溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

Android仿微信和QQ多圖合并框架(類似群頭像)的實現(xiàn)方法

發(fā)布時間:2020-10-21 10:33:03 來源:腳本之家 閱讀:238 作者:jyb_96 欄目:移動開發(fā)

前言

現(xiàn)在多數(shù)app里面加入聊天已經是一個非常普遍的現(xiàn)象了,而微信和qq則是通訊領域的鼻祖了。如果產品經理在考慮做聊天設計的時候,多數(shù)會參考。

常常你會聽到,你看微信和qq都是這么做的,你就這么來吧,雖然心理有一萬個不痛快,但誰叫我們是有一個有追求的程序員呢。

所以產品的要求是實現(xiàn)類似微信的群頭像。

類似如下

Android仿微信和QQ多圖合并框架(類似群頭像)的實現(xiàn)方法

作為程序員,首先會評估下工作量吧。在產品眼里,就是把圖片合成一起嘛,有啥難度嗎?所以工作時間決定了你能做成什么樣吧

方案分析:

方案1、直接寫成布局,然后按照不同的布局加載不同張數(shù)的圖片。而大家通用的圖片加載方案都是異步加載的,這樣的話,加載的時候,會一閃一閃的合并成一張圖。由于現(xiàn)在的圖片框架都有緩存,第二次會好很多。

優(yōu)點:實現(xiàn)起來快

缺點:很low,不是一個有逼格程序員的做法,而且效果也不好。

方案2、自定義一個控件,還是通過異步的方式下載所有圖片。在控件里面加一個計數(shù)器,確保所有圖片下載完成后,一起同步顯示出來。

優(yōu)點:難度適中

缺點:擴展性差,哪天產品想換一個合成方案呢

方案3、還是使用原生的控件,對群圖像進行合并后生成一個新的圖像,原后進行緩存。將合并算法抽象成接口。

優(yōu)點:易擴展,體驗更好

缺點:多花一些時間

當然啦,作為一個有夢想有逼格的程序員,我們應該考慮實現(xiàn)方案3,并且造福一些被產品折磨的程序猿同胞。

接下來,我來說一下主要思路和關鍵性代碼吧。

實現(xiàn)思路

其實整體上的思路說起來也比較簡單,可以用一幅流程圖來概括。

Android仿微信和QQ多圖合并框架(類似群頭像)的實現(xiàn)方法

實現(xiàn)方法

首先,我們知道,程序的輸入?yún)?shù)應該是一個ImageView控件,一個urls列表。

ImageView圖像視圖,直接繼承自View類,它的主要功能是用于顯示圖片,實際上它不僅僅可以用來顯示圖片,任何Drawable對象都可以使用ImageView來顯示。ImageView可以適用于任何布局中,并且Android為其提供了縮放和著色的一些操作。

當然還有一個合并回調函數(shù),用于自定義合并方法。

public void displayImages(
 final List<String> urls,
 final ImageView imageView, 
 final MergeCallBack mergeCallBack
)

按照思路,我們需要根據(jù)urls生成一個新key,用于緩存合并后的圖像,下次就可以直接從緩存中加載。畢竟合并頭像是耗時操作

 public String getNewUrlByList(List<String> urls, String mark) {
 StringBuilder sb = new StringBuilder();
 for (String url : urls) {
  sb.append(url + mark);
 }
 return sb.toString();
 }

這里只是一個簡單對所有的url進行了一個拼接,然后再md5.

緩存處理才是最關鍵的步驟,這里涉及到單個鏈接圖片的緩存和合并圖的緩存。對于緩存系統(tǒng)來說,單張圖和多張圖是同樣對待的,都是一個key對應一個緩存對象。只是key的規(guī)則稍有不同。

而緩存方案也是通用的DiskLruCache和MemoryLruCache實現(xiàn)的二級緩存,這樣可以保持緩存的高效。(關于Lru算法,就是簡單的Least Recently Used,即最近使用原則,具體不清楚請百度 )

