高性能图片压缩 —— libjpeg-turbo 的编译与集成-白红宇

前言

Android 提供的 JPEG 压缩, 是由外部链接库中的 libjpeg 实现的, 但 Google 考虑到 Android 设备性能的瓶颈, 在 Skia 调用中的三方链接库 libjpeg 时, 多处进行了阉割处理, 这样带来的好处就是压缩的速度更快了, 但细节丢失严重, 压缩后甚至有偏绿的情况, 下面的代码便是 Android 执行 JPEG 压缩的关键

/** * SkImageDecoder_libjpeg.cpp */class SkJPEGImageEncoder : public SkImageEncoder {protected:    virtual bool onEncode(SkWStream* stream, const SkBitmap& bm, int quality) {        ......        // 1. 初始化 libjpeg        jpeg_create_compress(&cinfo);        // 设置一些参数        cinfo.dest = &sk_wstream;        cinfo.image_width = bm.width();        cinfo.image_height = bm.height();        cinfo.input_components = 3;        // FIXME: Can we take advantage of other in_color_spaces in libjpeg-turbo?        cinfo.in_color_space = JCS_RGB;        // The gamma value is ignored by libjpeg-turbo.        cinfo.input_gamma = 1;        jpeg_set_defaults(&cinfo);        // 这个标志用于控制是否使用优化的哈夫曼表        cinfo.optimize_coding = TRUE;        jpeg_set_quality(&cinfo, quality, TRUE /* limit to baseline-JPEG values */);                // 2. 开始压缩        jpeg_start_compress(&cinfo, TRUE);        const int       width = bm.width();        uint8_t*        oneRowP = oneRow.reset(width * 3);        const SkPMColor* colors = bm.getColorTable() ? bm.getColorTable()->readColors() : nullptr;        const void*      srcRow = bm.getPixels();                while (cinfo.next_scanline < cinfo.image_height) {            JSAMPROW row_pointer[1];    /* pointer to JSAMPLE row[s] */            writer(oneRowP, srcRow, width, colors);            row_pointer[0] = oneRowP;            (void) jpeg_write_scanlines(&cinfo, row_pointer, 1);            srcRow = (const void*)((const char*)srcRow + bm.rowBytes());        }                // 3. 结束压缩        jpeg_finish_compress(&cinfo);                // 4. 释放内存        jpeg_destroy_compress(&cinfo);        return true;    }};复制代码

从上面的代码中, 我们定位到 cinfo.optimize_coding 这个参数

Android7.0 之后, 这个参数为 true
- 在图片压缩的时候, 会根据图片去计算其对应的哈夫曼表, 图片质量更高, 但是图片占用的磁盘空间也相应更高

Android7.0 之前, 这个参数为 false
- 使用默认的哈夫曼表, 不会去根据图片进行特定的计算, 经 Google 测试, 图片质量比使用哈夫曼低两倍左右

除此之外早期的 Android 版本, 同样考虑到性能问题, skia 引擎写了一个函数替代了原来 libjpeg 的转换函数, 好处是提高了编码速度, 坏处就是牺牲了每一个像素的精度

为了实现更快速更高质量的 JPEG 有损压缩, 因此笔者选择编译 libjpeg-turbo, 来处理项目中的图片压缩, 据官方介绍, 得益于它高度优化的哈夫曼算法, 它比 libjpeg 要快上 2-6 倍, 接下来我们来一步一步的将它集成到项目中

一. 准备工作

一) 操作系统

Ubuntu-18.04.1

二) 依赖安装

1. NDK

2. CMake

3. make

sudo apt-get install make复制代码

4. libjpeg-turbo

从 Github 上下载最新的源码即可

注释版本号

打开 libjpeg-turbo/sharedLibs/CMakeList.txt, 将设置版本号的位置注释, 否则在使用时, 可能会出现运行时缺少 so 库的问题

二. 编译

一) 脚本编写

Android 端脚本编写指南在 libjpeg-turbo 库中的 BUILDING.md 中有说明

Building libjpeg-turbo for Android----------------------------------Building libjpeg-turbo for Android platforms requires v13b or later of the[Android NDK](https://developer.android.com/tools/sdk/ndk).### ARMv7 (32-bit)The following is a general recipe script that can be modified for your specificneeds.    # Set these variables to suit your needs    NDK_PATH={full path to the NDK directory-- for example,      /opt/android/android-ndk-r16b}    TOOLCHAIN={
   "gcc" or "clang"-- "gcc" must be used with NDK r16b and earlier,      and "clang" must be used with NDK r17c and later}    ANDROID_VERSION={the minimum version of Android to support-- for example,      "16", "19", etc.}    cd {build_directory}    cmake -G"Unix Makefiles" \      -DANDROID_ABI=armeabi-v7a \      -DANDROID_ARM_MODE=arm \      -DANDROID_PLATFORM=android-${ANDROID_VERSION} \      -DANDROID_TOOLCHAIN=${TOOLCHAIN} \      -DCMAKE_ASM_FLAGS="--target=arm-linux-androideabi${ANDROID_VERSION}" \      -DCMAKE_TOOLCHAIN_FILE=${NDK_PATH}/build/cmake/android.toolchain.cmake \      [additional CMake flags] {source_directory}    make......复制代码

