Android中的图片加载一直是很重要的一块，也是很令人头疼的一块，动不动就出现OOM。所以我们有fresco等优秀的第三方框架，什么三级缓存，一行代码就帮我们轻松实现。但当面对超级长超级大分辨率尺寸的图时，就显得无能为力了，如果直接加载到内存中就又会出现OOM。
1.BitmapRegionDecoder
实现长图大图的加载，最关键的类就是BitmapRegionDecoder他可以实现对图片的局部加载。
mDecoder=BitmapRegionDecoder.newInstance(image,false);
//这里不能用option来获取图片的宽和高，因为经过BitmapRegionDecoder类处理过后的inputstream不能在获取的其信息，自动返回-1
imageHeight=mDecoder.getHeight();
imageWidth=mDecoder.getWidth();
bmp = mDecoder.decodeRegion(mRect, option);
复制代码这里注意经过BitmapRegionDecoder类处理过后的inputstream不能再用option获取其信息，会自动返回-1。当创建decoder对象后其实并没有将图片加载到内存中，只有调用了bmp = mDecoder.decodeRegion(mRect, option);之后才将这个mrect矩形的图片局部加载到内存中。
自己实现
那么既然Android有这么方便的类，那我们岂不是很简单就可以自己实现啦！所以参考 鸿洋_的Android 高清加载巨图方案 拒绝压缩图片 这篇博客，我们可以自己实现一个简易的加载长图框架：
- 自定义一个view，重写他的
ondraw（）和onTouchEvent() - 创建GestureDetector.OnGestureListener的实现类和scroller去接管触摸事件，在move时记录滑动距离，重写
computeScroll()去辅助滑动 - 初始化我们的局部加载类BitmapRegionDecoder，当屏幕滑动到哪，记录其坐标到rect里然后直接mDecoder.decodeRegion(mRect, option);调用 invalidate()去ondraw（）
- 同时注意设置
option.inBitmap开启图片的复用，进一步减少内存占用 - 另一个减小内存开销的就是设置合适的采样率，根据控件的大小对图片进行合适的采样压缩
int insamplesize=1;
while (imageWidth>1.6*width) {
imageWidth /= 2;
insamplesize*=2;
}
option.inMutable=true;
option.inSampleSize=insamplesize;
复制代码 protected void onDraw(Canvas canvas) {
super.onDraw(canvas);
if (mDecoder!=null) {
option.inBitmap=bmp;
matrix.setScale(scale,scale);
bmp = mDecoder.decodeRegion(mRect, option);
canvas.drawBitmap(bmp,matrix,bitmapPaint);
Log.i("TAG", "onDraw: "+bmp.getByteCount());
}
}
复制代码注意：这里记录一个小小的坑：当用matrix进行图片的放大时，一定一定要设置画笔Paint，设置抗锯齿等优化，设与不设的差距真的挺大的
private Paint bitmapPaint;
bitmapPaint = new Paint();
bitmapPaint.setAntiAlias(true);
bitmapPaint.setFilterBitmap(true);
bitmapPaint.setDither(true);
复制代码结论
这样一个简易的图片加载框架就实现了，完美的避免了OOM，因为不用把图片完整的加载到内存中！但是，经过实测，这种方法在加载分辨率比较小的大图时滑动还是挺丝滑的，但一遇到分辨率再大一点的，就会感受到明显的滑动的卡顿，于是我把目光转向了subsampling scale image view这个目前应该是最流行的开源框架
2.subsampling scale imag实现原理
这里以原理实现为主，不想贴很多代码，具体可自己下载阅读github地址
1.ImageSource
subsampling scale image view通过这个类ImageSource去获取图片，所以我们的图片资源都需要通过ImageSource去加载，支持从assets，文件，流中加载，从源码上看他其实就是一个工具类，用于方便加载各个路径的文件
2.fullImageSampleSize
.fullImageSampleSamplSize由private int calculateInSampleSize(float scale)计算出，这个值应该是我们首先应该理解的。
他决定了图片是否需要用BitmapRegionDecoder进行区域加载。如果他的计算结果等于1，则表示这张图的分辨率还不够大，不需要进行切割进行区域加载，所以这种情况下是最简单的，直接将图加载进入，放大缩小，移动，都是通过Matrix来实现的，所以接下来就来说一下Matrix
3.Matrix
matrix，矩阵，很多关于图片的功能都能通过他来做一些十分的变换来实现（可惜当年线代没学好。。。）比如图片我的位移，放缩，旋转等等。subsampling scale image view也用了matrix来实现图片的放缩和位移，主要方法是matrix.setPolyToPoly(srcArray, 0, dstArray, 0, 4); 有两个数组srA，rray和dstArray dstarray数组决定了图片在屏幕的位置，而大图的移动滑动就是通过他来实现的
4.Tile
private static class Tile这个内部类就是切片类，subsampling scale image view中最重要的一个数据结构。
private static class Tile {
private Rect sRect;
private int sampleSize;
private Bitmap bitmap;
private boolean loading;
private boolean visible;
// Volatile fields instantiated once then updated before use to reduce GC.
