香农-范诺算法（Shannon-Fano coding）算法

转自：http://tec.5lulu.com/algorithm/detail/krn1g511yt8i90.html

和Huffman-Tree一样，Shannon-Fano coding也是用一棵二叉树对字符进行编码。但在实际操作中呢，Shannon-Fano却没有大用处，这是由于它与Huffman coding相比，编码效率较低的结果（或者说香农-范诺算法的编码平均码字较大）。但是它的基本思路我们还是可以参考下的。 

Shannon-Fano的树是根据旨在定义一个有效的代码表的规范而建立的。实际的算法很简单：

1. 对于一个给定的符号列表，制定了概率相应的列表或频率计数，使每个符号的相对发生频率是已知。
2. 排序根据频率的符号列表，最常出现的符号在左边，最少出现的符号在右边。
3. 清单分为两部分，使左边部分的总频率和尽可能接近右边部分的总频率和。
4. 该列表的左半边分配二进制数字0，右半边是分配的数字1。这意味着，在第一半符号代都是将所有从0开始，第二半的代码都从1开始。
5. 对左、右半部分递归应用步骤3和4，细分群体，并添加位的代码，直到每个符号已成为一个相应的代码树的叶。 
   

1示例

香农-范诺编码算法

这个例子展示了一组字母的香浓编码结构（如图a所示）这五个可被编码的字母有如下出现次数:

Symbol	A	B	C	D	E
Count	15	7	6	6	5
Probabilities	0.38461538	0.17948718	0.15384615	0.15384615	0.12820513

从左到右，所有的符号以它们出现的次数划分。在字母B与C之间划定分割线，得到了左右两组，总次数分别为22,17。 这样就把两组的差别降到最小。通过这样的分割, A与B同时拥有了一个以0为开头的码字, C，D，E的码子则为1,如图b所示。 随后, 在树的左半边，于A，B间建立新的分割线，这样A就成为了码字为00的叶子节点，B的码子01。经过四次分割, 得到了一个树形编码。 如下表所示，在最终得到的树中, 拥有最大频率的符号被两位编码, 其他两个频率较低的符号被三位编码。

符号	A	B	C	D	E
编码	00	01	10	110	111

Entropy(熵，平均码字长度): 

我们由上面的算法可知，需要迭代地寻找一个最优点，使得树中每个节点的左右子树频率总和尽可能相近。

这里我寻找最优化点用的是顺次查找法，其实呢，我们还可以用二分法（dichotomy）达到更高的效率~

  
  
    /************************************************************************/  
    /*  File Name: Shanno-Fano.cpp 
    *       @Function: Lossless Compression 
    @Author: Sophia Zhang 
    @Create Time: 2012-9-26 20:20 
    @Last Modify: 2012-9-26 20:57 
    */  
    /************************************************************************/  
      
    #include"iostream"  
    #include "queue"  
    #include "map"  
    #include "string"  
    #include "iterator"  
    #include "vector"  
    #include "algorithm"  
    #include "math.h"  
    using namespace std;  
      
    #define NChar 8 //suppose use 8 bits to describe all symbols  
    #define Nsymbols 1<<NChar //can describe 256 symbols totally (include a-z, A-Z)  
    #define INF 1<<31-1  
      
    typedef vector<bool> SF_Code;//8 bit code of one char  
    map<char,SF_Code> SF_Dic; //huffman coding dictionary  
    int Sumvec[Nsymbols];   //record the sum of symbol count after sorting  
      
    class HTree  
    {  
    public :  
        HTree* left;  
        HTree* right;  
        char ch;  
        int weight;  
      
        HTree(){left = right = NULL; weight=0;ch ='\0';}  
        HTree(HTree* l,HTree* r,int w,char c){left = l; right = r;  weight=w;   ch=c;}  
        ~HTree(){delete left; delete right;}  
        bool Isleaf(){return !left && !right; }  
    };  
      
    bool comp(const HTree* t1, const HTree* t2)//function for sorting  
    {   return (*t1).weight>(*t2).weight;    }  
      
    typedef vector<HTree*> TreeVector;  
    TreeVector TreeArr;//record the symbol count array after sorting  
      
    void Optimize_Tree(int a,int b,HTree& root)//find optimal separate point and optimize tree recursively  
    {  
        if(a==b)//build one leaf node  
        {  
            root = *TreeArr[a-1];  
            return;  
        }  
        else if(b-a==1)//build 2 leaf node  
        {  
            root.left = TreeArr[a-1];  
            root.right=TreeArr[b-1];  
            return;  
        }  
        //find optimizing point x  
        int x,minn=INF,curdiff;  
        for(int i=a;i<b;i++)//find the point that minimize the difference between left and right; this can also be implemented by dichotomy  
        {  
            curdiff = Sumvec[i]*2-Sumvec[a-1]-Sumvec[b];  
            if(abs(curdiff)<minn){  
                x=i;  
                minn = abs(curdiff);  
            }  
            else break;//because this algorithm has monotonicity  
        }  
        HTree*lc = new HTree;   HTree *rc = new HTree;  
        root.left = lc;     root.right = rc;  
        Optimize_Tree(a,x,*lc);  
        Optimize_Tree(x+1,b,*rc);  
    }  
      
    HTree* BuildTree(int* freqency)//create the tree use Optimize_Tree  
    {  
        int i;  
        for(i=0;i<Nsymbols;i++)//statistic  
        {  
            if(freqency[i])  
                TreeArr.push_back(new HTree (NULL,NULL,freqency[i], (char)i));  
        }  
        sort(TreeArr.begin(), TreeArr.end(), comp);  
        memset(Sumvec,0,sizeof(Sumvec));  
        for(i=1;i<=TreeArr.size();i++)  
            Sumvec[i] = Sumvec[i-1]+TreeArr[i-1]->weight;  
        HTree* root = new HTree;  
        Optimize_Tree(1,TreeArr.size(),*root);  
        return root;  
    }  
      
    /************************************************************************/  
    /* Give Shanno Coding to the Shanno Tree 
    /*PS: actually, this generative process is same as Huffman coding 
    /************************************************************************/  
    void Generate_Coding(HTree* root, SF_Code& curcode)  
    {  
        if(root->Isleaf())  
        {  
            SF_Dic[root->ch] = curcode;  
            return;  
        }  
        SF_Code lcode = curcode;  
        SF_Code rcode = curcode;  
        lcode.push_back(false);  
        rcode.push_back(true);  
        Generate_Coding(root->left,lcode);  
        Generate_Coding(root->right,rcode);  
    }  
      
    int main()  
    {  
        int freq[Nsymbols] = {0};  
        char *str = "bbbbbbbccccccaaaaaaaaaaaaaaaeeeeedddddd";//15a,7b,6c,6d,5e  
      
        //statistic character frequency  
        while (*str!='\0')      freq[*str++]++;  
      
        //build tree  
        HTree* r = BuildTree(freq);  
        SF_Code nullcode;  
        Generate_Coding(r,nullcode);  
      
        for(map<char,SF_Code>::iterator it = SF_Dic.begin(); it != SF_Dic.end(); it++) {    
            cout<<(*it).first<<'\t';    
            std::copy(it->second.begin(),it->second.end(),std::ostream_iterator<bool>(cout));    
            cout<<endl;    
        }    
    }  

Result：

以上面图中的统计数据为例，进行编码。

符号	A	B	C	D	E
计数	15	7	6	6	5