文字压缩–LZ78.doc

文字壓縮 – LZW演算法 黃育銘 國立暨南國際大學資訊工程系助理教授 E-Mail : ymhuang@csie.ncnu.edu.tw 假設我們想用電腦來儲存以下一段9個字元之文字資料，ABBBABAAB，如果每個字元用7個位元之ASCII碼（不含同位元）來儲存，則需63個位元之記憶體。然而，該電腦如果已擁有一個如表一之電腦字典，很幸運的，藉助該字典的資訊則僅需10個位元的記憶體，亦即AB、BB、AB、A、及AB等文字資料分別會先被編碼成10、11、10、00、及10等十個位元，然後再存入記憶體，其省下的儲存空間高達84﹪。之後，如果一次以兩個位元的方式來讀取資料，同樣地透過該字典的查尋，則記憶體內所儲存的資料1011100010，很快地就會被解讀出原來之文字資料ABBBABAAB。 字典索引 索引之對應編碼值 字典內容 1 00 A 2 01 B 3 10 AB 4 11 BB 表一. 電腦字典1 J. Ziv 及 A. Lempel兩位博士，於西元1977年及1978年〔參考文獻1 及2〕，陸續提出了兩篇有關文字資料壓縮的論文，該論文演算法在之後的文獻裏分別被稱作 LZ77及LZ78，奠定了爾後文字資料壓縮研究的良好根基。其中LZ78演算法的精神，相似於上述字典編碼法的觀念。西元1984年，T.A. Welch博士〔參考文獻3〕針對LZ78演算法作改進，提出所謂LZW演算法。至今，在處理文字資料壓縮的問題時，LZW演算法一直是廣泛被使用的一大利器。 上述之字典編碼法，稱作靜態字典( Static Dictionary)編碼法，因為表一電腦字典的內容是固定的。然而，如果想要儲存的資料為BAAABABBA，顯然透過表二之電腦字典，其資料壓縮效果會比透過表一之電腦字典來得好。 字典索引 索引之對應編碼值 字典內容 1 00 A 2 01 B 3 10 BA 4 11 AB 表二. 電腦字典2 因此，如果根據所欲儲存文字資料的型態，動態地建構起電腦字典的內容，即所謂動態字典( Adaptive Dictionary)編碼法，能明確地反應出目前所處理之文字資料的型態，當然其資料壓縮效果會比用靜態字典編碼法所得的結果來得好。LZW演算法即是屬於動態字典編碼法。 範例 編碼器：輸入字元序列　ABBBABAAB　, 輸出索引序列　124313 解碼器：輸入索引序列　124313 ,　輸出字元序列ABBBABAAB 字元 : 例如: A或B 索引 : 例如: 1、2、3、… 字串 : 一個字元（含）以上所組成，例如: A、AB、BBB、… 空字串　:　未含任一字元 LZW演算法 編碼法則： (S, C) S : 字串 C : 字元 先在字典裏存入輸入字元序列裏所有可能出現的字元，每一個字元在字典裏之對應索引值，即為該字元爾後會被編碼成的值。 從目前字典裏的內容找出最長字串S，假設其長度為 k，且該字串S與目前尚未被編碼之字元序列的前k個字元相同﹔C為目前未被編碼字元序列之第k+1個字元。 輸出字串S在字典裏的索引值。 將新的字串（SC）存入字典裏，且爾後該字串SC會被編碼成其在字典裏之對應索引值。 對C字元(含)以後之剩餘字元序列繼續作編碼(即重覆法則2)。 解碼法則： (S1, S2(=CS3)) S1, S2: 字串 　C : 字元　S3 : 字串或空字串 如同編碼法則1，先建構起含輸入字元序列裏所有可能出現字元的字典，每一個字元在字典裏之對應索引值，即為該字元在編碼器裏會被編碼成的值。 依序從收到的索引值，根據目前字典裏的內容，可解碼出相對應的字串。 假設目前收到的索引值，其被解碼出字串S2(=CS3)，且上一個收到的索引值，其被解碼成字串S1。則將新的字串（S1C）存入字典裏，而其對應之新索引值，爾後將會被解碼出S1C。 重覆法則2。 範例之編碼過程　: 詳如表三 步驟0 : 將A 及B字元存入字典裏，也就是A 及B字元爾後分別會被編碼成索引值1及2。 步驟1 : 從目前字典內容及未被編碼之序列ABBBABAAB，得到S=A，k=1，C=B，所以輸出A在字典裏的索引值1， 並將新的字串AB存入字典裏，其索引值等於3。 步驟2 : 從目前字典內容及未被編碼之序列BBBABAAB，得到S=B，k=1，C=B，所以輸出B在字典裏的索引值2， 並將新的字串BB存入字典裏，其索引值等於4。 步驟3 : 從目前字典內容及未被編碼之序列BBABAAB，得到S=BB，k=2，C=A，所以輸出BB在字典裏的索引值4， 並將新的字串BBA存入字典裏，其索引值等於5。 步驟4 : 從目前字典內容及未被編碼之序列ABAAB，得到S=AB，k=2，C=A，所以輸出AB在字典裏的索引