LZW压缩算法由Lemple-Ziv-Welch 三人共同创造，用他们的名字命名。它采用了一种先进的串表压缩，将每个第一次出现的串放在一个串表中，用一个数字来表示串，压缩文件只存贮数字，则不存贮串，从而使图象文件的压缩效率得到较大的提高。奇妙的是，不管是在压缩还是在解压缩的过程中都能正确的建立这个串表，压缩或解压缩完成后，这个串表又被丢弃。
LZW算法中，首先建立一个字符串表，把每一个第一次出现的字符串放入串中，并用一个数字来表示，这个数字与此字符串在串表中的位置有关，并将这个数字存入压缩文件中，如果这个字符串再次出现时，即可用表示它的数字来代替，并将这个数字存入文件中。压缩完成后将串表丢弃。如"print" 字符串，如果在压缩时用266表示，只要再次出现，均用266表示，并将"print"字符串存入串表中，在图象解码时遇到数字266，即可从串表中查出266所代表的字符串"print"，在解压缩时，串表可以根据压缩数据重新生成。
2. lzw编解码举例：
2.1 编码
输入流：a a b b b a a b b .....
初始标号集：
| 0 | 1 | 2 | 3 |
| a | b |
| 第几步 | 前缀 | 后缀 | Entry | 认识(Y/N) | 输出 | 标号 |
| 1 | a | （，a） | ||||
| 2 | a | a | (a,a) | N | 0 | 4 |
| 3 | a | b | (a,b) | N | 0 | 5 |
| 4 | b | b | (b,b) | N | 1 | 6 |
| 5 | b | b | (b,b) | Y | ||
| 6 | 6 | a | (6,a) | N | 6 | 7 |
| 7 | a | a | (a,a) | Y | ||
| 8 | 4 | b | (4,b) | N | 4 | 8 |
| 9 | b | b | (b,b) | Y | ||
| 10 | 6 | (6,) | N | 6 |
当进行到第12步的时候，标号集应该为：
| 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| A | B | aa | ab | bb | 6a | 4b |
编码为：001646
1.2 解码
1）读入第一个编码Code=0H，由于字符串表中存在该索引，因此输出字符串表中0H对应的字符串"a"，同时使OldCode=Code=0H。
2）读下一个编码Code=0H，字符串表中存在该索引，输出0H所对应的字符串"a"，然后将OldCode=0H所对应的字符串"a"加上Code=0H所对应的字符串的第一个字符"a"，即"aa"添加到字串表中，其索引为4H，同时使OldCode=Code=0H。
3）读下一个编码Code=1H，字串表中存在该索引，输出1H所对应的字符串"b"，然后将OldCode=0H所对应的字符串"a"加上Code=1H所对应的字符串的第一个字符"b"，即"ab"添加到字串表中，其索引为5H，同时使OldCode=Code=1H。
4）读入下一个编码Code=6H，由于字串表中不存在该索引，因此输出OldCode=1H所对应的字符串"b"加上OldCode的第一个字符"b“，即"bb"，同时将"bb"添加到字符串表中，其索引为6H，同时使OldCode=Code=6H。
5）读下一个编码Code=4H，字串表中存在该索引，输出4H所对应的字符串"aa"，然后将OldCode=6H所对应的字符串"bb"加上Code=4H所对应的字符串的第一个字符"a"，即"bba"添加到字串表中，其索引为7H，同时使OldCode=Code=4H。
6）读下一个编码Code=6H，字串表中存在该索引，输出6H所对应的字符串"bb"，然后将OldCode=4H所对应的字符串"aa"加上Code=6H所对应的字符串的第一个字符"b"，即"aab"添加到字串表中，其索引为8H，同时使OldCode=Code=6H。
7）读下一个编码Code=3H，它等于LZW_EOI，数据解码完毕。
3. lzw编解码步骤
编码算法：
步骤1： 开始时的词典包含所有可能的根(Root)，而当前前缀P是空的；
步骤2： 当前字符(C) ：=字符流中的下一个字符；
步骤3： 判断缀-符串P+C是否在词典中
(1) 如果“是”：P ：= P+C // (用C扩展P) ；
(2) 如果“否”
① 把代表当前前缀P的码字输出到码字流;
② 把缀-符串P+C添加到词典;
③ 令P ：= C //(现在的P仅包含一个字符C);
步骤4： 判断码字流中是否还有码字要译
(1) 如果“是”，就返回到步骤2；
(2) 如果“否”
① 把代表当前前缀P的码字输出到码字流;
② 结束。
具体解压步骤如下：
(1)译码开始时Dictionary包含所有的根。
(2)读入在编码数据流中的第一个码字 cW(它表示一个Root)。
(3)输出String.cW到字符数据流Charstream。
(4)使pW=cW 。
(5)读入编码数 据流 的下一个码字cW 。
(6)目前在字典中有String.cW吗?
YES：1)将String．cW输出给字符数据流；
2)使P=String.pW；
3)使C=String.cW的第一个字符；
4)将字符 串P+C添 加进Dictionray。
NO ：1)使P=String.pW ；
2)使C=String.pW的第一个字符；
3)将字符串P+C输出到字符数据流并将其添加进Dictionray(现在它与cW相一致)。
(7)在编码数据 流中还有Codeword吗?
YES：返回(4)继续进行 译码 。
NO：结束译码 。
二．数据结构
1. 字典节点结构体
-
struct {
-
int suffix;
//后缀字符
-
int parent, firstchild, nextsibling;
//母节点，第一个孩子节点，下一个兄弟节点
-
} dictionary[MAX_CODE+
1];
//数组下标即为编码
2. 二进制文件结构体
-
typedef
struct{
-
FILE *fp;
//输出文件指针
-
unsigned
char mask;
//按位写入字节时，掩码
-
int rack;
//类似于缓存，每写完8位，将rack输出到文件中
-
}BITFILE;
三．lzw编码分析
1. lzw编码流程图
2. lzw编码代码分析
2.1 lzw编码总流程
-
void LZWEncode( FILE *fp, BITFILE *bf){
-
int character;
-
int string_code;
-
int index;
-
unsigned
long file_length;
-
-
fseek( fp,
0, SEEK_END);
//文件指针定位到输入文件最后
-
file_length = ftell( fp);
//得到输入文件大小
-
fseek( fp,
0, SEEK_SET);
//文件指针定位到输入文件起始处
-
BitsOutput( bf, file_length,
4*
8);
/*将输入文件的大小写入输出文件中，4*8代表file_length是32位数字*/
-
InitDictionary();
//初始化字典，设置各根节点
-
string_code =
-1;
//初始化前缀
-
while( EOF!=(character=fgetc( fp))){
//扫描输入文件，得到各字符
-
-
/*判断(string_code，character)是否在字典中，如果在则返回对应编码，否则返回-1*/
-
index = InDictionary( character, string_code);
-
if(
0<=index){
// (string_code，character)在字典中
-
string_code = index;
//将(string_code，character)对应的编码作为前缀
-
}
else{
//(string_code，character)不在字典中
-
output( bf, string_code);
//输出前缀
-
if( MAX_CODE > next_code){
//字典空间充足时
-
//将(string_code，character)添加到字典中
-
AddToDictionary( character, string_code);
-
}
-
string_code = character;
//将新字符做为前缀
-
}
-
}
-
output( bf, string_code);
//输入文件扫描完毕，将最后未输出的前缀输出
-
}
2.2 初始化字典，设置各根节点
-
void InitDictionary( void){
//初始化字典，将0-255根节点初始化
-
int i;
-
-
for( i=
0; i<
256; i++){
//下标值为ASCII码值
-
dictionary[i].suffix = i;
//根的后缀字符为对应ASCII码
-
dictionary[i].parent =
-1;
//前缀字符长度为0，没有前缀
-
dictionary[i].firstchild =
-1;
//暂时没有第一个孩子
-
dictionary[i].nextsibling = i+
1;
/*下一个兄弟根节点下标为下一个ASCII码值*/
-
}
-
dictionary[
255].nextsibling =
-1;
//最后一个根节点没有下一个兄弟
-
next_code =
256;
//为全局变量，标记下一个编码为256
-
}
2.3 判断(string_code，character)（前缀，后缀）是否在字典中，如果在则返回对应编码，否则返回-1
-
int InDictionary( int character, int string_code){
-
int sibling;
-
-
/*string_code小于0说明该字符是文件第一个字符，一定有对应根节点并存在于字典中，所以返回(string_code，character)的编码---character的ASCII码*/
-
if(
0>string_code)
return character;
-
-
//自左向右遍历string_code节点的所有孩子（第一个孩子的所有兄弟）
-
//以string_code的第一个孩子为长兄
-
sibling = dictionary[string_code].firstchild;
-
-
while(
-1<sibling){
//sibling等于-1说明所有兄弟遍历结束
-
-
/*如果找到一个兄弟的后缀是character，则返回(string_code，character)的编码¬---该兄弟的下标*/
-
if( character == dictionary[sibling].suffix)
return sibling;
-
-
//如果该兄弟的后缀不是该字符，则寻找下一个兄弟
-
sibling = dictionary[sibling].nextsibling;
-
}
-
-
/*所有兄弟的后缀均不等于该字符，说明(string_code，character)不在字典中，返回-1*/
-
return
-1;
-
}
2.4 将(string_code,character)添加到字典中，编码为next_code
-
void AddToDictionary( int character, int string_code){
