目录
一、LZW编码
1.编码原理
LZW的编码思想是不断地从字符流中提取新的字符串,通俗地理解为新“词条”,然后用“代号”也就是码字表示这个“词条”。这样一来,对字符流的编码就变成了用码字去替换字符流,生成码字流,从而达到压缩数据的目的。 LZW 编码是围绕称为词典的转换表来完成的。 LZW 编码器通过管理这个词典完成输入与输出之间的转换。 LZW 编码器的输入是字符流,字符流可以是用8位ASCII字符组成的字符串,而输出是用n位(例如12位)表示的码字流。
LZW编码算法的步骤如下:
步骤1:将词典初始化为包含所有可能的单字符,当前前缀P初始化为空。
步骤2:当前字符C=字符流中的下一个字符。
步骤3:判断P+C是否在词典中:
如果是,则用C扩展P,即让P=P+C,返回到步骤2。
如果否,则输出与当前前缀P相对应的码字W;将P+C添加到词典中;令P=C,并返回到步骤2
2.算法实现
(1)初始化词典
// 初始化字典
void InitDictionary( void){
int i;
for( i=0; i<256; i++){
dictionary[i].suffix = i;
dictionary[i].parent = -1;
dictionary[i].firstchild = -1;
dictionary[i].nextsibling = i+1;
}
dictionary[255].nextsibling = -1;
next_code = 256;
}
(2)查找词典
// 查找词典
int InDictionary( int character, int string_code){
int sibling;
// 单个字符返回C
if( 0>string_code) return character;
// sinling是前缀的第一个子节点
sibling = dictionary[string_code].firstchild;
while( -1<sibling){ //没有找到
// 如果输入字符C是P的子节点的前缀,返回子节点的值
if( character == dictionary[sibling].suffix) return sibling;
// 否则指向子节点的兄弟节点,继续判断C是否是P的子节点
sibling = dictionary[sibling].nextsibling;
}
return -1;
}
(3)更新词典
// 更新词典
void AddToDictionary( int character, int string_code){
int firstsibling, nextsibling;
if( 0>string_code) return;
dictionary[next_code].suffix = character;
dictionary[next_code].parent = string_code;
dictionary[next_code].nextsibling = -1;
dictionary[next_code].firstchild = -1;
firstsibling = dictionary[string_code].firstchild;
if( -1<firstsibling){ //存在子结点
nextsibling = firstsibling;
while( -1<dictionary[nextsibling].nextsibling )
nextsibling = dictionary[nextsibling].nextsibling;
dictionary[nextsibling].nextsibling = next_code;
}else{ // 之前没有子结点,设置为第一个
dictionary[string_code].firstchild = next_code;
}
next_code ++;
}
(4)LZW编码算法
// LZW编码
void LZWEncode( FILE *fp, BITFILE *bf){
int character;
int string_code;
int index;
unsigned long file_length;
fseek( fp, 0, SEEK_END); // 指针移到文件尾部
file_length = ftell( fp); // 得到文件长度
fseek( fp, 0, SEEK_SET); // 指针移到文件头部
BitsOutput( bf, file_length, 4*8); // 输出文件长度32位
InitDictionary(); // 初始化词典
string_code = -1;
while( EOF!=(character=fgetc( fp))){ // 指针移动,获取下一个字符,直至文件结束
index = InDictionary( character, string_code); // 查找词典,判断P+C是否在字典中
if( 0<=index){
// 如果P+C在词典中,返回P+C
string_code = index;
}else{
// 如果P+C不在词典中,输出P对应码字
output( bf, string_code);
if( MAX_CODE > next_code){
// 更新词典
AddToDictionary( character, string_code);
}
// 另P=C,继续移动指针
string_code = character;
}
}
output( bf, string_code);
}
3.结果分析
使用txt文本文件进行编码调试,在Dev C++运行选项的参数中输入:
txt文本文件如下:
编码后呈现的二进制文件如下,可以在右侧看到原文本内容:
二、LZW解码
1.解码原理
LZW解码算法开始时,译码词典和编码词典相同,包含所有可能的前缀根。具体解码算法如下:
步骤1:在开始译码时词典包含所有可能的前缀根。
步骤2:令CW:=码字流中的第一个码字。
步骤3:输出当前缀-符串string.CW到码字流。
步骤4:先前码字PW:=当前码字CW。
步骤5:当前码字CW:=码字流的下一个码字。
步骤6:判断当前缀-符串string.CW 是否在词典中。
(1)如果”是”,则把当前缀-符串string.CW输出到字符流。当前前缀P:=先前缀-符串string.PW。当前字符C:=当前前缀-符串string.CW的第一个字符。把缀-符串P+C添加到词典。
(2)如果”否”,则当前前缀P:=先前缀-符串string.PW。当前字符C:=当前缀-符串string.CW的第一个字符。输出缀-符串P+C到字符流,然后把它添加到词典中。
步骤7:判断码字流中是否还有码字要译。
(1)如果”是”,就返回步骤4。
(2)如果”否”,结束。
2.算法实现
(1)解码字符流
// 解码字符流,不断向上查找父母结点判断该码字对应字符串有几个字符
int DecodeString( int start, int code){
int count;
count = start;
while (0 <= code) { // 上一个字符串不为空
d_stack[count] = dictionary[code].suffix; // code后缀
code = dictionary[code].parent; // 首字母给code
count++;
}
return count;
}
(2)LZW解码
利用词典编码结构,不断向上查找母节点,判断该码字对应字符串有几个字符。同时将解码后的字符存入缓冲区,缓冲区内存放后面要用的前缀。
如果在解码中,码字>词典中的最后一个码字,就以为着该码字在词典中不存在。此时P=PW,把上一个字符串首位保存在character中(即将C存入缓冲区,C=CW),输出P+C并添加到词典。
// LZW解码
void LZWDecode( BITFILE *bf, FILE *fp){
int character=0; // 字符C
int new_code, last_code; //上一个字符
int phrase_length; //字段长度
unsigned long file_length; //文件长度
file_length = BitsInput(bf, 4 * 8); //根据之前的编码得到文件长度
if (-1 == file_length)
file_length = 0;
InitDictionary(); //初始化词典
last_code = -1;
while (0 < file_length) {
//直到文件尾
new_code = input(bf); //读入16位即第一个字符串
if (new_code >= next_code) {
//判断C是否在词典中,初始化后next_code=256
d_stack[0] = character; //不在词典中则把C存入d_stack[0]
phrase_length = DecodeString(1, last_code); //decodestring计算字符串长度,通过往上寻找母节点,同时解码
}
else {
//如果字符串在词典中则直接用new_code计算
phrase_length = DecodeString(0, new_code);
}
character = d_stack[phrase_length - 1]; //把第一个字符给C
while (0 < phrase_length) {
phrase_length--;
fputc(d_stack[phrase_length], fp);
file_length--; //倒序输出,同时控制整个循环要读的编码数减少
}
if (MAX_CODE > next_code) {
//把新词条写进词典
AddToDictionary(character, last_code);
}
last_code = new_code; //P=C
}
}
3.结果分析
将在LZW编码输出的二进制文件进行解码,输出文件text_out_decode.txt:
三、不同文件格式的编码比较
文件格式 | 输入文件大小 | 输出二进制文件大小 | 压缩比 |
txt | 5KB | 4KB | 80% |
png | 16KB | 25KB | 156.25% |
bmp | 193KB | 217KB | 112.435% |
pptx | 1870KB | 1417KB | 75.77% |
xlsx | 19KB | 28KB | 147.37% |
42KB | 64KB | 152.38% | |
mp3 | 2050KB | 2544KB | 124.10% |
wav | 6963KB | 8095KB | 116.26% |
mp4 | 34986KB | 42538KB | 121.58% |
avi | 1026KB | 1242KB | 121.05% |
通过表格发现,LZW编码可以对文本文件txt、Powerpoint文件pptx起到压缩作用。LZW词典编码对重复度高的文件压缩率较高,txt和ppt由大量中文字符组成,重复度没那么高压缩率就低。而其他更多复杂的格式,本身压缩程度很高的文件如视音频文件格式,LZW压缩效果并不好。
遇到的一些问题:
- 该实验需将文件放入工程中实现
- 在Dev C++运行选项的参数中输入参数:E/D、输入文件名、输出文件名
参考博客: