iOS图形学（二）：bitmap位图详解

概念： 所谓的 BitMap 算法就是用一个 bit 位来标记某个元素所对应的 value；

举例：

现有 40 亿个整数，当给定一个新的整数时，判断新的整数在这40亿个数字中是否存在，假设该架构下整形为4个字节；

其实这个问题的性能点有两方面：

假设 40E 个整数存储在磁盘中，也就是 40亿*4字节，约等于16GB。

假设系统运行内存为2GB，每次新来一个数字就循环加载 16GB 进入系统，和新的整数进行对比。

这种方法每次来一个新的数字进行判断时，因为内存不够用，每次都需要 8 次 i/O *** 作，且数据量巨大（2GB），时间上会达到小时级别；

最久时间消耗：8次I/O + 40E次对比运算；

改进方法1，使用 8 个 2GB 运行内存的电脑加载 16GB 的数据，这样只需要并行加载，相当于只加载一次的时间，然后 8 台计算机对比新的整数，最后对结果进行汇总；

此时，因为 40E 个整数都已经被加载进入了内存，每来一个新的数字进行对比时，不需要再进行 I/O *** 作，只需要在 8 台机器中并行对比即可；

最久时间消耗：1次I/O（一次性） + 40E/8 次对比运算；

上述两种方法的计算消耗比较高，接下来可以使用位图算法来针对计算消耗进行优化。

int 为 4 个字节，范围为：-2147483648 ~ 2147483647，也就是4294967296个数字。使用一个 bit 也就是一个二进制位来代表一个数字，那么需要 4294967296 / 8 /1024 / 1024 / 1024 约等于 0.5 GB(bit->byte->kb->m->gb)。

也就是说，如果使用内存中一个二进制位来代表一个数字，那么只需要开辟 0.5G 的内存就可以表示所有的整数，此时将 int 类型的内存消耗转化成了 BOOL 类型的内存消耗，所以内存消耗缩小了 32 倍。

I/O 消耗仍然无法避免，但是一个整数在内存中的占用小了 32 倍，只需要一台机器，且不用循环 I/O 了。在内存中开辟 0.5G 内存之后，只需要循环读取 40亿 个数字，然后再内存中对应的 bit 位进行标记，也就是标记为 1，最后根据指定的整数，取出内存中偏移地址的比特位的值，如果为 1 则表示存在，否则反之。此时，计算消耗为 1 次；

最久耗时：1次I/O（一次性） + 1次位运算；

用特定大小的内存空间来表示单个像素的色值，以逐行扫描的方式来来表示整张图片中所有的像素的色值；

在《计算机图形学基础第四版》中对 bitmap 的描述如下：

总结一下其观点，针对帧缓存（Frame Buffer）而言：

个人理解：其实，位图的概念已经没有那么拘泥于是否一定要使用 1 个比特位了。bitmap 的概念就是使用矩阵的方式来表示整体数据，以此来减少数据大小（算法）或则是实现某一目的（raster）。当然，严谨一点更好，所以 Frame Buffer 最好描述为 pixmap（像素图）；

从纯数学的角度，任何一个面都由无数个点组成。但从生理角度而言，人类的肉眼无法区分很小的点。所以在实际应用中，我们没有必要用无数个点来表示一张图片，甚至都没有必要使用足够多的点，只需要让点的个数和大小在人眼能区分的极限之上一点点就好了，如此就能在清晰度和节约内存之间达到平衡。

其一，是因为太多点，人眼也看不出来差别，这就是很多人觉得 2k、4k 好像和 1024*768 并没有太大差别的原因。

其二，使用无数点来表示一张图片是不可能的，使用很大数量的点是极其耗费资源的，性价比很低。

最终决定使用一定数量的点来表示一张图片，而这个点就是像素。而视频本质上时无数图片的连贯播放，因此像素成了图形科学的基础单位；

显示器成像基本上是逐行扫描，如图所示：

再根据上述的位图原理，位图算法可以极大节省空间或者是减少运算量。而像素的数量较多，假设有 1024*768 个像素点，像素点使用我们最常用的16 进制 RGB 来表示颜色，一个像素点有 256 * 256 * 256 种可能。假设一个 Int 类型占 4 字节，也就是 32 bit，那么一个像素点占用的内存空间就是：32 bit。而采用位图之后单个像素占用的存储空间为：8bit * 3 = 24 bit，节省的空间就是 24bit * 像素个数。

