哈夫曼树与哈夫曼编码
在一般的数据结构的书中,树的那章后面,著者一般都会介绍一下哈夫曼(HUFFMAN)树和哈夫曼编码。哈夫曼编码是哈夫曼树的一个应用。哈夫曼编码应用广泛,如JPEG中就应用了哈夫曼编码。 首先介绍什么是哈夫曼树。哈夫曼树又称最优二叉树,是一种带权路径长度最短的二叉树。所谓树的带权路径长度,就是树中所有的叶结点的权值乘上其到根结点的 路径长度(若根结点为0层,叶结点到根结点的路径长度为叶结点的层数)。树的带权路径长度记为WPL= (W1*L1+W2*L2+W3*L3+...+Wn*Ln),N个权值Wi(i=1,2,...n)构成一棵有N个叶结点的二叉树,相应的叶结点的路径长度为Li(i=1,2,...n)。可以证明哈夫曼树的WPL是最小的。
哈夫曼编码步骤:
一、对给定的n个权值{W1,W2,W3,...,Wi,...,Wn}构成n棵二叉树的初始集合F= {T1,T2,T3,...,Ti,...,Tn},其中每棵二叉树Ti中只有一个权值为Wi的根结点,它的左右子树均为空。(为方便在计算机上实现算 法,一般还要求以Ti的权值Wi的升序排列。)
二、在F中选取两棵根结点权值最小的树作为新构造的二叉树的左右子树,新二叉树的根结点的权值为其左右子树的根结点的权值之和。
三、从F中删除这两棵树,并把这棵新的二叉树同样以升序排列加入到集合F中。
四、重复二和三两步,直到集合F中只有一棵二叉树为止。
简易的理解就是,假如我有A,B,C,D,E五个字符,出现的频率(即权值)分别为5,4,3,2,1,那么我们第一步先取两个最小权值作为左右子树构造一个新树,即取1,2构成新树,其结点为1+2=3,如图:
虚线为新生成的结点,第二步再把新生成的权值为3的结点放到剩下的集合中,所以集合变成{5,4,3,3},再根据第二步,取最小的两个权值构成新树,如图:
再依次建立哈夫曼树,如下图:
其中各个权值替换对应的字符即为下图:
所以各字符对应的编码为:A->11,B->10,C->00,D->011,E->010
霍夫曼编码是一种无前缀编码。解码时不会混淆。其主要应用在数据压缩,加密解密等场合。
#include<stdio.h>
#include<string.h>
#define MAX 99999999
struct huffcode //哈夫曼编码
{
int bit[200]; //编码
int start; //编码开始的位置
};
struct huff //哈夫曼树节点
{
int weight; //哈夫曼节点的权值
int parent; //哈夫曼节点的树节点
int lchild,rchild; //哈夫曼树节点的左右子节点
};
huff hf[200];
huffcode hfc[200],cd;
int alp[28],cnt,m;
char str[100000];
void creatHuffman() //生成哈夫曼树
{
int m1,m2,x1,x2;
for(int i=0;i<cnt-1;i++) //因为每次2个进行合并,所以一共需要cnt-1次
{
m1 = m2 = MAX;
x1 = x2 = 0;
for(int j=0;j<cnt+i;j++) //寻找权值最小的两个节点
{
if(hf[j].weight<m1 && hf[j].parent==-1)
{
m2 = m1;
x2 = x1;
m1 = hf[j].weight;
x1 = j;
}
else if(hf[j].weight<m2 && hf[j].parent==-1)
{
m2 = hf[j].weight;
x2 = j;
}
}
hf[x1].parent = cnt+i; //权值最小的两个节点合成一个新的节点
hf[x2].parent = cnt+i;
hf[cnt+i].weight = hf[x1].weight+hf[x2].weight;
hf[cnt+i].lchild = x1;
hf[cnt+i].rchild = x2;
}
}
int main()
{
int len;
while(scanf("%s", str),strcmp(str,"END")!=0)
{
memset(alp, 0, sizeof(alp));
len = strlen(str);
for(int i=0;i<len;i++)
{
if(str[i]=='_')
{
alp[26] ++;
}
else
{
alp[str[i]-'A'] ++;
}
}
cnt = 0;
for(int i=0;i<27;i++)
{
if(alp[i]!=0)
{
hf[cnt++].weight = alp[i];
}
}
if(cnt==1) //当只有一种字符的时候,要进行单独考虑
{
printf("%d %d 8.0\n", len*8,len);
continue;
}
m = 2*cnt-1; //当有多个字符时候,用哈夫曼编码进行解析
for(int i=0;i<m;i++)
{
hf[i].parent = -1;
hf[i].rchild = -1;
hf[i].lchild = -1;
}
creatHuffman();
for(int i=0;i<cnt;i++) //将哈夫曼树转化成哈夫曼编码
{
cd.start = cnt-1;
int p = hf[i].parent;
int c = i;
while(p!=-1)
{
if(hf[p].lchild==c)
{
cd.bit[cd.start] = 0;
}
else if(hf[p].rchild==c)
{
cd.bit[cd.start] = 1;
}
cd.start --;
c = p;
p = hf[c].parent;
}
for(int j=cd.start+1;j<cnt;j++)
{
hfc[i].bit[j] = cd.bit [j];
}
hfc[i].start = cd.start+1;
}
int dissum = 0;
for(int i=0;i<cnt;i++)
{
dissum += hf[i].weight*(cnt-hfc[i].start);
}
printf("%d %d %.1f\n", len*8, dissum, (len*8.0)/dissum);
}
return 0;
}