图像程序-霍夫曼编码.docVIP

赫夫曼编码 设计原理 赫夫曼（Huffman）编码是1952年提出的，是一种比较经典的信息无损熵编码，该编码依据变长最佳编码定理，应用Huffman算法而产生。Huffman编码是一种基于统计的无损编码。 设信源X的信源空间为： 其中，，现用二进制对信源X中的每一个符号(i=1,2,…N)进行编码。 根据变长最佳编码定理，Huffman编码步骤如下： （1）将信源符号xi按其出现的概率，由大到小顺序排列。 （2）将两个最小的概率的信源符号进行组合相加，并重复这一步骤，始终将较大的概率分支放在上部，直到只剩下一个信源符号且概率达到1.0为止； （3）对每对组合的上边一个指定为1，下边一个指定为0（或相反：对上边一个指定为0，下边一个指定为1）； （4）画出由每个信源符号到概率1.0处的路径，记下沿路径的1和0； （5）对于每个信源符号都写出1、0序列，则从右到左就得到非等长的Huffman码。 Huffman编码的特点是： （1）Huffman编码构造程序是明确的，但编出的码不是唯一的，其原因之一是两个概率分配码字“0”和“1”是任意选择的（大概率为“0”，小概率为“1”，或者反之）。第二原因是在排序过程中两个概率相等，谁前谁后也是随机的。这样编出的码字就不是唯一的。 （2）Huffman编码结果，码字不等长，平均码字最短，效率最高，但码字长短不一，实时硬件实现很复杂（特别是译码），而且在抗误码能力方面也比较差。 （3）Huffman编码的信源概率是2的负幂时，效率达100%，但是对等概率分布的信源，产生定长码，效率最低，因此编码效率与信源符号概率分布相关，故Huffman编码依赖于信源统计特性，编码前必须有信源这方面的先验知识，这往往限制了哈夫曼编码的应用。 （4）Huffman编码只能用近似的整数位来表示单个符号，而不是理想的小数，这也是Huffman编码无法达到最理想的压缩效果的原因。 设计程序 clear load woman; %读入图像数据 %X=imread(girl.bmp,bmp); data=uint8(X); [zipped,info]=huffencode(data); %调用Huffman编码程序进行压缩 unzipped=huffdecode(zipped,info,data); %调用Huffman编码程序进行解码 %显示原始图像和经编码后的图像，显示压缩比，并计算均方根误差得erms=0，表示是Huffman是无失真编码 subplot(121);imshow(data); subplot(122);imshow(unzipped); %erms=compare(data(:),unzipped(:)) cr=info.ratio whos data unzipped zipped %huffencode函数对输入矩阵vector进行Huffman编码，返回%编码后的向量（压缩后数据）及相关信息 function [zipped,info]=huffencode(vector) %输入和输出都是unit8格式 %info返回解码需要的机构信息 %info.pad是添加的比特数 %info.huffcodes是Huffman码字 %info.rows是原始图像行数 %info.cols是原始图像行数 %info.length是原始图像数据长度 %info.maxcodelen是最长码长 if ~isa(vector,uint8) error(input argument must be a uint8 vector); end [m,n]=size(vector); vector=vector(:); f=frequency(vector); %计算各符号出现的概率（调用frequency） symbols=find(f~=0); f=f(symbols); [f,sortindex]=sort(f); %将符号按照出现的概率大小排序 symbols=symbols(sortindex); len=length(symbols); symbols_index=num2cell(1:len); codeword_tmp=cell(len,1); while length(f)1 %生产Huffman树，得到码字编码表 index1=symbols_index{1}; index2=symbols_index{2}; codeword_tmp(index1)=addnode(codeword_tmp(index1),uint8(0)); codeword_tmp(index2)=a