bitmap的处理，尽量避免OOM

bitmap是一个吃内存的大家伙，如果使用不当，那么程序就会OOM常伴了。因此，这篇文章主要介绍几个方法来控制好bitmap对内存的占用。

第一种方法：按比例缩小bitmap

private Bitmap getBitmap(String srcPath) {          BitmapFactory.Options newOpts = new BitmapFactory.Options();          // 开始是先把newOpts.inJustDecodeBounds 设回true了          newOpts.inJustDecodeBounds = true;          Bitmap bitmap = BitmapFactory.decodeFile(srcPath,newOpts); // 此时返回bitmap为null                      newOpts.inJustDecodeBounds = false;          int w = newOpts.outWidth;          int h = newOpts.outHeight;          // 以800*480分辨率为例        float hh = 800f;  // 这里设置高度为800f          float ww = 480f;  // 这里设置宽度为480f          // 缩放比。由于是固定比例缩放，只用高或者宽其中一个数据进行计算即可          int scale = 1;  // be=1表示不缩放          if (w > h && w > ww) {  // 如果宽度大的话根据宽度固定大小缩放             scale =  (int) (newOpts.outWidth / ww);  </span>        } else if (w < h && h > hh) { // 如果高度高的话根据宽度固定大小缩放    scale = (int) (newOpts.outHeight / hh);        } if (scale <= 0) scale = 1; newOpts.inSampleSize = scale; // 设置缩放比例 // 重新读入图片，注意此时已经把options.inJustDecodeBounds 设回false了 bitmap = BitmapFactory.decodeFile(srcPath, newOpts); return bitmap;         }

简要的说明一下;第一次设置newOpts.inJustDecodeBounds = true时，是为了解析这个bitmap的宽高，但是并不生成bitmap对象，所以

Bitmap bitmap = BitmapFactory.decodeFile(srcPath,newOpts); 

并不会返回一个bitmap，即返回的是null。此时可以再newOpts中取得这个bitmap的宽高。接下来，我们就可以用来计算要缩小的比例尺了。

注意：scale计算出来的值大于1的话，假设为n(n>1，n为int型)，则表示要bitmap要缩小为原来的1/n。计算得到比例尺之后，设置到

 newOpts.inSampleSize = scale;  // 设置缩放比例  

此时还要不忘设置

newOpts.inJustDecodeBounds = false;

接着重新解析bitmap，即可获得缩小后的bitmap

第二种方法：按指定大小来缩小bitmap

// 按实际的大小生成的BitmapBitmap bm = BitmapFactory.decodeResource(mContext.getResources(), mImageIds[arg0]);bm = Bitmap.createScaledBitmap(bm, width, height, false);

在Bitmap中，有一个方法可以来缩放bitmap，使用起来十分简便。在createScaledBitmap中传入自己指定的宽高，即可让bitmap按比例缩小。减低其对内存的占用。

经过我的测试，以上两种方法都能够有效的缩小bitmap对内存的占用，当一张很大的图片解析成bitmap时，可能会达到1M以上，此时，将会很容易造成OOM。

但是经过上面两种方法的压缩之后，bitmap能够按照需要的宽高来缩小，从而有效的降低内存的占用。解释一下为什么能减低内存的占用：假设一个bitmap的宽高分别缩小到原来的1/4，那么它所占用的大小为宽乘以高，即为原来的1/4 * 1/4 = 1/16。所以能够有效降低内存占用。