【数据结构】哈夫曼编码

1. 概述

哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长度最短的码字，有时称之为最佳编码，一般就叫做Huffman编码（有时也称为霍夫曼编码）。

哈夫曼编码是可变字长编码(VLC)的一种。 Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长 度最短的码字，有时称之为最佳编码，一般就称Huffman编码。

2. 举例

已知某文档包含5个字符，每个字符出现的频率如下表所示。采用哈夫曼编码对文档进行压缩：

字符	a	b	c	d	e
频率（%）	40	10	20	16	14

构建哈夫曼树：
原则，每次取剩余元素中最小的两个构成一棵新树，并将权值（频率）之和作为新权值放入。重复此过程，直至只剩一棵树，即为哈夫曼树

译码的惟一性问题：

要求任一字符的编码都不能是另一字符编码的前缀，这种编码称为前缀编码（其实是非前缀码）。 在编码过程要考虑两个问题，数据的最小冗余编码问题，译码的惟一性问题，利用哈夫曼树可以很好地解决上述两个问题

用哈夫曼树设计二进制前缀编码：

以电文中的字符作为叶子结点构造二叉树。然后将二叉树中结点引向其左孩子的分支标 ‘0’，引向其右孩子的分支标 ‘1’； 每个字符的编码即为从根到每个叶子的路径上得到的 0, 1 序列。如此得到的即为二进制前缀编码。

字符	a	b	c	d	e
频率（%）	40	10	20	16	14
前缀编码	0	100	101	110	111

3. 例题

使用上述哈夫曼树编码：

---

① 单词"cade"的编码为？

对应c的编码为111，a的编码为0，d的编码为110，e的编码为101

所以，单词"cade"的编码：1110110101

---

② 文档的压缩比是多少？

• 压缩前，表示5个不同的字符，用二进制编码至少需要3位二进制，即每位字符占据空间3bit，平均编码长度为：3×40%+3×10%+3×20%+3×16%+3×14%=3
• 压缩后，表示5个不同的字符，编码长度分别为1、3、3、3、3，平均编码长度为：1×40%+3×10%+3×20%+3×16%+3×14%=2.2

$$压缩比=\frac{3-2.2}{3}\times 100\%=27\%$$