在开发应用的时候，很多时候都会涉及大量图片的加载和高精度图片的加载，这两种操作都是会导致应用程序OOM(OutOfMemory)的问题发生，合理的图片加载和图片内存管理就是必须解决的问题，以下将提供一个比较完善的技术方案，解决这两个问题。
首先，我们必须明确为什么会发生OOM(OutOfMemory)的问题，其原因就是因为在APP运行过程中，所使用的系统内存超出了当前APP的最大可用内存，就发生了OOM的问题。下面，我们来估算一下在一台中高档的手机上面，加载多少图片会导致OOM：假设系统分配给APP的最大可用内存为32M，加载一张512*512分辨率的图片，会占用2M的内存空间，这样，在APP中加载16张图片，就会出现OOM，事实上，当加载10张图片以上，都极容易导致OOM，因为APP运行中还是会占用内存的。（PS：图片占用内存计算：Android中Bitmap的默认加载使用ARGB_8888，每个像素会占用4byte，因为每个像素有两个Chanel，因此一个512*512的图片，无论什么格式，加载进入内存都占用512*512*4*2=2MB，所以，Android图片占用内存大小，只与图片的分辨率（像素）以及加载使用的色彩模式有关）
要解决OOM的问题，从两方面进行优化：1.合理加载资源 2.合理回收资源
合理加载资源
合理加载资源，既如果展示图片的ImageView只有128*96的像素大小，这时候把一张1024*768的图片完全加载到内存中，很明显是错误的行为。这个时候，就需要把要加载的图片进行压缩加载，就是合理地加载资源。
下面，来进行图片的压缩讲解，设置BitmapFactory.Options中inSampleSize的值就可以实现等比例压缩。比如我们有一张2048*1536像素的图片，将inSampleSize的值设置为4，就可以把这张图片压缩成512*384像素。原本加载这张图片需要占用26M的内存，压缩后就只需要占用1.5M了。下面的方法可以根据传入的宽和高，计算出合适的inSampleSize值：
public static int calculateInSampleSize(BitmapFactory.Options options,
int reqWidth, int reqHeight) {
// 源图片的高度和宽度
final int height = options.outHeight;
final int width = options.outWidth;
int inSampleSize = 1;
if (height > reqHeight || width > reqWidth) {
// 计算出实际宽高和目标宽高的比率
final int heightRatio = Math.round((float) height / (float) reqHeight);
final int widthRatio = Math.round((float) width / (float) reqWidth);
// 选择宽和高中最小的比率作为inSampleSize的值，这样可以保证最终图片的宽和高
// 一定都会大于等于目标的宽和高。
inSampleSize = heightRatio < widthRatio ? heightRatio : widthRatio;
}
return inSampleSize;
}
计算出合适的缩放比例后，接着进行图片的实际压缩操作：
public static Bitmap decodeSampledBitmapFromResource(Resources res, int resId,
int reqWidth, int reqHeight) {
// 第一次解析将inJustDecodeBounds设置为true，来获取图片大小
final BitmapFactory.Options options = new BitmapFactory.Options();
options.inJustDecodeBounds = true;
BitmapFactory.decodeResource(res, resId, options);
// 调用上面定义的方法计算inSampleSize值
options.inSampleSize = calculateInSampleSize(options, reqWidth, reqHeight);
// 使用获取到的inSampleSize值再次解析图片
options.inJustDecodeBounds = false;
return BitmapFactory.decodeResource(res, resId, options);
}
经过以上的两步操作，即可实现合理的加载图片资源。
合理回收资源
合理回收资源，既对加载在内存中的图片资源进行合理的回收，避免因为不再使用的图片资源还留存在内存中的情况出现。而要实现合理回收资源，最核心的一个类就是：LruCache，这个类非常适用于保存图片内存，它的主要算法原理是把最近使用的对象用强引用存储在 LinkedHashMap 中，并且把最近最少使用的对象在缓存值达到预设定值之前从内存中移除。
下面给出具体的使用方法：
private LruCache<String, Bitmap> mMemoryCache;
@Override
protected void onCreate(Bundle savedInstanceState) {
// 获取到可用内存的最大值，使用内存超出这个值会引起OutOfMemory异常。
// LruCache通过构造函数传入缓存值，以KB为单位。
int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);
// 使用最大可用内存值的1/8作为缓存的大小。
int cacheSize = maxMemory / 8;
mMemoryCache = new LruCache<String, Bitmap>(cacheSize) {
@Override
protected int sizeOf(String key, Bitmap bitmap) {
// 重写此方法来衡量每张图片的大小，默认返回图片数量。
return bitmap.getByteCount() / 1024;
}
};
}
public void addBitmapToMemoryCache(String key, Bitmap bitmap) {
if (getBitmapFromMemCache(key) == null) {
mMemoryCache.put(key, bitmap);
}
}
public Bitmap getBitmapFromMemCache(String key) {
return mMemoryCache.get(key);
}
只要确保整个APP的图片资源的使用，都是通过addBitmapToMemoryCache和getBitmapFromMemCache来进行，即可避免OOM的出现。