一张图片占用多少内存
https://www.cnblogs.com/popfisher/p/6 9 5 9 1 06 .htmlhttps://www.cnblogs.com/dasusu/dasusu/p/9 7 8 9 3 8 9 .html 1 00kb。图像内存的大小与被占用空间的大小之间有什么关系？占用空间的大小不是图片所占据的内存的大小，一些初学者可能会误解。
足迹是板上占据的空间，内存大小是通过加载到内存中占据的内存。
两者都是相同的单元，性质不是相同的概念。
图像有多少内存？ 1 图像的计算公式占据：图像高度 *图像宽度 *内存大小由像素2 占据。
因此，内存由上图占据：8 00 * 6 00 * 4 byte = 1 8 7 5 kb = 1 8 7 5 kb = 1 8 7 3 亿张图像将图像放置在Res中的不同文件夹中，为什么最终图像中的最终图像占据了最终图像中的大小？如果您查看bitmap.decoderesource（）源代码，您会发现当Res文件夹中的资源图像加载系统时，它将在图像中存储的不同文件夹中转换分辨率。
The conversion rule is: The height of the new image = the height of the original image* (DPI corresponds to the DPI/folder device) The width of the new image = The width of the original image* 2 , in theory, calculate the memory size of this image: The resolution is converted: 1 08 0* (2 4 0/1 6 0)* 4 5 2 * (2 4 0/1 6 0) = 1 6 2 0* 6 7 8 and an image.在同一设备中，如果将图像放置在RES中的不同资源文件夹中，则记忆空间被图像占据不同。
RES中的类似资源导演放置在RES中的相同资源目录中。
但是，在不同的DPI设备中，图像所占据的内存空间也将有所不同。
因此，如果您仅考虑从图像本身进行优化，则只有两个方向：最后，总结一点：
android picture.draw占用多大内存
Android SetImageViewBitmap（BITMAPBM）方法在源代码中没有创建新的位图，而是以参考方式使用BM，这是指BM几次）。该图像占据了多少记忆？该博客主要记录一些我检查的一些信息和测试，这些信息和测试是我在照片中发生的字节数时检查的。
1 android bitmap.config映像的表示方法提供了与位图像素相对应的存储方法，包括rgb_5 6 5 ，argb_8 8 8 8 8 ，argb_4 4 4 4 4 和alpha_8 RGB_5 6 5 代表5 、6 和5 位存储的红色，绿色和蓝色，像素占5 +6 +5 = 1 6 位。
RGB_8 8 8 8 意味着红色，绿色和半透明分别用8 、8 、8 、8 、8 位保持，像素占8 +8 +8 +8 = 3 2 位。
这样，如果在RGB_8 8 8 8 中读取图像，则内存的大小将是RGB_5 6 5 读取模式的两倍。
通常，我们通过使用setRawable或使用android：src在XML文件中设置图像来设置图像。
从bitmapfactory.options.inpherredconfig的描述中，rgb_8 8 8 8 中读取默认加载图像的大小。
2 获取Bitmap占据的字节数。
可以直接获得API 1 2 ，并通过将高和线占据的字节乘以以下字节来获得以下。
protectectectectSizeOf（bitmapdata）{if（build.version.sdk_int
在API1 2 上方，可以直接获得bitmap log.v占据的字节数（“ testrasult”，“ bitmapbyteso”+bitmap.getOwBytes（） *bitmap.getheight（））; E 1 1 2 4 000 = 2 *1 000*5 6 2 字节。
尽管在手机上显示位图时显示位图，但设计器长度和宽度占据的字节与图像的大小一致。
图片压缩那些事
在项目开发过程中，我们可以在图像上或多或少地进行操作，通常在应用程序中，APK量会有内存丢失或增加。大多数原因是图像的问题，图像较大或同时加载图像等。
因此，我个人认为，只要您想减肥，减少应用程序的量，避免记忆泄漏等，以避免OOM内存的丢失，以避免使用OOM记忆，几乎所有应用程序都会压缩大图像，这是毫无疑问的。
因此，只要图像得到很好的发展，大多数问题就已经解决了。
因此，本文将简单地总结图像压缩的原因和图像的常见压缩方法。
文件和流块模块对图像的大小没有影响。
也就是说，如果手机的SD卡为1 00K，则以流量的形式在内存中也是1 00K。