-
int firstsibling, nextsibling;
-
if(
0>string_code)
return;
-
dictionary[next_code].suffix = character;
//新节点的后缀为该字符
-
dictionary[next_code].parent = string_code;
//新节点的母亲为该前缀
-
dictionary[next_code].nextsibling =
-1;
//新节点下一个兄弟暂时不存在，设为-1
-
dictionary[next_code].firstchild =
-1;
//新节点第一个孩子暂时不存在，设为-1
-
firstsibling = dictionary[string_code].firstchild;
-
-
//下面设置新节点的兄弟关系
-
if(
-1<firstsibling){
//新节点的母亲原本有孩子
-
nextsibling = firstsibling;
-
//循环找到最后一个兄弟
-
while(
-1<dictionary[nextsibling].nextsibling )
-
nextsibling = dictionary[nextsibling].nextsibling;
-
-
//把新节点设为最后一个兄弟的下一个兄弟
-
dictionary[nextsibling].nextsibling = next_code;
-
}
else{
//新节点的母亲原本没有孩子
-
-
//把新节点设为母亲的第一个孩子
-
dictionary[string_code].firstchild = next_code;
-
}
-
next_code ++;
//下一个编码增加1
-
}
2.5 打开二进制输出文件，不存在则新建，存在则覆盖已有文件
-
BITFILE *OpenBitFileOutput( char *filename){
//参数是文件名
-
BITFILE *bf;
-
bf = (BITFILE *)
malloc(
sizeof(BITFILE));
-
if(
NULL == bf)
return
NULL;
-
//如果参数是NULL，则文件指向屏幕
-
if(
NULL == filename) bf->fp =
stdout;
-
else bf->fp = fopen( filename,
"wb");
//以二进制只写的方式打开文件
-
if(
NULL == bf->fp)
return
NULL;
-
bf->mask =
0x80;
//初始化掩码为1000 0000
-
bf->rack =
0;
//初始化rack为0
-
return bf;
-
}
2.6 按位输出数据到输出文件中
-
void BitsOutput( BITFILE *bf, unsigned long code, int count){
-
unsigned
long mask;
-
-
/*output宏定义缺省count为16。count为16时，mask为1000 0000 0000 0000。count为32时，mask为1000 0000 0000 0000 0000 0000 0000 0000*/
-
mask =
1L << (count
-1);
-
while(
0 != mask){
/*mask为0时，说明code共count位数字输出完毕，lzw是等长码*/
-
/*按位输出code*/
-
BitOutput( bf, (
int)(
0==(code&mask)?
0:
1));
-
mask >>=
1;
//掩码向右移位
-
}
-
}
//注：不同于huffman编码，huffman编码是不等长码，lzw可以看成是等长码，这里编码长度是16位
-
void BitOutput( BITFILE *bf, int bit){
-
/*如果bit为1，则在rack下一个未写码位置由0变为1。如果bit为0，则rack不作处理，mask直接向右移位，代表下一个未写码位置为0*/
-
if(
0 != bit) bf->rack |= bf->mask;
-
bf->mask >>=
1;
-
-
/*每次mask移位后，都要判断mask是否溢出为0。若溢出，则代表成功累计写入八位，即该字节已写满。直接输出rack后，rack初始化为0，mask初始化为1000 0000*/
-
if(
0 == bf->mask){
-
fputc( bf->rack, bf->fp);
-
bf->rack =
0;
-
bf->mask =
0x80;
-
}
-
}
2.7 输出剩下未输出的二进制数字，关闭二进制输出文件
-
void CloseBitFileOutput( BITFILE *bf){
-
//如果还存在为输出的二进制数，则直接输出
-
if(
0x80 != bf->mask) fputc( bf->rack, bf->fp);
-
fclose( bf->fp);
//关闭二进制输出文件
-
free( bf);
//释放输出结构体的内存
-
}
四．lzw解码分析
1. lzw解码流程图
2 lzw解码代码分析
2.1 解码总流程代码
-
void LZWDecode( BITFILE *bf, FILE *fp){
-
int character;
/*当新读取的编码不存在于字典中时，character为旧编码last_code的首字母。当新读取的编码字典中存在时，character为新编码new_code的首字母*/
-
int new_code, last_code;
-
int phrase_length;
//输出字符串的长度
-
unsigned
long file_length;
//输出文件长度
-
-
file_length = BitsInput( bf,
4*
8);
/*输入文件起始处存储输出文件的大小，存储为unsigned int类型，占32位*/
-
if(
-1 == file_length) file_length =
0;
-
InitDictionary();
//初始化字典，设置0-256根节点
-
last_code =
-1;
//开始时旧编码处空缺，故设置last_code为-1
-
while(
0<file_length){
//是否读取到最后一个编码
-
new_code = input( bf);
