规范霍夫曼编码整理

一些子大白话

初学阶段，若有错误感谢指正

规范霍夫曼编码提出的意义：

在没有规范的时候，编码端的码表解码端并不知道，如果再将码表传送，对于本身数据量不大的压缩来说，可能码表就会在存储中就占较大比重，反而是把相对不复杂的问题搞得麻烦。

那么我们想如果提前指定一个规则，让编码端按照这个规则编码，解码端按照这个规则解码，就可以不用再建立码表了。

规范霍夫曼编码

两个规则：
1.一组码中码字长度最小的第一个编码一定是0
2.当码字长度变化时，长码字是在上一个短码字基础上末尾+1后补0（码字长度变几位就补几位0）；长度不变时直接+1（都是二进制运算）

举个栗子

假设一组码字码长为1 1 2 2 3 4
则码长最小是1，那么这个码字就是0；
第二个码字仍然是1，则根据规则2，可知这个码字是1；
第三个码字长度为2，则根据规则2前半部分，可知码长增加1位，则对应的码字应该是（哦豁，看来我一开始就不对了，码长1位的只能有1个，不然下面就不能继续了）

重新举个栗子

假设一组码字码长为1 2 3 4 4
根据上面的分析我们列表看一下

码长	对应码字
1	0
2	10
3	110
4	1110
4	1111

一组码长为2 4 5 5 6

码长	对应码字
2	00
4	0100
5	01010
5	01011
6	011000

那么如果一组码字其最长码字为8，我们就用8bit来记录每个码长有多少个码字。

比如一组码字码长为3 4 4 5 5 5 5 6 7 7 8 8 8
则用8bit记录：0 0 1 2 4 1 2 3
第一位0：码长为1的码字有0个
第二位0：码长为2的码字有0个
第三位1：码长为3的码字有1个
第四位2：码长为4的码字有2个
…

代码理解

图片来源于数据压缩课程课件
这里我们给了一组符号及对应码长，那么我们根据上面介绍的规则可以写出其对应的码字。

在代码之前我们要了解这几个数组的含义

1. first[ ]

   first[n]=x：表示码长为n的码字的第一个码字为x（或者理解成码长为n的码字的最小值）
   比如：first[3]=000,first[5]=10100…

2. index[ ]
   index[m]=y：表示码长为m的第一个码字在所有码字的第y个位置。
   比如：index[3]=0,index[5]=9…

3. table[]
   table[t]=z：表示第t个位置的码字对应的符号为z；
   比如table[0]=a,table[1]=b,table[2]=c…

int len = 1; //初始化码字长度len
int code = bs.ReadBit(); //设置一个按位读取的函数，让code每次在码流中读取一位
while(code >= first[len])
{
	code << 1;
	code |=(bs.ReadBit());
	len++;
}
code >> 1;
len--;
//至此识别出来一个即时码 

循环部分分析

假设输入码流为011000011010…

len	code	first[len]	code 比first[len]大小
1	0	0	相等，循环继续
2	01（1）	0	大于，循环继续
3	011（3）	0	大于，循环继续
4	0110（6）	0010（2）	大于，循环继续
5	01100（12）	10100（20）	小于，循环结束

那么code >> 1后为0110，len=4；

int sym_index = index[len]+(code-first[len]);
int sym=table[sym_index];

len	index[len]	code	first[len]	sym_index
4	1	0110 (6)	0010 (2)	5

得出结果 table[5]=f;

由给出的符号和码字的对应可知，该代码可以正确解出。