Android中图片优化之webp使用

博客出自：http://blog.csdn.net/liuxian13183，转载注明出处！ All Rights Reserved !

有关图片的优化，通常我们会用到LruCache（使用强引用、强制回收的办法），会用到SoftReference（使用url做key，bitmap做value的方法），会用到根据手机屏幕来缩放图片，会及时回收图片所占用的内存等方法，但说实在的，这些方法治标不治本，图片该多大还多大，从软件上我们基本上能做到处理图片的极限，那么只剩下考虑从硬件来上优化图片，这就讲到了今天所要说的webp。

其中webp不仅仅能应用在Android上，同样IOS和web端也同样可以使用。

有关webp的简介，腾讯同学有详细介绍，浓缩的精华！从零开始带你认识最新的图片格式WEBP，我不再多说。

常用的webp转换工具有：XnConvet，智图，ISparta

一张279k的png图片可以转换成67.5k的webp图片，而且不失真

第一步添加webp支持，添加so包和lib包

第二步，添加WebpUtils文件，里面有通过so包来处理webp文件成为byte数组的方法

第三步，应用

效果图：

你最想要的源码！Android Service和webp讲解源码　

附安卓SDK文档给出的官方压缩图片算法：

public static Bitmap getBitmapBySize(String path, int width, int height) {
BitmapFactory.Options option = new BitmapFactory.Options();
option.inJustDecodeBounds = true;
BitmapFactory.decodeFile(path, option);
option.inSampleSize = computeSampleSize(option, -1, width * height);
option.inJustDecodeBounds = false;
Bitmap bitmap = null;
try {
bitmap = BitmapFactory.decodeFile(path, option);
} catch (Exception e) {
e.printStackTrace();
}
return bitmap;
}
public static int computeSampleSize(BitmapFactory.Options options, int minSideLength, int maxNumOfPixels) {
int initialSize = computeInitialSampleSize(options, minSideLength, maxNumOfPixels);
int roundedSize;
if (initialSize <= 8) {
roundedSize = 1;
while (roundedSize < initialSize) {
roundedSize <<= 1;
}
} else {
roundedSize = (initialSize + 7) / 8 * 8;
}
return roundedSize;
}
private static int computeInitialSampleSize(BitmapFactory.Options options, int minSideLength, int maxNumOfPixels) {
double w = options.outWidth;
double h = options.outHeight;
int lowerBound = (maxNumOfPixels == -1) ? 1 : (int) Math.ceil(Math.sqrt(w * h / maxNumOfPixels));
int upperBound = (minSideLength == -1) ? 128 : (int) Math.min(Math.floor(w / minSideLength), Math.floor(h / minSideLength));
if (upperBound < lowerBound) {
// return the larger one when there is no overlapping zone.
return lowerBound;
}
if ((maxNumOfPixels == -1) && (minSideLength == -1)) {
return 1;
} else if (minSideLength == -1) {
return lowerBound;
} else {
return upperBound;
}
}

算法的意思是：将原图压缩为大概width*height个像素，原图像素数/(width*height)=压缩比率^2，得到这个比率后，对原图进行等比例压缩；避免的误区是，以为放入的width*height就是要压缩到的大小

压缩像素为1280*720，保证清晰度同比压缩到，如果超过则取更小值，因此文件大小不能确定，测试两组数据如下：

原图长宽     大小   压缩后长宽      压缩后大小       长宽比   大小比      inSampleSize

3120*4160 3.41m 612*816 465kb（理论140）  25.99          7.5        5
2448*3264 1.43m 780*1040 265kb（理论160）  9.85            5.53      3

2448*3264 1.8m 612*816 294kb（理论115） 16    6.27      4

图片大小理论值都比实际值要小，可见图片长宽与大小不成正比；第三组数据和第一组数据共用一台手机，可见同一手机压缩后的长宽比是一致的。图片大小压缩大小最小为5倍；而一般情况下图片解析得到的Bitmap大小会比文件大5倍左右。

另外页面中重新定义的ImageView，如果使用当前页面的context作为引入，则当页面关闭后可能会引起内存泄露，同时会引起OOM，引用链过长同时未被释放；方法是将Application作为context加入ImageView，在页面destroy时，清除context，以及View

public static void unbindDrawables(View view) {
if (view.getBackground() != null) {
view.getBackground().setCallback(null);
}
if (view instanceof ViewGroup) {
for (int i = 0; i < ((ViewGroup) view).getChildCount(); i++) {
unbindDrawables(((ViewGroup) view).getChildAt(i));
}
((ViewGroup) view).removeAllViews();
}
}

借这个机会讲讲避免内存泄露的方法：

Cursor用后及时关闭，Bitmap及对象及时回收，避免在循环体中new对象，注册的广播等监听及时取消，尽量使用Application而非context。

其他内存优化的方法： http://www.diycode.cc/projects/cundong/MemoryMonitor