上述计算看上去节省的空间不大，甚至如果是 ARGB 的颜色，那么同样也是 32bit ，相比于使用 4 字节的 int 来存储，好像并没有太大优化，但是这里涉及到几个问题：

综上，所以最终采用位图的方式来表示像素点。

压缩会在后文中讨论，这里从色深就可以很直观的知道，8bit 的图片必定没有 32bit 的图片颜色丰富。

还需要补充一个概念：通道

一般 ARGB 颜色就是 4个通道，分别是 透明度、R、G、B，每个通道都使用一定的位数来表示，比如 ARGB_8888 就是 4 通道，每条通道 8 bit。比如 8bit 的灰度颜色，只有黑白，属于单通道。

安卓中，使用 Config 表示每个像素点对 ARGB 通道值的存储方案：

ARGB_8888：每个通道值采8bit来表示，每个像素点需要4字节的内存空间来存储数据。该方案图片质量是最高的，但是占用的内存也是最大的；

ARGB_4444：每个通道都是4位，每个像素占用2个字节，图片的失真比较严重。一般不用这种方案。

RGB_565：这种方案RGB通道值分别占5、6、5位，但是没有存储A通道值，所以不支持透明度。每个像素点占用2字节，是ARGB_8888方案的一半。

ALPHA_8：这种方案不支持颜色值，只存储透明度A通道值，使用场景特殊，比如设置遮盖效果等。

比较分析：一般我们在ARGB_8888方式和RGB_565方式中进行选取：不需要设置透明度时，比如拍摄的照片等，RGB_565是个节省内存空间的不错的选择；既要设置透明度，对图片质量要求又高，就用ARGB_8888；

iOS 中常见的颜色为三种：

上述三种颜色，在设置 bitmap context 中的颜色时，又分为不同参数设置：

cs：color space

bpp：bit per pixel

bpc：bit per component

常量的含义：

颜色布局：

图片的存储一般有两种形式：未加载进内存和加载进内存后；内存中都是以 bitmap 方式表达，非内存中，可以是 bitmap，也可以是各种压缩格式。其中，在内存中的 bitmap 格式称为实际大小；

特点：

特点：

图片格式一般有几种：

bitmap 的大小为：

size = width * height * bpp(bit per pixel)

平常我们见到的图片都是被压缩过后的图片，所以其大小会比 bitmap 格式的图片大小小很多；但是 PNG 格式的图片被加载进内存之后会被还原成全量 bitmap ，所以这也是很多重度使用图片的 app 的一个优化方向；

图元文件并不是矢量图，因为它存储的并不是矢量信息。

它存储的是你在绘图的时候调用了哪些 *** 作。

如果是位图文件记录了你的画布上每一点的颜色的话，

图元文件就是纪录的你如何下笔的。

bitmap 最终数据，被加载到 frame buffer (显存)后，直接由显示器加载数据并最终显示到屏幕上；

BMP

BMP是一种与硬件设备无关的图像文件格式，使用非常广。它采用位映射存储格式，除了图像深度可选以外，不采用其他任何压缩，因此，BMP文件所占用的空间很大。BMP文件的图像深度可选lbit、4bit、8bit及24bit。BMP文件存储数据时，图像的扫描方式是按从左到右、从下到上的顺序。

由于BMP文件格式是Windows环境中交换与图有关的数据的一种标准，因此在Windows环境中运行的图形图像软件都支持BMP图像格式。

典型的BMP图像文件由三部分组成：位图文件头数据结构，它包含BMP图像文件的类型、显示内容等信息；位图信息数据结构，它包含有BMP图像的宽、高、压缩方法，以及定义颜色等信息。

具体数据举例：

如某BMP文件开头：

424D 4690 0000 0000 0000 4600 0000 2800 0000 8000 0000 9000 0000 0100*1000 0300 0000 0090 0000 A00F 0000 A00F 0000 0000 0000 0000 0000*00F8 0000 E007 0000 1F00 0000 0000 0000*02F1 84F1 04F1 84F1 84F1 06F2 84F1 06F2 04F2 86F2 06F2 86F2 86F2 .... ....

