽高的作用

    fun loadBitmap(sourcePath: String, scale: Int): Bitmap {
        val option = BitmapFactory.Options()
        option.inJustDecodeBounds = false
        option.inSampleSize = scale
        return BitmapFactory.decodeFile(sourcePath, option)
    }

4）bitmap本身是没有格式的，确定输出的格式，即改变了

    /**
     *  保存图片，参数未做校验
     *  @param bitmap 准备保存的图片
     *  @param format 图片的格式
     *  @param quality 质量压缩的参数【quality(1-100),100表示不压缩】
     *  @param resultFile 输出到的文件夹
     */
    fun saveBitmap(bitmap: Bitmap, format: Bitmap.CompressFormat, quality: Int, resultFile: File): Boolean {
        // 保存图片，并进行压缩
        var isSuccess = false
        var fileOutputStream: FileOutputStream? = null
        try {
            fileOutputStream = FileOutputStream(resultFile)
            isSuccess = bitmap.compress(format, quality, fileOutputStream)
        } catch (ex: IOException) {
            ex.printStackTrace()
        } finally {
            if (null != fileOutputStream) {
                fileOutputStream.flush()
                fileOutputStream.close()
            }
        }
        return isSuccess
    }

色深和位深，有什么异同

百度百科的结果：

位深：计算机储存每个像素所需要的大小

色深：计算机显示出影像时，每个像素所需要的大小

因此，可以看到，他们描述的内容相同，都是单个像素。但是状态不一样，位深是储存，而色深是显示

测试方案：

Step 1，从本地加载图片文件到内存，为loadBitmap

Step 2，分别按照ARGB_8888和RGB_565格式，生成bitmap8888和bitmap565，并记录内存大小

Step 3，分别将bitmap8888和bitmap565，储存为bmp格式，分别为文件：file8888和file565

说明：

1) 储存为bmp格式，以防不同格式，对压缩算法产生影响(实际上的确会产生影响)

2）若file8888和bitmap8888大小相同，而file565和bitmap565大小相同，则说明，位深等同于色深

不然，位深不等同于色深。

测试结果

文件	原始文件 (宽 * 高 大小)	file8888   (宽 * 高 大小)	bitmap8888 (大小)	file565 (宽 * 高 大小)	bitmap565 (大小)
A	3120*4160 3597k	1560*2080 9506k	12675k	1560*2080 9506k	6337k
B	4912*3264 2414k	2456*1632 11742	15657k	2456*1632 11742	7828k
C	314*9675 1747k	413*9675 11715k	15608k	413*9675 11715k	7804k

结果分析【每组数据都满足，因此按照A分析】

已知：ARGB_8888 = 4, RGB = 2

1，1560 * 2080 * 4 / 1024 = 12675，符合公式： Bitmap大小 = 【宽 * 高 * 单个像素点大小(色深)】

2，file8888 != bitmap8888, file565 != bitmap565，说明位深不等同于色深

3，file8888/3 = bitmap8888/4, file565/3 = bitmap565/3

可以分析出，位深都为24位，与生成bitmap的色深格式无关。而我们实际加载的图片是相同的，因此可以理解成"位深是图片产生时携带的参数"

测试结论：

位深：是计算机储存像素的单位大小，由PhotoShop等软件生成图片时，就确定了通道个数，确定了大小

色深：是计算机显示像素的单位大小，可以在加载图片时，选择加载格式确定大小

位深 != 色深

本文总结：

1，公式

1）内存：Bitmap大小 = 【宽 * 高 * 单个像素点大小(色深)】

2）文件：图片大小 约等于 【宽 * 高 * (位深/8) * (1 - 压缩算法效率)】

2，位深和色深不同，位深在产生原始图时就已经确定了。可以判断出，图片文件的大小只取决于宽、高和压缩算法效率

3，实现了将图片进行压缩，链接为：CompressManager.kt