课程设计论文-哈夫曼编码.docVIP

哈夫曼编码 ~ PAGE 1 ~ 哈夫曼编码 【摘要】：在图像处理领域中，处理的数据量巨大，如何用最少的时间开销和最小的空间开销传输、处理多媒体信息是一个难题，也是图像处理的关键所在。对于有记忆信源来说，首先要去除像素间的相关性，从而达到压缩编码的效率。对于无记忆信源来说，像素间没有相关性，可以利用像素灰度值出现概率的不均等性，采用某种编码方式，从而达到压缩冗余信息的目的。 关键词：图像处理；无损压缩；哈夫曼编码 【Summary】：In the image processing field, a huge amount of data processed, how the time with the least overhead and minimal space overhead transmission, processing, multimedia information is a problem as well as the key image processing. For sources with memory, we must first remove the correlation between pixels, so as to achieve compression efficiency. No memory for the source is, there is no correlation between pixels, the pixel gray values ??can be used unequal probability of using a coding method to achieve the purpose of compressing redundant information. Keyword：Image Processing；Lossless compression；Huffman coding 目 录 TOC \o 1-2 \h \z \u 1 摘要 1 2 目录 2 3 概述 3 4 统计编码 3 5 最佳编码定理 3 6 编码举例 3 7 编码示意图 4 8 计算编码效率 5 9 灰度值出现概率统计 5 10实验结果 10 1.原图 10 2.灰度直方图 11 3.编码结果11 11结束语 17 12 致谢17 13参考文献17 概述：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。 统计编码：高效编码的主要方法是尽可能地除去信源中的成分，从而减少码率传递最大的信息量。对于有记忆信源来说，首先要去除像素间的相关性，从而达到压缩编码的效率。对于无记忆信源来说，像素间没有相关性，可以利用像素灰度值出现概率的不均等性，采用某种编码方式，从而达到压缩冗余信息的目的。这种根据像素灰度值出现概率的分布特性而进行的压缩编码叫做统计编码。 最佳编码定理：在变长编码中，对出现概率大的信号编以字长短的码字，对出现概率小的信号编以字长长的码字。如果码字长度严格按照所对应信号出现概率大小逆顺序排列，则平均码字长度一定小于其他任何信号顺序排列方法。这是变长编码中的最佳编码定理。 编码举例：哈夫曼编码是一种常见的压缩方法。它的基本原理是按照信号出现概率大小顺序排列信源信号，并设法按逆序分配码字字长，使编码的码字是可辨识的。 假设一个文件中出现了8种符号S0，S1，S2，S3，S4，S5，S6，S7，那么每种符号要编码，至少需要3比特。假设编码成000，001，010，011，100，101，110，111那么符号序列S0S1S7S0S1S6S2S2S3S4S5S0S0S1编码后变成000001111000001110010010011100101000000001，共用了42比特。我们发现S0，S1，S2这三个符号出现的频率比较大，其它符号出现的频率比较小，如果我们采用一种编码方案使得S0，S1，S2的码字短，其它符号的码字长，这样就能够减少占用的比特数。例如，我们采用这样的编码方