BMP文件可分为四个部分：位图文件头、位图信息头、彩色板、图像数据阵列，在上图中已用*分隔。

一、图像文件头

1）1：(这里的数字代表的是"字",即两个字节,下同)图像文件头。424Dh=’BM’，表示是Windows支持的BMP格式。

2）2-3：整个文件大小。4690 0000，为00009046h=36934。

3）4-5：保留，必须设置为0。

4）6-7：从文件开始到位图数据之间的偏移量。4600 0000，为00000046h=70，上面的文件头就是35字=70字节。

5）8-9：位图图信息头长度。

6）10-11：位图宽度，以像素为单位。8000 0000，为00000080h=128。

7）12-13：位图高度，以像素为单位。9000 0000，为00000090h=144。

8）14：位图的位面数，该值总是1。0100，为0001h=1。

二、位图信息头

9）15：每个像素的位数。有1（单色），4（16色），8（256色），16（64K色，高彩色），24（16M色，真彩色），32（4096M色，增强型真彩色）。1000为0010h=16。

10）16-17：压缩说明：有0（不压缩），1（RLE 8，8位RLE压缩），2（RLE 4，4位RLE压缩，3（Bitfields，位域存放）。RLE简单地说是采用像素数+像素值的方式进行压缩。T408采用的是位域存放方式，用两个字节表示一个像素，位域分配为r5b6g5。图中0300 0000为00000003h=3。

11）18-19：用字节数表示的位图数据的大小，该数必须是4的倍数，数值上等于位图宽度×位图高度×每个像素位数。0090 0000为00009000h=80×90×2h=36864。

12）20-21：用象素/米表示的水平分辨率。A00F 0000为0000 0FA0h=4000。

13）22-23：用象素/米表示的垂直分辨率。A00F 0000为0000 0FA0h=4000。

14）24-25：位图使用的颜色索引数。设为0的话，则说明使用所有调色板项。

15）26-27：对图象显示有重要影响的颜色索引的数目。如果是0，表示都重要。

三、彩色板

16）28-35：彩色板规范。对于调色板中的每个表项，用下述方法来描述RGB的值：

1字节用于蓝色分量

1字节用于绿色分量

1字节用于红色分量

1字节用于填充符(设置为0)

对于24-位真彩色图像就不使用彩色板，因为位图中的RGB值就代表了每个象素的颜色。

如，彩色板为00F8 0000 E007 0000 1F00 0000 0000 0000，其中：

00FB 0000为FB00h=1111100000000000（二进制），是红色分量的掩码。

E007 0000为 07E0h=0000011111100000（二进制），是绿色分量的掩码。

1F00 0000为001Fh=0000000000011111（二进制），是红色分量的掩码。

0000 0000总设置为0。

将掩码跟像素值进行“与”运算再进行移位 *** 作就可以得到各色分量值。看看掩码，就可以明白事实上在每个像素值的两个字节16位中，按从高到低取5、6、5位分别就是r、g、b分量值。取出分量值后把r、g、b值分别乘以8、4、8就可以补齐第个分量为一个字节，再把这三个字节按rgb组合，放入存储器（同样要反序），就可以转换为24位标准BMP格式了。

四、图像数据阵列

17)17-．．．：每两个字节表示一个像素。阵列中的第一个字节表示位图左下角的象素，而最后一个字节表示位图右上角的象素。

五、存储算法

BMP文件通常是不压缩的，所以它们通常比同一幅图像的压缩图像文件格式要大很多。例如，一个800×600的24位几乎占据1.4MB空间。因此它们通常不适合在因特网或者其它低速或者有容量限制的媒介上进行传输。 根据颜色深度的不同，图像上的一个像素可以用一个或者多个字节表示，它由n/8所确定（n是位深度，1字节包含8个数据位）。图片浏览器等基于字节的ASCII值计算像素的颜色，然后从调色板中读出相应的值。更为详细的信息请参阅下面关于位图文件的部分。 n位2n种颜色的位图近似字节数可以用下面的公式计算： BMP文件大小约等于 54+4*2的n次方+（w*h*n)/8

，其中高度和宽度都是像素数。 需要注意的是上面公式中的54是位图文件的文件头，是彩色调色板的大小。另外需要注意的是这是一个近似值，对于n位的位图图像来说，尽管可能有最多2n中颜色，一个特定的图像可能并不会使用这些所有的颜色。由于彩色调色板仅仅定义了图像所用的颜色，所以实际的彩色调色板将小于。 如果想知道这些值是如何得到的，请参考下面文件格式的部分。 由于存储算法本身决定的因素，根据几个图像参数的不同计算出的大小与实际的文件大小将会有一些细小的差别。

---