//以16位读取新编码
-
if( new_code >= next_code){
//字典中没有新编码
-
d_stack[
0] = character;
/*character为旧编码last_code的首字母，将其放置在栈数组顶部d_stack[0]*/
-
-
/*遍历旧编码last_code所在树，将last_code对应字符串放置于d_stack栈数组中。前缀放于栈底方向，后缀位于d_stack[1]。得到字符总数，即要输出字符串的长度*/
-
phrase_length = DecodeString(
1, last_code);
-
}
else{
//字典中有新编码
-
-
/*遍历新编码new_code所在树，将new_code对应字符串放置于d_stack栈数组中。前缀放于栈底方向，后缀位于栈顶d_stack[0]。得到字符总数，即要输出字符串的长度*/
-
phrase_length = DecodeString(
0, new_code);
-
}
-
-
/*当新读取的编码不存在于字典中时，character为旧编码last_code的首字母。当新读取的编码字典中存在时，character为新编码new_code的首字母*/
-
character = d_stack[phrase_length
-1];
-
-
/*当新读取的编码不存在于字典中时，输出(旧编码last_code对应字符串，last_code对应首字母)。当新读取的编码存在于字典中时，输出新编码new_code对应字符串*/
-
while(
0<phrase_length){
-
phrase_length --;
-
fputc( d_stack[ phrase_length], fp);
-
file_length--;
-
}
-
-
/*当新读取的编码不存在于字典中时，将(last_code对应字符串，last_code对应首字母)}添加到字典中。当新读取的编码存在于字典中时，将(last_code对应字符串，new_code对应首字母)添加到字典中。*/
-
if( MAX_CODE>next_code){
-
AddToDictionary( character, last_code);
-
}
-
-
//新编码变为旧编码
-
last_code = new_code;
-
}
-
}
2.2 以count位为单位，从输入文件中得到数据（lzw编码是等长码）
-
unsigned long BitsInput( BITFILE *bf, int count){
-
unsigned
long mask;
-
unsigned
long value;
-
/*假设count为16，则mask为1000 0000 0000 0000*/
-
mask =
1L << (count
-1);
-
value =
0L;
//初始化value为0
-
/*mask由1000 0000 0000 0000向右移位至溢出为0时循环结束，取得16位的等长码*/
-
while(
0!=mask){
-
/*输出文件中下一位为1时，value相应位置变为1。为0时，不作操作，直接跳至下一位*/
-
if(
1 == BitInput( bf))
-
value |= mask;
//value在mask所表示位置的二进制数字变为1
-
mask >>=
1;
//mask所表示位置向右一位
-
}
-
return value;
-
}
得到输出文件中下一位二进制数（从右向左）
-
int BitInput( BITFILE *bf){
-
int value;
-
-
if(
0x80 == bf->mask){
//mask为1000 0000时，从文件中得到一字节数据
-
bf->rack = fgetc( bf->fp);
-
if( EOF == bf->rack){
//确保成功得到数据
-
fprintf(
stderr,
"Read after the end of file reached\n");
-
exit(
-1);
-
}
-
}
-
value = bf->mask & bf->rack;
//取得mask所表示位置的二进制数字
-
bf->mask >>=
1;
//mask所表示位置向右一位
-
/*若掩码溢出为0，则mask重新变为1000 0000*/
-
if(
0==bf->mask) bf->mask =
0x80;
-
return( (
0==value)?
0:
1);
//value为0时返回0，为非零值时返回1
-
}
2.3 将code对应字符串放置于d_stack栈数组中。前缀放于栈底方向，后缀位于d_stack[start]。得到字符总数，即要输出字符串的长度
-
int DecodeString( int start, int code){
-
int count;
//count标记数组下标
-
count = start;
-
while(
0<=code){
//code为-1时，到达树根，循环结束
-
d_stack[ count] = dictionary[code].suffix;
/*将下标为code节点中的后缀字母放置于数组相应位置*/
-
code = dictionary[code].parent;
//节点上移至母节点处
-
count ++;
//数组下标增加1
-
}
-
return count;
-
}
五．实验结果
| 文件类型 | 压缩前大小(单位:k) | 压缩后大小(单位:k) | 压缩效率 |
| word文档 | 31 | 15 | 51.6% |
| ppt演示文稿 | 340 | 228 | 32.9% |
| gif图片 | 2 | 3 | -50% |
| MP3文件 | 4513 | 5564 | -23.3% |
| MP4视频 | 9964 | 13101 | -31.5% |
| excel表格 | 32 | 14 | 56.3% |
| html网页 | 333 | 240 | 27.9% |
| jpg图片 | 1306 | 1516 | -16.1% |
| pdf文档 | 29641 | 32999 | -11.3% |
| avi视频 | 27902 | 33688 | -20.7% |
5344
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
