概述
LZW编码可应用于通用文件压缩(如WinZip)、动画图像压缩(如GIF、TIFF)等领域。
编码
LZW的编码思想是不断地从字符流中提取新的字符串,通俗地理解为新“词条”,然后用“代号”也就是码字表示这个“词条”。这样一来,对字符流的编码就变成了用码字去替换字符流,生成码字流,从而达到压缩数据的目的。LZW编码是围绕称为词典的转换表来完成的。LZW编码器通过管理这个词典完成输入与输出之间的转换。LZW编码器的输入是字符流,字符流可以是用8位ASCII字符组成的字符串,而输出是用n位(例如12位)表示的码字流。LZW编码算法的步骤如下:
步骤1:将词典初始化为包含所有可能的单字符,当前前缀P初始化为空。
步骤2:当前字符C=字符流中的下一个字符。
步骤3:判断P+C是否在词典中
(1)如果“是”,则用C扩展P,即让P=P+C,返回到步骤2
(2)如果“否”,则
输出与当前前缀P相对应的码字W;
将P+C添加到词典中;
令P=C,并返回到步骤2
void LZWEncode(FILE *fp, BITFILE *bf) {
int character;
int string_code;
int index;
unsigned long file_length;
fseek(fp, 0, SEEK_END);
file_length = ftell(fp);
fseek(fp, 0, SEEK_SET);
BitsOutput(bf, file_length, 4 * 8);
InitDictionary();
string_code = -1;
while (EOF != (character = fgetc(fp))) {
index = InDictionary(character, string_code);
if (0 <= index) { // string+character in dictionary
string_code = index;
}
else { // string+character not in dictionary
output(bf, string_code);
if (MAX_CODE > next_code) { // free space in dictionary
// add string+character to dictionary
AddToDictionary(character, string_code);
}
string_code = character;
}
}
output(bf, string_code);
}
解码
LZW解码算法开始时,译码词典和编码词典相同,包含所有可能的前缀根。具体解码算法如下:
步骤1:在开始译码时词典包含所有可能的前缀根。
步骤2:令CW:=码字流中的第一个码字。 步骤3:输出当前缀-符串string.CW到码字流。步骤4:先前码字PW:=当前码字CW。
步骤5:当前码字CW:=码字流的下一个码字。
步骤6:判断当前缀-符串string.CW 是否在词典中。
(1)如果”是”,则把当前缀-符串string.CW输出到字符流。
当前前缀P:=先前缀-符串string.PW
当前字符C:=当前前缀-符串string.CW的第一个字符
把缀-符串P+C添加到词典
(2)如果”否”,则当前前缀P:=先前缀-符串string.PW
当前字符C:=当前缀-符串string.CW的第一个字符
输出缀-符串P+C到字符流,然后把它添加到词典中
步骤7:判断码字流中是否还有码字要译。
(1)如果”是”,就返回步骤4
(2)如果“否”,结束
void LZWDecode(BITFILE *bf, FILE *fp) {
//需填充
int character;
int previousCode; // pW
int currentCode; // cW
int phraseLen; // 码长
unsigned long inFileSize = BitsInput(bf, 4 * 8);
if (inFileSize == -1) {
inFileSize = 0;
}
/*词典和pW初始化*/
InitDictionary();
previousCode = -1;
while (inFileSize > 0) {
currentCode = input(bf);
if (currentCode < next_code) { /*当cW在词典中时 */
phraseLen = DecodeString(0, currentCode); // cW对应码长
}
else { /*当cW超出当前节点索引,即cW不在词典中时 */
d_stack[0] = character; // 最后一个循环堆栈中的最后一个字符,即为pW的第一个字符
phraseLen = DecodeString(1, previousCode); // pW长度增加1
}
character = d_stack[phraseLen - 1]; //堆栈中的最后一个字符,即pW或cW的第一个字符
while (phraseLen > 0) {
phraseLen--;
fputc(d_stack[phraseLen], fp); // 输出解码后的字符串(按decStack的倒序)
inFileSize--;
}
if (next_code < MAX_CODE) { /* 向词典中添加新语段 */
AddToDictionary(character, previousCode); // 将pW+(cW的首字符)或者pW+(pW的首字符)加入词典
}
previousCode = currentCode; // 更新pW = cW
}
}
补充Decodestring函数,对其解释见注释
int DecodeString(int start, int code) {
//需填充
int count;
count = start;
while (0 <= code) {
//查找根节点
d_stack[count] = dictionary[code].suffix;//d_stack是为解压缩而定义的堆栈,同时以相反的顺序存储原始字符串
code = dictionary[code].parent;//将当前节点的父节点设置为下一个节点
count++;//指向下一个节点
}
return count;//返回当前节点和根之间的距离,count即为解码长度
}
当前码字在词典中不存在时应如何处理并解释原因:
实验结果
1.txt的编解码结果:
在命令行使用D和E分别运行解码和编码
如图,编解码均成功
十种文件格式的编码
压缩比计算:单位KB
文件类型 | 压缩前大小 | 压缩后大小 | 压缩比 |
txt | 1 | 1 | 1:1 |
docx | 10 | 17 | 0.58:1 |
png | 20 | 33 | 0.61:1 |
bmp | 193 | 92 | 2.10:1 |
yuv | 24000 | 14627 | 1.64:1 |
pptx | 55 | 60 | 0.92:1 |
jpg | 383 | 405 | 0.95:1 |
xlsx | 12 | 20 | 0.6:1 |
mp4 | 15203 | 21566 | 0.70:1 |
gif | 34 | 41 | 0.83:1 |
可见,LZW编码在某些文件格式的压缩上有着不错的效果(如bmp和yuv),而其他文件体积变大。
这或许是因为LZW编码是机基于文件中有重复内容而生的,而在这些文件格式(体积变大的文件)中可能并不存在大量的重复序列,我的猜测是,这些文件已经经过压缩,没有很多重复部分,再加上原本ASCII码为单字节,但压缩后需要两个字节来表示,使得文件体积反而变大。要说明的是,这里只对某种格式的文件选了一种进行测试,所以结果也可能不准确。