1,霍夫曼编码描述
哈夫曼树─即最优二叉树,带权路径长度最小的二叉树,经常应用于数据压缩。 在计算机信息处理中,“哈夫曼编码”是一种一致性编码法(又称“熵编码法”),用于数据的无损耗压缩。这一术语是指使用一张特殊的编码表将源字符(例如某文件中的一个符号)进行编码。这张编码表的特殊之处在于,它是根据每一个源字符出现的估算概率而建立起来的(出现概率高的字符使用较短的编码,反之出现概率低的则使用较长的编码,这便使编码之后的字符串的平均期望长度降低,从而达到无损压缩数据的目的)。这种方法是由David.A.Huffman发展起来的。 例如,在英文中,e的出现概率很高,而z的出现概率则最低。当利用哈夫曼编码对一篇英文进行压缩时,e极有可能用一个位(bit)来表示,而z则可能花去25个位(不是26)。用普通的表示方法时,每个英文字母均占用一个字节(byte),即8个位。二者相比,e使用了一般编码的1/8的长度,z则使用了3倍多。若能实现对于英文中各个字母出现概率的较准确的估算,就可以大幅度提高无损压缩的比例。
2,问题描述
霍夫曼编码前首先要统计每个字的字频,即出现次数,例如:
1、将所有字母出现的次数以从小到大的顺序排序,如上图
2、每个字母都代表一个终端节点(叶节点),比较F.O.R.G.E.T五个字母中每个字母的出现频率,将最小的两个字母频率相加合成一个新的节点。如上图所示,发现F与O的频率最小,故相加2+3=5,将F、O组成一个树,F为左节点,O为右节点,(FO)为根节点,每个节点的取值为其出现频率(FO的出现频率为5)
3、比较5.R.G.E.T,发现R与G的频率最小,故相加4+4=8,将RG组成一个新的节点
4、比较5.8.E.T,发现5与E的频率最小,故相加5+5=10,因此将FO作为左节点,E作为右节点,FOE作为根节点
5、比较8.10.T,发现8与T的频率最小,故相加8+7=15,将RG作为左节点,T作为右节点,RGT作为根节点
6、最后剩10.15,没有可以比较的对象,相加10+15=25,FOE作为左节点,RGT作为右节点
根节点不取值,每个左子节点取值0,右子节点取值1,将每个字母从根节点开始遍历,沿途的取值组成编码:
首先选择一个文本,统计每个字符出现的次数,组成以下数组:
typedef struct FrequencyTreeNode {
int freq;
char c;
struct FrequencyTreeNode *left;
struct FrequencyTreeNode *right;
} FrequencyTreeNodeStruct, *pFrequencyTreeNodeStruct;
然后将获得的数组frequencies进行排序,按照freq由小到大的顺序组成一个二叉查找树,FrequencyTreeNodeStruct,从二叉查找树中找到最小的节点,从树中删除,再取最小的节点,两个子节点,组成一个新的树,根节点c为0,freq为两个子节点的和,加入frequencies中,并排序,重复该步骤,一直到frequencies中只有一个节点,则该节点为Huffman coding tree的根节点
以short类型按照前述的规则为每个字符编码,尔后将文本翻译为Huffman coding,再通过Huffman coding tree进行解码,验证编码的正确性。
3,代码实现
- #include<stdio.h>
- #define n 5 //叶子数目
- #define m (2*n-1) //结点总数
- #define maxval 10000.0
- #define maxsize 100 //哈夫曼编码的最大位数
- //定义结构体
- typedef struct FrequencyTreeNode {
- int freq;
- char c;
- struct FrequencyTreeNode *left;
- struct FrequencyTreeNode *right;
- } FrequencyTreeNodeStruct, *pFrequencyTreeNodeStruct;
- FrequencyTreeNodeStruct frequencies[MAXALPABETNUM];
- typedef struct
- {
- char bits[n]; //位串
- int start; //编码在位串中的起始位置
- char ch; //字符
- }codetype;
- // 读取文件内容,统计字符以及出现频率
- void readTxtStatistics(char* fileName)
- {
- unsigned int nArray[52] = {0};
- unsigned int i, j;
- char szBuffer[MAXLINE];
- int k=0;
- // 读取文件内容
- FILE* fp = fopen(fileName, \"r\");
- if (fp != NULL)
- { /*读取文件内容,先统计字母以及出现次数*/
- while(fgets(szBuffer, MAXLINE, fp)!=NULL)
- {
- for(i = 0; i < strlen(szBuffer); i++)
- {
- if(szBuffer[i] <= \'Z\' && szBuffer[i] >= \'A\')
- {
- j = szBuffer[i] - \'A\';
- }
- else if(szBuffer[i] <= \'z\' && szBuffer[i] >= \'a\')
- {
- j = szBuffer[i] - \'a\' + 26;
- }
- else
- continue;
- nArray[j]++;
- }
- }
- // 然后赋值给frequencies数组
- for(i = 0, j = \'A\'; i < 52; i++, j++)
- {
- if (nArray[i] >0)
- {
- /*****/
- frequencies[k].c=j;
- frequencies[k].freq=nArray[i];
