Huffman编解码

一、背景知识及相关公式
1、  熵，又称为“信息熵” (Entropy)

1） 在信息论中，熵是信息的度量单位。信息论的创始人 Shannon 在其著作《通信的数学理论》中提出了建立在概率统计模型上的信息度量。他把信息定义为“用来消除不确定性的东西”。

2） 一般用符号H  表示，单位是比特。对于任意一个随机变量X，它的熵定义如下：H（X）= - ∑ P(X)log2[P(X)]。

3）  变量的不确定性越大，熵也就越大。换句话说，了解它所需要的信息量也就越大。

2、  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 编码是可变字长编码(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长码，出现概率小的信源符号编短码，从而使平均码长最小。

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。

3  、Huffman  编码的方法

1） 统计符号的发生概率；

2）  把频率按从小到大的顺序排列

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；

4）  重复 3，直到最后得到和为 1 的根节点；

5）  将形成的二叉树的左节点标 0，右节点标 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。

二、实验过程

1 、 数据结构
1） Huffman 结点

typedef struct huffman_node_tag 
{ 
  unsigned char is Leaf;     /* 是否为叶结点*/ 
  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;  /*如果不是树叶,则此项为该结点左右孩子的指针*/
    }; 
   unsigned char symbol; /*如果是树叶,为某个信源符号 */ 
  }; 
} huffman_node; 

2）Huffman码字结点

typedef struct huffman_code_tag 
{ 
  /*  码字的长度(单位:位) */ 
  unsigned long numbits; 
 /*  码字,  
     码字的第 1 位存于 bits[0]的第 1 位,      
     码字的第 2 位存于 bits[0]的第 2 位, 
     码字的第 8 位存于 bits[0]的第 8 位, 
     码字的第 9 位存于 bits[1]的第 1 位  */ 
  unsigned char *bits; 
} huffman_code; 

2、Huffman 编码

在实验时采用静态链接库，程序文件中包含两个工程，其中主工程需选择Win32 Console Application, 库工程需选择Win32 Static Library。

1）编码流程

2）  第一次扫描，统计信源字符发生频率（8 比特，共 256 个信源符号）

1> 创建一个 256 个元素的指针数组，用以保存 256 个信源符号的频率。其下标对应相应字符的 ASCII 码。

2>  数组中的非空元素为当前待编码文件中实际出现的信源符号。

3>  程序代码如下：

typedef huffman_node* Symbol Frequencies[MAX_SYMBOLS]; 
Symbol Frequencies sf; 
static unsigned int get_symbol_frequencies(Symbol Frequencies *pSF, FILE *in) 
{ 
  int c;   
  /*  总信源符号数初始化为 0 */ 
  unsigned int total_count = 0; 
  /*  将所有信源符号地址初始化为 NULL(0) */ 
  init_frequencies(pSF); 
  /*  第一遍扫描文件*/ 
  while((c = fgetc(in)) != EOF) /*判断文件是否结束*/
  { 
   unsigned char uc = c; 
   /*  如果是一个新符号,则产生该字符的一个新叶节点  */ 
   if(!(*pSF)[uc]) 
   (*pSF)[uc] = new_leaf_node(uc); 
   /*  当前字符出现的频数+1 */ 
   ++(*pSF)[uc]->count; 
  /*  总信源符号数+1 */ 
   ++total_count; 
  } 
  return total_count; 
} 

3)建立 Huffman 树并计算符号对应的 Huffman 码字

1>  按频率从小到大顺序排序并建立 Huffman 树

tatic Symbol Encoder* calculate_huffman_codes(Symbol Frequencies * pSF) 
{ 
  unsigned int i = 0; 
  unsigned int n = 0; 
  huffman_node *m1 = NULL, *m2 = NULL; 
  Symbol Encoder *pSE = NULL; 
  /*按信源符号出现频率大小排序,小概率符号在前(pSF 数组中)即下标较小 */ 
  qsort((*pSF), MAX_SYMBOLS, sizeof((*pSF)[0]), SFComp); 
  /* 得到当前待编码文件中所出现的信源符号的种类总数 */ 
  for(n = 0; n < MAX_SYMBOLS && (*pSF)[n]; ++n) 
   ; 
  /* 建立 huffman 树。需要合并 n-1 次，所以循环 n-