哈夫曼编码(Huffman Coding).docVIP

哈夫曼编码 　　哈夫曼编码(Huffman Coding)是一种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。 Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长 度最短的码字，有时称之为最佳编码，一般就叫作Huffman编码。 以哈夫曼树─即最优二叉树，带权路径长度最小的二叉树，经常应用于数据压缩。 在计算机信息处理中，“哈夫曼编码”是一种一致性编码法（又称熵编码法），用于数据的无损耗压缩。这一术语是指使用一张特殊的编码表将源字符（例如某文件中的一个符号）进行编码。这张编码表的特殊之处在于，它是根据每一个源字符出现的估算概率而建立起来的（出现概率高的字符使用较短的编码，反之出现概率低的则使用较长的编码，这便使编码之后的字符串的平均期望长度降低，从而达到无损压缩数据的目的）。这种方法是由David.A.Huffman发展起来的。 例如，在英文中，e的出现概率很高，而z的出现概率则最低。当利用哈夫曼编码对一篇英文进行压缩时，e极有可能用一个位(bit)来表示，而z则可能花去25个位（不是26）。用普通的表示方法时，每个英文字母均占用一个字节（byte），即8个位。二者相比，e使用了一般编码的1/8的长度，z则使用了3倍多。倘若我们能实现对于英文中各个字母出现概率的较准确的估算，就可以大幅度提高无损压缩的比例。 　　本文描述在网上能够找到的最简单，最快速的哈夫曼编码。本方法不使用任何扩展动态库，比如STL或者组件。只使用简单的C函数，比如：memset，memmove，qsort，malloc，realloc和memcpy。 　　因此，大家都会发现，理解甚至修改这个编码都是很容易的。 　　背景 　　哈夫曼压缩是个无损的压缩算法，一般用来压缩文本和程序文件。哈夫曼压缩属于可变代码长度算法一族。意思是个体符号（例如，文本文件中的字符）用一个特定长度的位序列替代。因此，在文件中出现频率高的符号，使用短的位序列，而那些很少出现的符号，则用较长的位序列。 　　编码使用 　　我用简单的C函数写这个编码是为了让它在任何地方使用都会比较方便。你可以将他们放到类中，或者直接使用这个函数。并且我使用了简单的格式，仅仅输入输出缓冲区，而不象其它文章中那样，输入输出文件。 　　bool CompressHuffman(BYTE *pSrc, int nSrcLen, BYTE *pDes, int nDesLen); 　　bool DecompressHuffman(BYTE *pSrc, int nSrcLen, BYTE *pDes, int nDesLen); 　　要点说明 　　速度 　　为了让它(huffman.cpp)快速运行，我花了很长时间。同时，我没有使用任何动态库，比如STL或者MFC。它压缩1M数据少于100ms（P3处理器，主频1G）。 　　压缩 　　压缩代码非常简单，首先用ASCII值初始化511个哈夫曼节点： 　　CHuffmanNode nodes[511]; 　　for(int nCount = 0; nCount 256; nCount++) 　　nodes[nCount].byAscii = nCount; 　　然后，计算在输入缓冲区数据中，每个ASCII码出现的频率： 　　for(nCount = 0; nCount nSrcLen; nCount++) 　　nodes[pSrc[nCount]].nFrequency++; 　　然后，根据频率进行排序： 　　qsort(nodes, 256, sizeof(CHuffmanNode), frequencyCompare); 　　现在，构造哈夫曼树，获取每个ASCII码对应的位序列： 　　int nNodeCount = GetHuffmanTree(nodes); 　　构造哈夫曼树非常简单，将所有的节点放到一个队列中，用一个节点替换两个频率最低的节点，新节点的频率就是这两个节点的频率之和。这样，新节点就是两个被替换节点的父节点了。如此循环，直到队列中只剩一个节点（树根）。 　　// parent node 　　pNode = nodes[nParentNode++]; 　　// pop first child 　　pNode-pLeft = PopNode(pNodes, nBackNode--, false); 　　// pop second child 　　pNode-pRight = PopNode(pNodes, nBackNode--, true); 　　// adjust parent of the two poped nodes 　　pNode-pLeft-pParent = pNode-p