学会这两招,长图优化不求人

长图优化与内存管理
本文介绍了一种针对移动端应用的长图优化方法,通过沿对角线缩放、加载可见区域、复用Bitmap内存等步骤,实现高效加载和显示大尺寸图片,同时保持良好的用户体验和内存使用效率。

长图优化

现在市面上 95 % 以上,APP 都有预览图片的功能,那么是怎么做的勒,今天我们就来仿照 微博 预览长图,来对长图优化。

怎么使用

代码传送阵

1.project/build.gradle

	allprojects {
		repositories {
			...
			maven { url 'https://jitpack.io' }
		}
	}

2.app/build.gradle

dependencies {
	        implementation 'com.github.yangkun19921001:long_picture_view:1.0.2'
	}

3.xml 中直接使用


 <com.yk.big_picture_library.BigView
        android:id="@+id/bv_img"
        android:layout_width="wrap_content"
        android:layout_height="wrap_content"
 />

4.代码中

 BigView bigView=findViewById(R.id.bv_img);
 //加载路径
 bigView.setImage(BIG_IMAGE_PAHT);
 //加载 InputStream
 bigView.setImage(InputStream is)
 //加载网络图片 callBack : 加载中的回调
 bigView.setNetUrl(String url,LoadNetImageCallBack callBack);

效果对比

微博长图效果

仿照微博预览长图效果

仿照微博预览长图效果

效果是不是很丝滑,原图是 12 M 压缩后不到 2 M ,加载前可以压缩下,我用的是我自己的另一个图片压缩开源项目利用哈夫曼算法对图片压缩。

内存使用状态

内存无泄漏,无抖动,无溢出 。这里在提一下如果对内存优化不了解的可以看下性能优化(三)…

Java 堆内存: 5 - 6 M 之间

Native 占用内存: 25 M 左右

解决思路

粗略步骤:

1.沿着对角线缩放
2.加载屏幕能够看见的区域
3.复用上一个 bitmap 区域的内存
4.处理滑动

详细步骤

1.定义 Rect 图片需要加载的区域
2.定义图片复用 BitmapFactory.Options()
3.定义手势识别 GestureDetector 上下左右滑动的帮助类
4.定义一个滑动帮组类 Scroller
5.加载图片信息并不是加载真正的图片
6.开启内存复用功能
7.创建一个区域解码器,只解码一部分。
8.刷新 requestLayout
9.确定加载图片的区域,计算缩放比列
10.onDraw 绘制区域图片
11.将图片区域缩放得到 View 的大小
12.drawBitmap 绘制图片
13.处理滑动事件交给手势处理
14.随着手指滑动改变现实区域 Rect,判断头部底部界限
15.invalidate 不断重绘
16.onFling , computeScroll 处理惯性问题
17.invalidate 不断重绘

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值