- frequencies[k].left=NULL;
- frequencies[k].right=NULL;
- k++;
- printf(\"%c:%d\\n\", j, nArray[i]);
- }
- if(j == \'Z\')
- j = \'a\' - 1;
- }
- }
- }
- //建立哈夫曼树
- void huffMan(frequencies tree[]){
- int i,j,p1,p2;//p1,p2分别记住每次合并时权值最小和次小的两个根结点的下标
- float small1,small2,f;
- char c;
- for(i=0;i<m;i++) //初始化
- {
- tree[i].parent=0;
- tree[i].lchild=-1;
- tree[i].rchild=-1;
- tree[i].weight=0.0;
- }
- printf(\"【依次读入前%d个结点的字符及权值(中间用空格隔开)】\\n\",n);
- //读入前n个结点的字符及权值
- for(i=0;i<n;i++)
- {
- printf(\"输入第%d个字符为和权值\",i+1);
- scanf(\"%c %f\",&c,&f);
- getchar();
- tree[i].ch=c;
- tree[i].weight=f;
- }
- //进行n-1次合并,产生n-1个新结点
- for(i=n;i<m;i++)
- {
- p1=0;p2=0;
- //maxval是float类型的最大值
- small1=maxval;small2=maxval;
- //选出两个权值最小的根结点
- for(j=0;j<i;j++)
- {
- if(tree[j].parent==0)
- if(tree[j].weight<small1)
- {
- small2=small1; //改变最小权、次小权及对应的位置
- small1=tree[j].weight;
- p2=p1;
- p1=j;
- }
- else if(tree[j].weight<small2)
- {
- small2=tree[j].weight; //改变次小权及位置
- p2=j;
- }
- tree[p1].parent=i;
- tree[p2].parent=i;
- tree[i].lchild=p1; //最小权根结点是新结点的左孩子
- tree[i].rchild=p2; //次小权根结点是新结点的右孩子
- tree[i].weight=tree[p1].weight+tree[p2].weight;
- }
- }
- }
- //根据哈夫曼树求出哈夫曼编码,code[]为求出的哈夫曼编码,tree[]为已知的哈夫曼树
- void huffmancode(codetype code[],frequencies tree[])
- {
- int i,c,p;
- codetype cd; //缓冲变量
- for(i=0;i<n;i++)
- {
- cd.start=n;
- cd.ch=tree[i].ch;
- c=i; //从叶结点出发向上回溯
- p=tree[i].parent; //tree[p]是tree[i]的双亲
- while(p!=0)
- {
- cd.start--;
- if(tree[p].lchild==c)
- cd.bits[cd.start]=\'0\'; //tree[i]是左子树,生成代码\'0\'
- else
- cd.bits[cd.start]=\'1\'; //tree[i]是右子树,生成代码\'1\'
- c=p;
- p=tree[p].parent;
- }
- code[i]=cd; //第i+1个字符的编码存入code[i]
- }
- }
- //根据哈夫曼树解码
- void decode(hufmtree tree[])
- {
- int i,j=0;
- char b[maxsize];
- char endflag=\'2\'; //电文结束标志取2
- i=m-1; //从根结点开始往下搜索
- printf(\"输入发送的编码(以\'2\'为结束标志):\");
- gets(b);
- printf(\"编码后的字符为\");
- while(b[j]!=\'2\')
- {
- if(b[j]==\'0\')
- i=tree[i].lchild; //走向左子节点
- else
- i=tree[i].rchild; //走向右子节点
- if(tree[i].lchild==-1) //tree[i]是叶结点
- {
- printf(\"%c\",tree[i].ch);
- i=m-1; //回到根结点
- }
- j++;
- }
- printf(\"\\n\");
- if(tree[i].lchild!=-1&&b[j]!=\'2\') //文本读完,但尚未到叶子结点
- printf(\"\\nERROR\\n\"); //输入文本有错
- }
- void main()
- {
- printf(\"---------------—— 哈夫曼编码实战 ——\\n\");
- printf(\"总共有%d个字符\\n\",n);
- frequencies tree[m];
- codetype code[n];
- int i,j;//循环变量
- huffMan(tree);//建立哈夫曼树
- huffmancode(code,tree);//根据哈夫曼树求出哈夫曼编码
- printf(\"【输出每个字符的哈夫曼编码】\\n\");
- for(i=0;i<n;i++)
- {
- printf(\"%c: \",code[i].ch);
- for(j=code[i].start;j<n;j++)
- printf(\"%c \",code[i].bits[j]);
- printf(\"\\n\");
- }
- printf(\"【读入内容,并进行编码】\\n\");
- // 开始编码
- decode(tree);
- }