我們來看下displayImages的核心代碼,就是先找內存緩存,然后再找磁盤緩存,如果都沒有,則再同步的找到所有的單張圖片

 public void displayImages(final List<String> urls, final ImageView imageView, final MergeCallBack mergeCallBack, final int dstWidth, final int dstHeight) {
 if (urls == null || urls.size() <= 0) {
  throw new IllegalArgumentException("url不能為空");
 }
 if (mergeCallBack == null) {
  throw new IllegalArgumentException("mergeCallBack 不能為空");
 }
 final String url = getNewUrlByList(urls, mergeCallBack.getMark());
 imageView.setTag(IMG_URL, url);
 //內存中加載
 Bitmap bitmap = loadFromMemory(url);
 if (bitmap != null) {
  LogUtil.e(Tag, "displayImages this is from Memory");
  imageView.setImageBitmap(bitmap);
  return;
 }
 try {
  //磁盤中加載
  bitmap = loadFromDiskCache(url, dstWidth, dstHeight);
  if (bitmap != null) {
  LogUtil.e(Tag, "displayImages this is from Disk");
  imageView.setImageBitmap(bitmap);
  return;
  }
 } catch (Exception e) {
  e.printStackTrace();
 }
 //設置一張默認圖
 bitmap = BitmapFactory.decodeResource(mContext.getResources(), R.drawable.ic_launcher_round);
 imageView.setImageBitmap(bitmap);
 LogUtil.e(Tag, "displayImages this is from default");
 //開啟一個新的線程,同步加載所有的圖片。如果加載成功,則返回。
 Runnable loadBitmapTask = new Runnable() {
  @Override
  public void run() {
  ArrayList<Bitmap> bitmaps = loadBitMaps(urls, dstWidth, dstHeight);
  if (bitmaps != null && bitmaps.size() > 0) {
   Result result;
   if (mergeCallBack != null) {
   Bitmap mergeBitmap = mergeCallBack.merge(bitmaps, mContext, imageView);
   if (urls.size() == bitmaps.size()) {
    //加入緩存
    try {
    saveDru(url, mergeBitmap);
    } catch (IOException e) {
    e.printStackTrace();
    }
   } else {
    LogUtil.e(Tag, "size change. so can not save");
   }
   LogUtil.e(Tag, "displayImages this is from Merge");
   result = new Result(mergeBitmap, url, imageView);
   } else {
   result = new Result(bitmaps.get(0), url, imageView);
   }
   Message msg = mMainHandler.obtainMessage(MESSAGE_SEND_RESULT, result);
   msg.sendToTarget();
  }
  }
 };
 threadPoolExecutor.execute(loadBitmapTask);
 }

如果從緩存中加載失敗,我們會開啟一個線程,去執(zhí)行頭像合并的操作。那頭像合并是同步操作,需要得到需要合并頭像的對象,那如何得到呢,我們繼續(xù)看代碼

 private ArrayList<Bitmap> loadBitMaps(List<String> urls, int dstWidth, int dstHeight) {
 ArrayList<Bitmap> bitmaps = new ArrayList<>();
 for (String url : urls) {
  //同步獲得所有圖像
  Bitmap bitmap = loadBitMap(url, dstWidth, dstHeight);
  if (bitmap != null) {
  bitmaps.add(bitmap);
  }
 }
 return bitmaps;
 }

顯示,圖像是通過loadBitMap()函數(shù)返回,而這個函數(shù)的核心方法是

 private Bitmap loadBitMap(String url, int dstWidth, int dstHeight) {
 //內存
 Bitmap bitmap = loadFromMemory(url);
 if (bitmap != null) {
  LogUtil.e(Tag, "this is from Memory");
  return bitmap;
 }
 try {
  //磁盤
  bitmap = loadFromDiskCache(url, dstWidth, dstHeight);
  if (bitmap != null) {
  LogUtil.e(Tag, "this is from Disk");
  return bitmap;
  }
  //網絡
  bitmap = loadFromNet(url, dstWidth, dstHeight);
  LogUtil.e(Tag, "this is from Net");
  if (bitmap == null) {
  LogUtil.e(Tag, "bitmap null network error");
  }
 } catch (Exception e) {
  e.printStackTrace();
 }
 return bitmap;
 }

可以清楚的看到,又返回了displayImages()方法的邏輯中,套用了同樣的緩存思路。我們再回到loadBitmapTask這個線程的執(zhí)行方法中,其中有一段重要的邏輯是

Bitmap mergeBitmap = mergeCallBack.merge(bitmaps, mContext, imageView);
if (urls.size() == bitmaps.size()) {
 //加入緩存
 try {
  saveDru(url, mergeBitmap);
 } catch (IOException e) {
  e.printStackTrace();
 }
} 

