RLE算法机制、缺点及哈夫曼算法和莫尔斯编码

CSDN话题挑战赛第2期
参赛话题：学习笔记

目录

一、RLE算法机制

二、RLE算法的缺点

三、哈夫曼算法和莫尔斯编码

---

一、RLE算法机制

        对 AAAAAABBCDDEEEEEF 这17个半角字符的文件（文本文件）进行压缩。虽然这些文字没有什么实际意义，但是很适合用来描述RLE的压缩机制

        由于半角字符（其实就是英文字符）是作为1个字节保存在文件中的，所以上述的文件大小就是17字节。如下图：

17个英文字符占用空间：

如何才能压缩该文件呢？只要能够使文件小于17字节，我们可以使用任何压缩算法

最显而易见的一种压缩方式就是把相同的字符 去重化，也就是 字符 * 重复次数 的方式进行压缩，所以上面文件压缩后就会变成下面这样：

文件压缩后的文件大小：

 从图中可以看出，AAAAAABBCDDEEEEEF的17个字符成功被压缩成了 A6B2C1D2E5F1 的12个字符，也就是 12/17 = 70% ,压缩成功了

像这样，把文件容易用 数据* 重复次数 的形式来表示压缩方法称为 RLE（Run Length Encoding，行程长度编码）算法。RLE算法是一种很好的压缩方法，经常用于压缩传真的图像等。因为图像文件的本质也是字节数据的集合体，所以可以用RLE算法进行压缩

二、RLE算法的缺点

RLE的压缩机制比较简单，所以RLE算法的程序也比较容易编写，所以使用RLE的这种方式更能让你体会到压缩思想，但是RLE只针对特定序列的数据压缩，下面式RLE算法压缩汇总：

文件类型	压缩前文件大小	压缩后文件大小	压缩比率
文本文件	14862字节	29065字节	199%
图像文件	96062字节	38328字节	40%
EXE文件	24576字节	15198字节	62%

通过上表可以看出，使用RLE对文本文件进行压缩后的数据不但没有减小，反而增大了！几乎是压缩前的两倍！因为文本字符中连续的字符并不多见。

就像上面的示例一样，RLE算法只针对 连续 的字节序列压缩效果比较好，假如有一连串不相同的字符该怎么压缩呢？ 比如说 ABCDEFGHIJKLMNOPQRSTUVWXYZ ，26个英文字母所占空间应该是26个字节，我们用RLE压缩算法压缩后的结果为：

A1B1C1D1E1F1G1H1I1J1K1L1M1N1O1P1Q1R1S1T1U1V1W1X1Y1Z1，所占用52个字节，压缩完成后的容量没有减少，反而增大了，这显然不是我们想要的结果，所有这种情况下下就不能再使用RLE进行压缩

三、哈夫曼算法和莫尔斯编码

下面是另一个压缩算法，即哈夫曼算法。在了解哈夫曼算法之前，必须舍弃 半角英文数组的1个字符是1个字节(8位)的数据。下面式哈夫曼算法的基本思想

文本文件是由不同类型的字符组合而成的，而且不同字符出现的次数也是不一样的。例如，在某个文本文件中，A出现了100次左右，Q仅仅用到了3次，类似这样的情况很常见。哈夫曼算法的关键就在于多次出现的数据用小于8位的字节数表示，不常用的数据则可以使用超过8位的字节数表示。A和Q都用8位表示时，原文件的大小就是100次 * 8位 + 3位 * 8位 = 842位，假设A用2位，Q用10位来表示就是2 * 100 + 3 * 10 = 230位

不过需要注意的是，最终磁盘的存储都是以8位为一个字节来保存文件的

莫尔斯编码在以前的美剧和战争片的电影，在通信的时候经常采用摩尔斯编码来传递信息

 下面式莫尔斯编码的示例，可把1看作短点(嘀)，把11看作是长点(嗒即可)

 莫尔斯编码一般把文本中出现最高频率的字符用 短编码 来表示。如表所示，假如表示短点的为是1，表示长点的位是11的话，那么E(嘀)这个数据的字符就可以用1来表示，C(滴答滴答)就可以用9位的 110101101 来表示。在实际的莫尔斯编码中，如果短点的长度是1，长点的长度就是3 ，短点和长点的间隔就是1。这里的长度指的就是声音的长度。比如我们想用上面的AAAAAABBCDDEEEEEF 的例子来用莫尔斯编码重写，在莫尔斯编码中，各个字符之间需要加入表示时间间隔的符号。这里我们用 00 加以区分

所有，AAAAAABBCDDEEEEEF 这个文本就变成了 A * 6次 + B * 2次 + C * 1次 + D * 2次 + E * 5次 + F * 1次 +字符间隔 * 16 = 4位 * 6次 + 8位 * 2次 + 9位 * 1次 + 6位 * 2次 + 1位 * 5次 + 8位 * 1次 + 2位 * 16次 = 106位 = 14字节

所以使用莫尔斯电码的压缩比为 14 / 17 = 82% ，效率并不太突出