【数据压缩】Huffman编解码器

一.实验原理

1.Huffman编码

1)Huffman Coding（霍夫曼编码）是一种无失真编码的编码方式，Huffman编码是可编长编码（VLC）的一种。
2)Huffman编码基于信源的概率统计模型，它的基本思路是：出现概率大的信源符号编短码，出现概率小的编长码。从而实现平均码长最小。
3)在程序实现中常使用一种叫做树的数据结构实现Huffman编码，由它编出的码是即时码。

2.Huffman编码的方法

2.1 统计符号的发生概率；
2.2 把频率从小到大的顺序排列
2.3 每一次选出最小的两个值，作为二叉树的两个叶子节点，将和作为它们的根节点，这两个叶子节点不再参与比较，新的根节点参与比较；
2.4 重复3，知道最后得到和为1的根节点。
2.5 将形成的二叉树的左节点标为0，右节点标为1，把从最上面的根节点到最下面的叶子节点途中遇到的0,1序列串起来，就得到了各个符号的编码。

3.实验中遇到的递归式遍历方法

• 先序遍历
  

• 中序遍历
  

• 后序遍历
  

  综上，Huffman编码结构中， build_symbol_encoder()的函数，实现功能为：对存在的每个字符计算码字。该函数使用的遍历方法应该为递归”中序遍历”；假设已经遍历到最左边的叶节点，由if判断到叶节点的子节点为空，故Return。此时输出一个码子，然后进入下一个右节点。其对节点的遍历顺序应为，中序遍历。仅单纯观察代码易混淆为先序遍历。

   if(subtree == NULL)
      return;
  
  if(subtree->isLeaf)
      (*pSF)[subtree->symbol] = new_code(subtree);
  else
  {
      //如果不是叶字节点，就需要往下遍历
      build_symbol_encoder(subtree->zero, pSF);//先遍历其左子树
      build_symbol_encoder(subtree->one, pSF);//再遍历其右子树
  }

4.实验中所用到的数据结构分析

 typedef struct huffman_node_tag
{
    unsigned char isLeaf;//判断该节点是否是叶节点的标志
    unsigned long count;//信源中出现频数
    struct huffman_node_tag *parent;//父节点指针

    union
    {
        struct
        {
            struct huffman_node_tag *zero, *one;
        };
        unsigned char symbol;
    };
} huffman_node;

huffman_node节点中的有union数据结构，这么设计的优点是节约了空间。当节点为叶节点时，必定不包含子节点指针，当节点非叶节点时，必存在子节点指针。

typedef struct huffman_code_tag
{
    /* The length of this code in bits. */
    unsigned long numbits;

    /* The bits that make up this code. The first
       bit is at position 0 in bits[0]. The second
       bit is at position 1 in bits[0]. The eighth
       bit is at position 7 in bits[0]. The ninth
       bit is at position 0 in bits[1]. */
    unsigned char *bits;
} huffman_code;

huffman_code是Huffman码表数据结构，用以储存符号对应的码字。

    typedef struct huffman_info_tag
{
    double freq;//符号出现频率
    unsigned long len_code;//符号对应的码长
    unsigned char *code;//符号对应的码字
}huffman_info;

huffman_info数据结构，用于储存每个符号的符号频率、码长、码字信息。用于压缩后统计压缩数据，计算压缩效率，以及验证压缩正确性。

• 分别定义三个数组，数组中储存的是指向结构体的指针。

 #define MAX_SYMBOLS 256
typedef huffman_node* SymbolFrequencies[MAX_SYMBOLS];
typedef huffman_code* SymbolEncoder[MAX_SYMBOLS];
//cai add 
typedef huffman_info* SymbolInfo[MAX_SYMBOLS];

举例，SymbolFrequencies[MAX_SYMBOLS]储存着256个指向huffman_node这个结构体的指针。

5.getopt()函数简单分析

传入的参数，例如："-i input.rgb -o output.rgb -c"  "i"与“o”在下列注释中称为key，其对应的“input.rgb”称为value。
以及调用getopt时，opt = getopt(argc, argv, "i:o:cdhvm")。"i:o:cdhvm"在下列注释中称为规范字符串

extern char *optarg;
extern int optind;
extern int opterr;

int opterr = 1,     /* if error message should be printed */
    optind = 1,     /* index into parent argv vector */
    optopt,         /* character checked for validity */
    optreset;       /* reset getopt */
char    *optarg;        /* argument associated with option */

#define BADCH   (int)'?'
#define BADARG  (int)':'
#define EMSG    ""
int getopt(int nargc, char * const *nargv, const char* ostr)
{
    static char *place = EMSG;      /* place向量先置为空 */
    char *oli;              /* 用于指向 “规范字符串”的指针 */

    if (optreset || !*place) {      /* 如果optreset为1，或者place指向空,都会进入这个判断 */
        optreset = 0;               /*进入后，将optreset重置为0*/
        if (optind >= nargc || *(place = nargv[optind]) != '-') {       /*判断optind是否比总argc数大，以及argv[opind]的第一个字符是否为'-' .*/
            place = EMSG;                                               /*若满足其上任一项，说明字符读取到了最后一步，或者输入有误*/
            return (EOF);                                               /*将place指向 argv[optind]*/
        }
        if (place[1] && *++place == '-') {