数据结构之树(八)——哈夫曼编码

哈夫曼编码思想

• 问题描述： 在远程通讯中，要将待传送的字符先编码再解码，编码过程就是将字符转换成由二进制组成的字符串。假设传送的字符为：ABACCDA，如果我们采用等长的编码方式，若每个字符的编码为$$\begin{gathered} A:00 \\ B:01 \\ C:10 \\ D:11 \end{gathered}$$则待传送字符的编码为00010010101100。这种编码方式的一个很明显的缺点就是浪费空间。如果这里要传送的字符很多，如果用ASCII码表示，每一个ASCII码占8位，那么就会很浪费存储空间。
  所以，若将编码设计成长度不等的二进制编码，即让待传送字符串中出现次数较多的字符采用尽可能短的编码，则转换的二进制字符串便可能减少。
  假设要传送的字符为：ABACCDA，不等长的编码为：$$\begin{gathered} A:0 \\ B:00 \\ C:1 \\ D:01 \end{gathered}$$，则编码为000011010。但这种编码很容易产生重码问题，如上述的编码在解码的时候，前四位"0000"可以解为AAAA,也可以解为ABA或BB。
  在设计不等长编码的时候，关键在于必须使任一字符的编码都不是另一个字符编码的前缀。——在这种编码叫前缀编码。

• 什么样的前缀码能使得电文总长最短？——哈夫曼编码
  方法如下：

  • 统计字符集中每个字符在电文中出现的平均概率(概率越大，要求编码越短)。
  • 利用哈夫曼树的特点：权值越大的叶子离根越近；将每个字符的概率值作为权值，构造哈夫曼树。则概率越大的结点，路径越短。
  • 在哈夫曼树的每个分支上标上0或1：
    • 结点的左分支标0，右分支标1
    • 把从根到每个叶子结点的路径上的标号连接起来，作为该叶子代表的字符的编码。

• 例子： 要传输的字符集 D = { C , A , S , T , ; } D=\{C,A,S,T,;\} D={C,A,S,T,;}，字符出现的频率 w = { 2 , 4 , 2 , 3 , 3 } w=\{2,4,2,3,3\} w={2,4,2,3,3}。
  首先，构造哈夫曼树，
  
  接着，进行01标记(左0右1)，
  
  从根结点到每个叶结点的路径的01序列，就是每个字符的哈夫曼编码，即，$$\begin{gathered} T:00 \\ ;:01 \\ A:10 \\ C:110 \\ S:111 \end{gathered}$$

• 哈夫曼编码的性质：

  • 哈夫曼编码是前缀码。
    因为没有一片树叶是另一片树叶的祖先，所以每个叶结点的编码就不可能是其它叶结点编码的前缀。
  • 哈夫曼编码是最优前缀码。
    因为哈夫曼树的带权路径长度最短，故字符编码的总长度最短。

• 例子: 设组成电文的字符集D及其概率分布W为： D = { A , B , C , D , E , F , G } W = { 0.40 , 0.30 , 0.15 , 0.05 , 0.04 , 0.03 , 0.03 } D=\{A,B,C,D,E,F,G\}\\W=\{0.40,0.30,0.15,0.05,0.04,0.03,0.03\} D={A,B,C,D,E,F,G}W={0.40,0.30,0.15,0.05,0.04,0.03,0.03}设计哈夫曼编码。
  
  
  
  
  

哈夫曼编码具体实现

• 例子： 以上例为例，说明哈夫曼编码的实现过程。在上一篇博客中，已经说明用一维结构数组存储每个结点，即如下图，
  
  以找结点G的编码为例，首先找G的双亲结点，为结点8,在看结点8的左右孩子域，发现结点G所在的结点7为其左孩子，所以，结点G的最后一位是0；接着再看结点8的双亲，是结点10，结点8在结点10的左孩子域，所以倒数第二位编码是0；接着再看结点10的双亲，是结点11，结点10在结点11的左孩子域，所以倒数第三位编码是0；接着再看结点11的双亲，是结点12，结点11在结点12的左孩子域，所以倒数第四位编码是0；接着再看结点12的双亲，是结点13，结点12在结点13的右孩子域。所以倒数第五位编码是1；最后，当看到结点13的双亲结点为0时(结点13为根结点)，结束；得出结点G的编码是10000。

• 具体实现：
  定义一个字符串数组，用于存放每个结点的哈夫曼编码，
  
  再用一个字符数组存放每个结点回溯时暂时得到的哈夫曼编码，数组长度实际上n-1个就够了，但在这里定义数组长度为n，最后一位存"\0"。
  

• 算法描述：

void CreateHuffmanCode(HuffmanTree HT, HuffmanCode &HC, int n)
{
	HC = new char *[n + 1];               //分配n个字符编码的头指针矢量
	cd = new char[n];                     //分配临时存放编码的动态数组空间
	cd[n - 1] = '\0';                     //编码结束符
	for (i = 1; i <= n; ++i)              //逐个字符求哈夫曼编码
	{
		start = n - 1;
		c = i;
		f = HT[i].parent;
		while (f != 0)                    //从叶子结点开始向上回溯，直至根结点
		{ 
			--start;                      //回溯一次start向前指一个位置
			if (HT[f].lchild == c)        //结点c是f的左孩子，则生成编码0
				cd[start] = '0';
			else                          //结点c是f的右孩子，则生成编码1
				cd[start] = '1';
			c = f;
			f = HT[f].parent;             //继续向上回溯
		}                                 //求出第i个字符的编码
		HC[i] = new char[n - start];      //为第i个字符串编码分配空间
		strcpy(HC[i], &cd[start]);        //将求得的编码从临时空间cd复制到HC的当前行中
	}
	delete cd;                            //释放临时空间
}