我们按照它的要求, 进行 shell 脚本的编写即可, 编写后的shell 脚本如下

#!/bin/sh# lib-nameMY_LIBS_NAME=libjpeg-turbo# 源码文件目录MY_SOURCE_DIR=/home/sharry/Desktop/libjpeg-turbo-master# 编译的过程中产生的中间件的存放目录，为了区分编译目录，源码目录，install目录MY_BUILD_DIR=binary##  CMake 环境变量export PATH=/home/sharry/Desktop/cmake-3.12.1-Linux-x86_64/bin:$PATHNDK_PATH=/home/sharry/Desktop/android-ndk-r16bBUILD_PLATFORM=linux-x86_64TOOLCHAIN_VERSION=4.9ANDROID_VERSION=19ANDROID_ARMV5_CFLAGS="-march=armv5te"ANDROID_ARMV7_CFLAGS="-march=armv7-a -mfloat-abi=softfp -mfpu=neon"  # -mfpu=vfpv3-d16  -fexceptions -frttiANDROID_ARMV8_CFLAGS="-march=armv8-a"   # -mfloat-abi=softfp -mfpu=neon -fexceptions -frttiANDROID_X86_CFLAGS="-march=i386 -mtune=intel -mssse3 -mfpmath=sse -m32"ANDROID_X86_64_CFLAGS="-march=x86-64 -msse4.2 -mpopcnt -m64 -mtune=intel"# params($1:arch,$2:arch_abi,$3:host,$4:compiler,$5:cflags,$6:processor)build_bin() {    echo "-------------------star build $2-------------------------"    ARCH=$1                # arm arm64 x86 x86_64    ANDROID_ARCH_ABI=$2    # armeabi armeabi-v7a x86 mips    # 最终编译的安装目录    PREFIX=$(pwd)/dist/${MY_LIBS_NAME}/${ANDROID_ARCH_ABI}/    HOST=$3    COMPILER=$4    PROCESSOR=$6    SYSROOT=${NDK_PATH}/platforms/android-${ANDROID_VERSION}/arch-${ARCH}    CFALGS="$5"    TOOLCHAIN=${NDK_PATH}/toolchains/${HOST}-${TOOLCHAIN_VERSION}/prebuilt/${BUILD_PLATFORM}        # build 中间件    BUILD_DIR=./${MY_BUILD_DIR}/${ANDROID_ARCH_ABI}    export CFLAGS="$5 -Os -D__ANDROID_API__=${ANDROID_VERSION} --sysroot=${SYSROOT} \                   -isystem ${NDK_PATH}/sysroot/usr/include \                   -isystem ${NDK_PATH}/sysroot/usr/include/${HOST} "    export LDFLAGS=-pie    echo "path==>$PATH"    echo "build_dir==>$BUILD_DIR"    echo "ARCH==>$ARCH"    echo "ANDROID_ARCH_ABI==>$ANDROID_ARCH_ABI"    echo "HOST==>$HOST"    echo "CFALGS==>$CFALGS"    echo "COMPILER==>$COMPILER-gcc"    echo "PROCESSOR==>$PROCESSOR"    mkdir -p ${BUILD_DIR}   #创建当前arch_abi的编译目录,比如:binary/armeabi-v7a    cd ${BUILD_DIR}         #此处 进了当前arch_abi的2级编译目录# 运行时创建临时编译链文件toolchain.cmakecat >toolchain.cmake << EOF set(CMAKE_SYSTEM_NAME Linux)set(CMAKE_SYSTEM_PROCESSOR $6)set(CMAKE_C_COMPILER ${TOOLCHAIN}/bin/${COMPILER}-gcc)set(CMAKE_FIND_ROOT_PATH ${TOOLCHAIN}/${COMPILER})EOF    cmake -G"Unix Makefiles" \          -DCMAKE_TOOLCHAIN_FILE=toolchain.cmake \          -DCMAKE_POSITION_INDEPENDENT_CODE=1 \          -DCMAKE_INSTALL_PREFIX=${PREFIX} \          -DWITH_JPEG8=1 \          ${MY_SOURCE_DIR}    make clean    make    make install    #从当前arch_abi编译目录跳出，对应上面的cd ${BUILD_DIR},以便function多次执行    cd ../../    echo "-------------------$2 build end-------------------------"}# build armeabibuild_bin arm armeabi arm-linux-androideabi arm-linux-androideabi "$ANDROID_ARMV5_CFLAGS" arm复制代码

