哈弗曼算法编码原理与实例.docVIP

哈弗曼算法原理与实例 1、概述 信息时代，人们对使用计算机获取信息、处理信息的依赖性越来越高。计算机系统面临的是数值、文字、语言、音乐、图形、动画、静图像、电视视频图像等多种媒体。数字化的视频和音频信号的数量之大是惊人的，对于电视画面的分辨率640×480的彩色图像，30帧/s，则一秒钟的数据量为：640×480×24×30＝22112M，所以播放时，需要221Mbps的通信回路。存储时，1张CD可存640M，则仅可以存放 289s的数据。 2、几种常用的编码介绍： 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。uffman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。 香农-范诺编码在数据压缩的领域里，以克劳德·香农和范诺·罗伯特命名的 香农-范诺编码是一种基于一组符号及及其或然率（估量或测量所得），从而构建前缀码的技术。在理想意义上， 它与哈弗曼编码一样，并未实现码词（code word）长度的最低预期;然而，与哈夫曼编码不同的是，它确保了所有的码词长度在一个理想的理论范围之内。这项技术是香农于1948年，在他介绍信息理论的文章“通信数学理论”中被提出的。这个方法归功于范诺，他在不久以后以技术报告发布了它。香农-范诺编码不应该与香农编码混淆，后者的编码方法用于证明Shannons noiseless coding theorem，或与Shannon–Fano–Elias coding（又被称作Elias coding）一起，被看做算术编码的先驱。 算数编码：是图像压缩的主要算法之一。 是一种方法，也是一种熵编码的方法。和其它熵编码方法不同的地方在于，其他的熵编码方法通常是把输入的消息分割为符号，然后对每个符号进行编码，而算术编码是直接把整个输入的消息编码为一个数，一个满足(0.0 ≤ n 1.0)的小数n。 　 3、哈夫曼编码的历史背景 1951年，哈夫曼和他在MIT信息论的同学需要选择是完成学期报告还是期末考试。导师Robert M. Fano给他们的学期报告的题目是，寻找最有效的二进制编码。由于无法证明哪个已有编码是最有效的，哈夫曼放弃对已有编码的研究，转向新的探索，最终发现了基于有序频率二叉树编码的想法，并很快证明了这个方法是最有效的。 　　由于这个算法，学生终于青出于蓝，超过了他那曾经和信息论创立者香农共同研究过类似编码的导师。哈夫曼使用自底向上的方法构建二叉树，避免了次优算法Shannon-Fano编码的最大弊端──自顶向下构建树。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。 演示程序中，当用户时，系统会输出相应的提示程序执行的命令包括 最小的二叉树称作最优二叉树或Huffman 树。 构造哈夫曼树的步骤： 一、构成初始集合 　　对给定的n个权值{W1,W2,W3,...,Wi,...,Wn}构成n棵二叉树的初始集合F={T1,T2,T3,...,Ti,...,Tn}，其中每棵二叉树Ti中只有一个权值为Wi的根结点，它的左右子树均为空。（为方便在计算机上实现算法，一般还要求以Ti的权值Wi的升序排列。） 二、选取左右子树 　　在F中选取两棵根结点权值最小的树作为新构造的二叉树的左右子树，新二叉树的根结点的权值为其左右子树的根结点的权值之和。 三、删除左右子树 　　从F中删除这两棵树，并把这棵新的二叉树同样以升序排列加入到集合F中。 四、重复二和三两步， 重复二和三两步，直到集合F中只有一棵二叉树为止。 举个例子 有个序列是(7,9,2,6,32,3,21,10) 叫你求哈夫曼树 步骤一：把这些点都看成是一个只有根结点的树的集合F 步骤二，选2个值最小的树 步骤三：在这些树的集合F中删除这2棵树 然后把 构成一颗二叉树 变成了（5 = 2 + 3） 然后把这个树加入到集合F 5代表这棵树的权值 然后重复上述步骤，直到F中只含一棵树为止。 2、哈夫曼编码 目前，进行快速远距离通信的主要手段是电报，即将需传送的文字转换成由二进制的字符组成的字符串。例如，假设需传送的电文为A B A C C D A,它只有4种字符，只需两个字符的串便可分辨。假设A、B、C、D的编码分别为00、01、10和11，则上述7个字符的电文便为00010010101100，总厂