2编码和数据压缩.pptxVIP

编码和数据压缩 Outline 导论 霍夫曼编码 Ziv-Lempel压缩算法 其他压缩算法 2 导论 为什么需要压缩 计算机和网络中存放着大量的书籍、音乐和电影 但是它们往往会占用大量存储空间，而且需要大量时间从网络上下载 通过压缩，文档会变得更“苗条”，从而使我们收集信息的速度变快，使CD、DVD等存储媒介上存放的信息更多 3 导论 为什么需要压缩 为了满足上述要求，需要做两件事情 压缩数据以便缩小它的体积 解压缩以便人们正常阅读信息 通常这两道工序由计算机在后台自动完成 有时候需要用户明确指示计算机进行压缩，比如压缩成一个ZIP压缩包或GIF图像 更多的时候计算机可自行判断什么时候该自动执行压缩，比如当你准备向网络传送数据前 4 固定长度编码 如果字符出现的概率不同的时候，固定长度编码的空间效率还是很好的吗？ 5 不等长编码 在实践应用中，字符出现的概率往往是不同的 如在英语中字母E出现的概率最大，大概10%，而J，Q，Z却只有0.1% 直观上想，如果出现频率高的字母用短的编码代替，出现频率高的用稍长的编码表示，那么平均码长会更小 6 不等长编码 频率不等的字符 可以根据字母的出现频率来编码，使得经常出现的字母的编码较短，反之不常出现的字母编码较长 数据压缩既能节省磁盘空间，又能提高运算速度 7 不等长编码 不等长编码是今天广泛使用的文件压缩技术的核心 而霍夫曼编码是最简单的文件压缩技术，它给出这种编码方法的思想 8 霍夫曼编码 小故事 1951年，霍夫曼和他在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，霍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克劳德·香农共同研究过类似编码的导师。 9 前缀编码 如果按照下面进行编码 读取到编码“000110”，会被译码为什么？ 这样具有二义性的编码是无法使用的 这样的编码为什么出现这样的问题？如何避免这样的问题呢？ 10 前缀编码 以上编码出现问题的原因是编码有相同的前缀 E(0)和D(00)有相同的前缀 0 D(00)和Z(001)有相同的前缀 00 因此对于不等长编码需要 注意任何一个字符的编码都不是另外一个字符编码的前缀 否则译码时将产生二义性 11 前缀编码 我们把编码修改为 如果读到“000110”会被译码为什么？ 是唯一的！ 除了EEEL你还能想出其他的译码吗？这样的编码有什么特点？ 12 前缀编码 以上的编码中，任何一个字符的编码都不是另一个字符的前缀 这样的编码被称为前缀编码 这种前缀特性保证了代码串被译码时，不会有多种可能 那么如何设计前缀编码，并且能够使得编码的平均码长最短呢？ 13 二叉树 在计算机科学中，二叉树是每个节点最多有两个子树的有序树。 通常子树被称作“左子树” 和“右子树” 14 二叉树与前缀编码 可以利用二叉树来设计前缀编码 叶结点表示字符 从根结点到叶的路径中，左分支表示‘0’，右分支表示‘1’ 从根结点到叶结点上的路径分支所组成的字符串作为该叶结点字符的编码 这样的编码一定是前缀编码 15 二叉树与前缀编码 16 二叉树与前缀编码 17 二叉树与前缀编码 18 二叉树与前缀编码 19 二叉树与前缀编码 20 二叉树与前缀编码 21 二叉树与前缀编码 22 二叉树与前缀编码 23 二叉树与前缀编码 可以看到这些编码中，任何一个字符串的编码都不是另一个的前缀，因此是前缀编码 为什么二叉树得到的是前缀编码呢？ 如何保证这样的编码的平均长度最小呢？ 24 霍夫曼编码 霍夫曼编码将代码与字符相联系 代码长度取决于对应字母的相对使用频率 它是一种不等长编码 如果预计的字母出现频率与实际资料显示的情况相符，那么所得代码长度将明显小于用固定长度编码获得的代码 而且也可以证明，霍夫曼树获得的编码的平均长度是最短的 25 构建霍夫曼树 首先将字符按照频率排为一列 接着，拿走头两个字符，再将它们标记为霍夫曼树的树叶，将这两个树叶标记为一个分支结点的两个子女，而该结点的频率即为两树叶的频率之和。 将所得的频率放回序列中适当位置，使频率的顺序保持。 重复上面的步骤，直到序列中只剩下一个元素，霍夫曼树建立完毕 26 构建霍夫曼树 已知字符出现频率 Step 1 按照频率将字符排序 27 构建霍夫曼树 Step 2 合并头两个字符，新结点的频率为两者频率之和 28 构建霍夫曼树 Step 3 将新的频率放回序列中，使得频率顺序保持 29 构建霍夫曼树 Step 4 重复上面的过程 30 构建霍夫曼树 Step 4 重