private Rect vRect;
private Rect fileSRect;
}
复制代码他的属性也很简单就是用来存储图片的一段切片信息，各种rect和bitmap和一个samplesiz其中需要区分一下各个rect
- srect和filesrect其实是保存这个切片的原始大小区域，也就调用是
mDecoder.decodeRegion(mRect, option)区域加载时传入的rect - vRect描述绘制在view画布中的实际位置，也就是说图片放大后的上下滑动就是通过改变这个rect结合
matrix.setPolyToP()来实现的
protected void onDraw(Canvas canvas) {
......
if (matrix == null) { matrix = new Matrix(); }
matrix.reset();
setMatrixArray(srcArray, 0, 0, tile.bitmap.getWidth(), 0, tile.bitmap.getWidth(), tile.bitmap.getHeight(), 0, tile.bitmap.getHeight());
if (getRequiredRotation() == ORIENTATION_0) {
setMatrixArray(dstArray, tile.vRect.left, tile.vRect.top, tile.vRect.right, tile.vRect.top, tile.vRect.right, tile.vRect.bottom, tile.vRect.left,
}...
...
matrix.setPolyToPoly(srcArray, 0, dstArray, 0, 4);
canvas.drawBitmap(tile.bitmap, matrix, bitmapPaint);
......
}
复制代码5.三个task
TilesInitTask，TileLoadTask ，BitmapLoadTask
subsampling scale image view内部又创建了三个继承自AsyncTask的task用来在后台加载decode图从而不阻碍ui主线程，更加流畅。 所以当fullImageSampleSize==1时，就直接用BitmapLoadTask解码整个图片不需切割，当期大于1时，就需要用TileLoadTask区域解码分割后的图片
Map<Integer, List<Tile>> tileMap
最后介绍这个框架的核心，就是这个map
我们知道，图片放得越大，所需要的像素分辨率就要越高才能匹配，要不然就会很模糊。相反，如果图片缩得很小，就不需要很高的分辨率，多了就浪费了。而Android中就可以根据 option.inSampleSize来对图片进行采样压缩，减小分辨率。
所以，根据这个原理，subsampling scale image view将其根据需要计算出不同的采样率，当做key，然后根据不同的采样率进行切割，生成List<Tile>
放大的时候，subsampling scale image view会选取合适的采样率后获取到List<Tile>然后进行解码，并且，他只会解码显示的部分，也就是til.visiable为true时才会解码。否者将其回收。
综上就是subsampling scale image view的大致实现原理
对比
对比自己实现的和subsampling scale image view，后者在大图的切片方面做得更好只将大图切成若干片，在判断是否可见，如果可见就加载到内存中，否者回收；滑动时只改变矩阵的值进行简单的位移变换，进一步提升了流畅度，而且根据不同放缩比例选择合适的采样率，进一步减少内存占用。自己实现的每滑动一次就要重新解码绘制好几次，所以后者性能更高，值得学习。