如果图像以位图的形式存在，则内存将立即增加；文件模块：file.length（）流模块：在内存输入流中读取图像文件并显示其字节数；位图：bitmap.getByTecount（）如果必须加载图像，则几m的大小绝对不正常，因此您必须了解；如果应在Android设备上显示图像，则最终ImageView必须加载位图对象，因此有必要考虑与单个位图对象相关的存储器。
位图内存大小=图像长度 *图像宽度 *每个像素单元的字节数占位图，有两种常见的编码方法，ARGB_8 8 8 8 8 ，RGB-5 6 5 ，第一个是4 个字节（字节），第二个是2 个字节（BYTE）（BYTE）（byte）和argb_8 8 8 8 是更常见的。
1 08 0*1 9 2 0*4 = 7 9 m保持原始图像的长度和宽度比的压缩，但是图像变小，并且显示原始图像的所有。
bitmapfactory.options和缩小报告是通过选项设置的，以生成微型； Insplassize（抽样速度）：优点：高效率和快速分析速度；缺点：镶嵌值只能是2 的功率，并且不能仔细指定图像的大小；通过bitmap.createbitmap（）方法，缩小尺寸宽度和高度的关系可能不一致，从而创建了一个新的位图。
该位图可以选择图像的一部分，而不是整体压缩。
它类似于QQ的AVATAR的加载，该QQ可以选择图像上的任何形式的缩放，并且控件非常灵活；这意味着图像，清晰度和原始图像的大小似乎并没有不同，但大小降低。
还原的原则是牺牲决议和其他无法看到直觉的事物。
它似乎与原始图像相同，但立即被扭曲，这与原始图像相同，而原始图像在扩展后尚不清楚。
理解HW bitmap（introduced in Oreo）
HWBITMAP是Oreo中引入的位图类型。主要功能是取悦GraphicsMemory的记忆，而不是传统的Javaheap。
这是对HWBITMAP的详细理解：I。
内存目标位置：传统位图，在传统的位图目标方法中，位图对象通常在Javaheap中给出。
这意味着您将收到内存空间应用程序。
HWBITMAP：与此内存不同，HWBITMAP被赋予GraphicMemory。
这种目的地方法可以减少Javaheap的消耗，从而可以改善应用程序绩效和责任。
2 内存目标传统位图，带有位磁化工厂类以创建一个位图对象，内存目标通常是JNI进程中的bitmapfacropy＃dodecode。
解析选项以获取广度，高度，格式和其他信息后，请使用痛苦来取悦国家层中的内存。
然后，国家层回电，然后将pateptmap传递到Javabitmap对象。
HWBITMAP：尽管Dodecode接口也用于记忆目标路径HWBITMAP不同。
这调用了slocyhardwarebbitmap方法hwui / bitmap.cpp，生成纹理并将其上传到princioniato methotageinvokeerendastak到gpu上。
此过程完成后，完成了当前过程上传并添加到GPU的位图纹理。
3 .内存管理：传统位图：传统位图的内存管理取决于Java的垃圾收集机制。
GC回收内存消耗中引用了使用位图对象。
HWBITMAP，因为HWBITMAP一旦将其组织上传到GPU，该过程中的乡村层位图对象将被回收为GC。
这意味着HWBITMAP的内存管理对GPU和渲染机制更为重要。
4 .最佳实践：由于HWBITMAP是相对较新的功能，因此仍在探索当前项目中的最佳实践。
但是，可以预见的是，HWBITMAP的合理使用可以减少Javaheap的消费，从而更好地对应用程序进行性能。
因此，在开发过程中，HWBITMAP可以在适当的任务中考虑以优化内存体验和应用程序性能。
位图(bitmap)原理以及实现
位图是高效率，内存，保存数据结构，尤其是确定是否存在一些值。它使用一些二进制文件来指示该值是否出现，因此使用使用。
例如，在应用程序中计算1 0亿个长度的数字的应用程序中，通常可以使用6 4 型UID的值设计为用户的唯一唯一唯一的设计，每个UID的数字最多可用于1 0亿用户的8 G内存。
但是，通过位图表示方法，不需要大约1 2 5 m内存，从而减少了存储要求。
位图0或1 的信号用1 和1 签名，在2 、3 中未在用户中检查，用户可以存储所有位。
通过计算目标阵列中的目标，相应的字节和位来计算目标的目标，在位图创建者和后续设置方法中定义的最大长度将其设置为1 对于业务，是要检查是否存在值，退出方法可以快速找到相应的零件，并确定一个位置是否为每个操作。
为了促进从位图中删除值，可以将删除方法作为特定情况下的清晰位实现。
位图通常使用以下属性，以下属性和活动（＆）不会更改数字（如果操作数为0）或0的操作数）。
虽然操作数为0）。
尽管其他位图相对简单，但通过处理大量信息来节省其内存，以适合重型信息以杀死重型任务。
基于位图结构的BloomFilter是一个很好的实现之一。
这是找到概率数据的有效方法的有效方法。
通过Bitmap，我们不仅能够构建此基础的强大信息处理和查询功能。
