信息论与编码课程作业_huffman编码的matlab_实现.docVIP

信息论与编码课程作业 ——霍夫曼编码求信源熵和存储前后的信息量的变化 一：设计目的： 学习离散信源平均信息量的计算方法。 理解和掌握huffman编码的基本原理，实现对信源符号的huffman编码 熟悉 Matlab 编程； 二：设计原理和思路 1.信源熵的计算： 公式： Matlab实现：I=log2(1/p) 或I=-log2(p) 熵（平均自信息）的计算公式 Matlab实现：HX=sum(-x.*log2(x))；或者h=h-x(i)*log2(x(i)); 2.霍夫曼编码原理; 分为两步，首先是码树形成过程：对信源概率进行合并形成编码码树。然后是码树回溯过程：在码树上分配编码码字并最终得到Huffman 编码。 1、码树形成过程：将信源概率按照从小到大顺序排序并建立相应的位置索引。然后按上述规则进行信源合并，再对信源进行排序并建立新的位置索引，直到合并结束。在这一过程中每一次都把排序后的信源概率存入矩阵p中，位置索引存入矩阵m中。这样，由排序之后的概率矩阵?p以及索引矩阵m就可以恢复原概率矩阵P了，从而保证了回溯过程能够进行下去。 2、码树回溯过程：在码树上分配编码码字并最终得到Huffman 编码。从索引矩阵M 的末行开始回溯。 (1) 在p的末行2元素位置填入0和1。 (2) 根据该行索引1位置指示，将索引1位置的编码（‘1’）填入上一行的第一、第二元 素位置，并在它们之后分别添加‘0’和‘1’。 (3) 将索引不为‘1’的位置的编码值（‘0’）填入上一行的相应位置（第3 列）。 (4) 以m的倒数第二行开始向上，重复步骤(1) ～ (3)，直到计算至m的首行为止。 三：设计代码： clear all; format long disp(strcat(信息论与编码课程作业——霍夫曼编码求信源熵和存储前后的信息量的变化,13)); histgram=zeros(1,255); [c,map]=imread(C:\Documents and Settings\Administrator\桌面\infomation\lenna.bmp); x=rgb2gray(c); [a,b]=size(x); for i=1:a for j=1:b k=x(i,j); histgram(k)=histgram(k)+1; end end f=histgram/a/b; symbols=find(f~=0); %灰度值 p=f(symbols); %概率 L=length(p); pp=p; %霍夫曼编码 m=zeros(L-1,L); for i=1:L-1 [p,mark]=sort(p); m(L-i,1:L-i+1)=mark(1:L-i+1); p=[p(1)+p(2),p(3:L),1]; end c=cell(L-1,L); c(1,1)={0}; c(1,2)={1}; for i=2:L-1; ind=find(m(i-1,:)==1); temp=char(c(i-1,ind)); c(i,1)={[temp,0]}; c(i,2)={[temp,1]}; snc=find(m(i-1,:)~=1); for j=3:i+1; con=snc(j-2); c(i,j)=c(i-1,con); end end codeL=[]; averge_long=0; H1=0; disp(strcat(灰度值,32,32,32,概率,32,32,32,32,32,32,32,32,32,霍夫曼编码:)); for i=1:L; ind=find(m(L-1,:)==i); code=char(c(L-1,ind)); codeLength(i)=length(code); averge_long=averge_long+pp(i)*codeLength(i); H1=H1+pp(i)*log2(1/pp(i)); disp(strcat(32,num2str(symbols(i)),32,32,32,num2str(pp(i)),32,32,code)); end disp(strcat(信源熵=,num2str(H1),32,32,32,32,平均码字长度=,num2str(averge_long),32,32,32,32,32,压缩比=,num2str(8/averge_long))); 四：设计运行结果： 信息论与编码课程作业——霍夫曼编码求信源熵和存储前后的信息量的变化