二) 执行编译脚本

sh build.sh复制代码

编译执行之后, 便会输出头文件和 armeabi 架构的 so 库

三. 集成

一) 添加

将我们上面编译好的 so 和头文件拷贝到我们的项目中

二) CMake 链接

在 CMake 中将我们的动态了添加进去

# 链接头文件include_directories(${source_dir}/jniLibs/include)# libjpeg-turboadd_library(libjpeg SHARED IMPORTED)set_target_properties(        libjpeg        PROPERTIES        IMPORTED_LOCATION        ${source_dir}/jniLibs/armeabi/libjpeg.so)# 将打包的 so 链接到项目中target_link_libraries(        ......        libjpeg        ......)复制代码

三) build.gradle

因为我们只编译了 armeabi 架构的 so, 因此我们需要再 gradle 中添加 filters

android {    compileSdkVersion 28    defaultConfig {        minSdkVersion 16        targetSdkVersion 28        versionCode 1        versionName "1.0"        externalNativeBuild {            ndk {                abiFilters "armeabi" // 只生成 armeabi 的 CPU 架构的 .so            }        }    }}复制代码

好的, 至此我们的集成就完成了, 接下来提供一些简单的用法

四. 代码的编写与测试

我们编译 libjpeg-turbo 的主要目的就是为了进行 JPEG 的高质量压缩, 关于 libjpeg-turbo 的使用, 这里就不赘述了, 其官方提供好的 sample 如下

简单的来说, 就是将 Bitmap 的颜色通道转为 BGR, 然后传给 libjpeg-turbo API 即可, 代码还是非常简单的

extern "C"JNIEXPORT jint JNICALLJava_com_sharry_libscompressor_Core_nativeCompress(JNIEnv *env, jclass type, jobject bitmap,                                                   jint quality, jstring destPath_) {    // 1. 获取 bitmap 信息    AndroidBitmapInfo info;    AndroidBitmap_getInfo(env, bitmap, &info);    int cols = info.width;    int rows = info.height;    int format = info.format;    LOGI("Bitmap width is %d, height is %d", cols, rows);    // 若不为 ARGB8888, 则不给予压缩    if (format != ANDROID_BITMAP_FORMAT_RGBA_8888) {        LOGE("Unsupported Bitmap channels, Please ensure channels is ARGB_8888.");        return false;    }    // 2. 解析数据    LOGI("Parse bitmap pixels");    // 锁定画布    uchar *pixels = NULL;    AndroidBitmap_lockPixels(env, bitmap, (void **) &pixels);    if (pixels == NULL) {        LOGE("Fetch Bitmap data failed.");        return false;    }    // 创建存储数组    uchar *data = (uchar *) malloc(static_cast
    
     (cols * rows * 3));    uchar *data_header_pointer = data;// 临时保存 data 的首地址, 用于后续释放内存    uchar r, g, b;    int row = 0, col = 0, pixel;    for (row = 0; row < rows; ++row) {        for (col = 0; col < cols; ++col) {            // 2.1 获取像素值            pixel = *((int *) pixels);            // ...                                              // 忽略 A 通道值            r = static_cast
     
      ((pixel & 0x00FF0000) >> 16); // 获取 R 通道值            g = static_cast
      
       ((pixel & 0x0000FF00) >> 8);  // 获取 G 通道值            b = static_cast
       
        ((pixel & 0x000000FF));       // 获取 B 通道值            pixels += 4;            // 2.2 为 Data 填充数据            *(data++) = b;            *(data++) = g;            *(data++) = r;        }    }    // 解锁画布    AndroidBitmap_unlockPixels(env, bitmap);    // 3. 使用 libjpeg 进行图片质量压缩    LOGI("Lib jpeg turbo do compress");    char *output_filename = (char *) (env)->GetStringUTFChars(destPath_, NULL);    int result = LibJpegTurboUtils::write_JPEG_file(data_header_pointer, rows, cols,                                                    output_filename,                                                    quality);    // 4. 释放资源    LOGI("Release memory");    free((void *) data_header_pointer);    env->ReleaseStringUTFChars(destPath_, output_filename);    return result;}复制代码

效果展示

I/Core: Request{inputSourceType = String, outputSourceType = Bitmap, quality = 70, destWidth = -1, destHeight = -1}// 采样压缩之后E/Core_native: ->> Bitmap width is 1512, height is 2016E/Core_native: ->> Parse bitmap pixelsE/Core_native: ->> Lib jpeg turbo do compressE/Core_native: ->> Release memoryI/Core: ->> output file is: /data/user/0/com.sharry.scompressor/cache/1555157510264.jpg// 质量压缩之后I/Core: ->> Output file length is 196kb复制代码

可以看到 1512 x 2016 的图片, 在 quality 为 70 的情况下压缩之后, 为 196kb, 当然他的依旧是非常清晰的

总结

到这里我们的编译与集成就完成了, 整体的过程还是比较简单的, 其效果也非常的 nice, 而且不会受到 Android SDK 版本的困扰, 感兴趣的同学可以按照上述的方式试试看。

前言