程序是怎样跑起来的－第06章亲自尝试压缩数据

本文链接：https://blog.csdn.net/u014222687/article/details/51471587

第06章亲自尝试压缩数据

热身问题

1:文件存储的基本单位是什么？

1字节(＝8位)，文件是字节数据的集合体。

2:文件内容用“数据的值＊循环次数”来表示的压缩方法是RLE算法还是哈夫曼算法？

RLE算法，例如：AAABB这个数据压缩后是A3B2。像这样，把文件内容用“数据＊重复次数”的形式来表示的压缩方法称为RLE（Run Length Encoding，行程长度编码）算法，如发送传真图像时多使用此算法。

3:BMP（BITMAP）格式的图像文件，是压缩过的吗？

没有压缩过，因为BMP格式的图像文件是没有压缩的，因此要比JPEG格式等压缩过的图像文件大不少。

4:可逆压缩和非¥[可逆压缩]的不同点是什么？

压缩后的数据¥[能复原]的是可逆压缩，¥[无法复原]的是非可逆压缩。像JPEG格式这样的图片，之所以压缩后会让人感到不自然，就是因为使用了非可逆压缩。

6.1 文件以字节为单位保存

文件是将数据存储在磁盘等存储媒介中的一种形式。程序文件中存储数据的单位是字节。文件的大小之所以用XXKB，XXMB等来表示，就是因为文件是以字节（B＝Byte）为单位来存储的。

文件是将数据存储在磁盘等存储媒介中的一种形式，程序文件中存储数据的单位是¥[字节]。从物理上对磁盘进行读写时是以¥[扇区的整数倍（簇）]（如512字节）为单位的，但另一方面，程序则可以在¥[逻辑]上以字节为单位对文件的内容进行读写。文件就是¥[字节数据的集合]，在任何情况下，文件中的¥[字节数据]都是¥[连续存储]的，大家一定要认识到这一点。

6.4 用二叉树实现哈夫曼编码

压缩后同压缩前文件大小的比率，称为¥[压缩比率]或¥[压缩比]。

哈夫曼算法（D.A.¥[Huffman]）：举例说明：如一文本文件中每个字符占1个字节、8个位，若文本中有100个字符‘Q’，2个字符‘A’，则共占据102个字节，816位。若使用2个位表示‘Q’，10个位表示‘A’则使用200位＋20位即可。可以看出选择恰当的¥[编码体系]可以有效的减少占用的存储空间。

哈夫曼算法是指，为各压缩对象文件分别构造最佳的编码体系，并以该编码体系为基础来进行压缩。因此，用什么样的编码（¥[哈夫曼编码]）对数据进行分割，就要由各个文件而定。用哈夫曼算法压缩过的文件中，存储着哈夫曼编码信息和压缩过的数据。

下面我们一AAAAAAEEEEEBBDDCF为例来说明哈夫曼编码：

字符：A E B D C F

频率：6 5 2 2 1 1

编码：0 1 10 11 100 101

位数：1 1 2 2 3 3

可以看出频率越高的字符所占用的存储空间¥[越少]，但是该体系存在问题：例如100这个3位的编码，意思是什么呢？因此如果不加入区分字符的符号，这个编码方案就无法使用。我们可以通过哈夫曼树构造编码体系，在不使用字符区分符的情况下也可以明确区分编码体系。

哈夫曼树：在哈夫曼算法中，通过借助¥[哈夫曼树]构造编码体系，即使在不使用字符¥[区分符]号的情况下，也可以构建能够明确进行区分的编码体系。以AAAAAABBCDDEEEEEF为例：

步骤1：列出数据及其出现频率，()里面表示的是出现频率，这里按照降序排列

频率：6 5 2 2 1 1

字幕：A E B D C F

步骤2：选择两个出现频率最小的数字，拉出两条线，并在交叉地方写上两个字的和。当有多个选项时，任意选取即可。

/ \

频率：6 5 2 2 1 1

字幕：A E B D C F

步骤3：重复步骤2，知道这些数字汇聚到一个点上。

/ \

/ 6

/ ／ \

11 4 2

/ \ / \ / \

频率：6 5 2 2 1 1

字幕：A E B D C F

步骤4：最后这些数字汇聚到一个点上，该点就是根，这样哈夫曼树也就完成了。按照从根部到底部的叶子这一顺序，在左边的树枝上写上0，右边的树枝上写上1。然后从根部开始沿着树枝到达目标文字后，再按照顺序把树枝上的0或者1记录下来就是哈夫曼编码了。

频率：6 5 2 2 1 1

字幕：A E B D C F

编码：00 01 100 101 110 111

认真观察可以发现，在用树枝连接数据时，我们是从出现¥[频率较低]的数据开始的，这就意味着出现频率较低的数据到达根部的枝条就越多。而枝条数越多，编码的位数也就随之增多。仔细观察还会发现两位的编码与任一个三位的编码的前两位¥[绝不相同]，否者在解码时就有可能出现¥[歧义]。

6.7 非可逆压缩和可逆压缩

可逆压缩和非可逆压缩：Windows的标准图像数据形式为BMP，是完全未压缩的。由于与显示器以及打印机输出的bit（点）是可以直接¥[映射]（mapping）的，因此便有了BMP（bitmap）这一名称。常用的图片格式还有：BMP(Bitmap)、JPEG(Joint(joint |dʒɔɪnt| n 关节、接合处 adj联合的) Photographic(|ˌfəʊtəˈgræfɪk| adj 摄影的) Experts(expert |ˈekspɜːt| n 专家 adj 熟练的) Group)、TIFF(Tag Image File Format)、GIF(Graphics Interchange(interchange n 交换 v 交替发生) Format)等。