Android中图片过大造成内存溢出，OOM（OutOfMemory）异常解决方法(1)

来源：互联网发布：why china is safe知乎编辑：程序博客网时间：2024/06/14 22:30

当我们在做项目过程中，一遇到显示图片时，就要考虑图片的大小，所占内存的大小，原因就是Android分配给Bitmap的大小只有8M,试想想我们用手机拍照，普通的一张照片不也得1M以上，所以android处理图片时不得不考虑图片过大造成的内存异常。

那时候只是简单地缓存图片到本地然后将图片进行压缩，但是感觉这个问题没有很好的解决办法，只是减小了发生的几率

这里，我将前辈们解决的方法重新整理一番,方便自己以后使用。
1.在内存引用上做些处理，常用的有软引用、强化引用、弱引用

01.importjava.lang.ref.PhantomReference;

02.importjava.lang.ref.Reference;

03.importjava.lang.ref.ReferenceQueue;

04.importjava.lang.reflect.Field;

05.publicclass Test {

06. publicstatic boolean isRun = true;

07. publicstatic void main(String[] args) throws Exception {

08. String abc =new String("abc");

09. System.out.println(abc.getClass() +"@" + abc.hashCode());

10.

11. finalReferenceQueue referenceQueue = newReferenceQueue<String>();

12. newThread() {

13. publicvoid run() {

14. while(isRun) {

15. Object o = referenceQueue.poll();

16. if(o != null) {

17. try{

18. Field rereferent = Reference.class

19. .getDeclaredField("referent");

20. rereferent.setAccessible(true);

21. Object result = rereferent.get(o);

22. System.out.println("gc will collect:"

23. + result.getClass() +"@"

24. + result.hashCode());

25. }catch (Exception e) {

26. e.printStackTrace();

27. }

28. }

29. }

30. }

31. }.start();

32. PhantomReference<String> abcWeakRef =new PhantomReference<String>(abc,

33. referenceQueue);

34. abc =null;

35. Thread.currentThread().sleep(3000);

36. System.gc();

37. Thread.currentThread().sleep(3000);

38. isRun =false;

39. }

40.}

结果：

class java.lang.String@96354
gc will collect:class java.lang.String@96354

2.在内存中加载图片时直接在内存中做处理
A.边界压缩

01.@SuppressWarnings("unused")

02.privateBitmap copressImage(String imgPath){

03. File picture =new File(imgPath);

04. Options bitmapFactoryOptions =new BitmapFactory.Options();

05. //下面这个设置是将图片边界不可调节变为可调节

06. bitmapFactoryOptions.inJustDecodeBounds =true;

07. bitmapFactoryOptions.inSampleSize =2;

08. intoutWidth = bitmapFactoryOptions.outWidth;

09. intoutHeight = bitmapFactoryOptions.outHeight;

10. bmap = BitmapFactory.decodeFile(picture.getAbsolutePath(),

11. bitmapFactoryOptions);

12. floatimagew = 150;

13. floatimageh = 150;

14. intyRatio = (int) Math.ceil(bitmapFactoryOptions.outHeight

15. / imageh);

16. intxRatio = (int) Math

17. .ceil(bitmapFactoryOptions.outWidth / imagew);

18. if(yRatio > 1 || xRatio > 1) {

19. if(yRatio > xRatio) {

20. bitmapFactoryOptions.inSampleSize = yRatio;

21. }else {

22. bitmapFactoryOptions.inSampleSize = xRatio;

23. }

24.

25. }

26. bitmapFactoryOptions.inJustDecodeBounds =false;//false --- allowing the caller to query the bitmap without having to allocate the memory for its pixels.

27. bmap = BitmapFactory.decodeFile(picture.getAbsolutePath(),

28. bitmapFactoryOptions);

29. if(bmap !=null){

30. //ivwCouponImage.setImageBitmap(bmap);

31. returnbmap;

32. }

33. returnnull;

34.}

B.边界压缩的情况下间接的使用了软引用来避免OOM

/* 自定义Adapter中部分代码*/
        publicView getView(int position, View convertView, ViewGroup parent) { 
            File file =new File(it.get(position));
            SoftReference<Bitmap> srf = imageCache.get(file.getName());
            Bitmap bit = srf.get();
            ImageView i =new ImageView(mContext); 
            i.setImageBitmap(bit);
            i.setScaleType(ImageView.ScaleType.FIT_XY);
            i.setLayoutParams(new Gallery.LayoutParams(WindowManager.LayoutParams.WRAP_CONTENT,
                    WindowManager.LayoutParams.WRAP_CONTENT));
            returni; 
        }

但大家都知道，这些函数在完成decode后，最终都是通过java层的createBitmap来完成的，需要消耗更多内存,如果图片多且大，这种方式还是会引用OOM异常的，因此需要进一步处理：

A.第一种方式

InputStream is =this.getResources().openRawResource(R.drawable.pic1);
     BitmapFactory.Options options=newBitmapFactory.Options(); 
     options.inJustDecodeBounds =false; 
     options.inSampleSize =10;   //width，hight设为原来的十分一
     Bitmap btp =BitmapFactory.decodeStream(is,null,options);
 if(!bmp.isRecycle() ){
         bmp.recycle()  //回收图片所占的内存 
         system.gc() //提醒系统及时回收 
}
 
 

B.第二中方式

/**
* 以最省内存的方式读取本地资源的图片
* */  
publicstatic Bitmap readBitMap(Context context,int resId){   
        BitmapFactory.Options opt =new BitmapFactory.Options();  
        opt.inPreferredConfig = Bitmap.Config.RGB_565;   
       opt.inPurgeable =true;   
       opt.inInputShareable =true;   
          //获取资源图片  
       InputStream is = context.getResources().openRawResource(resId);  
           returnBitmapFactory.decodeStream(is,null,opt);  
   }
 
 

C.在适当的时候垃圾回收

1.if(bitmapObject.isRecycled()==false)//如果没有回收   
2.         bitmapObject.recycle();

D.优化Dalvik虚拟机的堆内存分配
对于Android平台来说，其托管层使用的Dalvik JavaVM从目前的表现来看还有很多地方可以优化处理，eg我们在开发一些大型游戏或耗资源的应用中可能考虑手动干涉GC处理，使用 dalvik.system.VMRuntime类提供的setTargetHeapUtilization方法可以增强程序堆内存的处理效率。

privatefinal static floatTARGET_HEAP_UTILIZATION = 0.75f; 
//在程序onCreate时就可以调用
VMRuntime.getRuntime().setTargetHeapUtilization(TARGET_HEAP_UTILIZATION);
即可

至于上面为何是0.75，是因为堆（HEAP）是VM中占用内存最多的部分，通常是动态分配的。堆的大小不是一成不变的，通常有一个分配机制来控制它的大小。比如初始的HEAP是4M大，当4M的空间被占用超过75%的时候，重新分配堆为8M大；当8M被占用超过75%，分配堆为16M大。倒过来，当16M的堆利用不足30%的时候，缩减它的大小为8M大。重新设置堆的大小，尤其是压缩，一般会涉及到内存的拷贝，所以变更堆的大小对效率有不良影响。

E.自定义我们的应用需要多大的内存

privatefinal static int CWJ_HEAP_SIZE = 6* 1024* 1024 ; 
 //设置最小heap内存为6MB大小
VMRuntime.getRuntime().setMinimumHeapSize(CWJ_HEAP_SIZE);

以上这些就是本人总结的一些解决OOM异常的方法，希望能帮助到大家！

http://www.it165.net/pro/html/201307/6463.html

0 0