這個mergeCallBack方法是用戶需要自己實現(xiàn)的圖像合并方法,傳入一個列表的bitmap,然后返回一個合并圖對象,最后我們把這個合并再加入緩存。下次就能直接從緩存中找到了。

接下來的重點就是圖像合并的技術了。我在代碼里面加入實現(xiàn)了微信和qq的群頭像,接下來就簡單講下微信合并的方案,QQ的合并方案,大家可以自己去看代碼。

首先我們看下MergeCallBack的實現(xiàn)方法

@Override
public Bitmap merge(List<Bitmap> bitmapArray, Context context, ImageView imageView) {
 this.context = context;
 // 畫布的寬
 ViewGroup.LayoutParams lp = imageView.getLayoutParams();
 int tempWidth;
 int tempHeight;
 if (lp != null) {
 tempWidth = dip2px(context, lp.width);
 tempHeight = dip2px(context, lp.height);
 } else {
 //否則給一個默認的高度
 tempWidth = dip2px(context, 70);
 tempHeight = dip2px(context, 70);
 }
 return CombineBitmapTools.combimeBitmap(context, tempWidth, tempHeight,
  bitmapArray);
}

再看看combimeBitmap的實現(xiàn)

 public static Bitmap combimeBitmap(Context context, int combineWidth,
     int combineHeight, List<Bitmap> bitmaps) {
 if (bitmaps == null || bitmaps.size() == 0)
  return null;

 if (bitmaps.size() >= 9) {
  bitmaps = bitmaps.subList(0, 9);
 }
 Bitmap resultBitmap = null;
 int len = bitmaps.size();
 // 繪制數(shù)據(jù),這里記錄所有的繪制坐標。
 List<CombineBitmapEntity> combineBitmapEntities = CombineNineRect
  .generateCombineBitmapEntity(combineWidth, combineHeight, len);
 // 縮略圖
 List<Bitmap> thumbnailBitmaps = new ArrayList<Bitmap>();
 for (int i = 0; i < len; i++) {
  thumbnailBitmaps.add(ThumbnailUtils.extractThumbnail(bitmaps.get(i),
   (int) combineBitmapEntities.get(i).width,
   (int) combineBitmapEntities.get(i).height));
 }
 // 合成
 resultBitmap = getCombineBitmaps(combineBitmapEntities,
  thumbnailBitmaps, combineWidth, combineHeight);

 return resultBitmap;
 }
 private static Bitmap getCombineBitmaps(
  List<CombineBitmapEntity> mEntityList, List<Bitmap> bitmaps,
  int width, int height) {
 Bitmap newBitmap = Bitmap.createBitmap(width, height, Bitmap.Config.ARGB_8888);
 for (int i = 0; i < mEntityList.size(); i++) {
  //合并圖像
  newBitmap = mixtureBitmap(newBitmap, bitmaps.get(i), new PointF(
   mEntityList.get(i).x, mEntityList.get(i).y));
 }
 return newBitmap;
 }

最后調用getCombineBitmaps合成圖像,合成圖像的關鍵就是通過Bitmap.createBitmap實現(xiàn)。

 private static Bitmap mixtureBitmap(Bitmap first, Bitmap second,
     PointF fromPoint) {
 if (first == null || second == null || fromPoint == null) {
  return null;
 }
 Bitmap newBitmap = Bitmap.createBitmap(first.getWidth(),
  first.getHeight(), Bitmap.Config.ARGB_8888);
 Canvas cv = new Canvas(newBitmap);
 cv.drawBitmap(first, 0, 0, null);
 cv.drawBitmap(second, fromPoint.x, fromPoint.y, null);
 cv.save(Canvas.ALL_SAVE_FLAG);
 cv.restore();
 if (first != null) {
  first.recycle();
  first = null;
 }
 if (second != null) {
  second.recycle();
  second = null;
 }
 return newBitmap;
 }

所有關鍵邏輯已經備注到代碼里面了。

如果大家想看完整效果和完整代碼,可以點擊這里:MutiImgLoader,當然,通過本地下載也可以。

總結

以上就是這篇文章的全部內容了,希望本文的內容對大家的學習或者工作具有一定的參考學習價值,如果有疑問大家可以留言交流,謝謝大家對億速云的支持。

向AI問一下細節(jié)

免責聲明:本站發(fā)布的內容(圖片、視頻和文字)以原創(chuàng)、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關證據(jù),一經查實,將立刻刪除涉嫌侵權內容。

AI