python实现信息论哈夫曼编码_对一幅BMP格式的灰度图像进行二元霍夫曼编码和译码...

对一幅BMP格式的灰度图像进行二元霍夫曼编码和译码

信息论的实验终于结束了,才开始写python,写的比较乱,仅供参考

主要思想

霍夫曼编码关键在于树的构造，其构造要达到的目的为权重越大越靠近叶子结点，权重越小越靠近根，即使出现次数越多的值的码长越短。

构造时每次去权重最小的两个点合并为一个点n，这两个点为点n的左右子结点，这两个点的权重的和为结点n的权重，然后重复上述操作直至剩下一个点。如：

程序说明

1、还原程序直接将图像大小写死了为256* 256

2、程序中编码效率的计算为信源熵除以平均码长

3、了解了python中的pillow库

Image.open(图像)打开图像

getpixel((x,y))得到图像x,y处像素值

Image.fromarry(数组,astype('uint8')).convert('L')将一个数组还原为图像，其中L表示灰度图

show()展示图像

save()保存图像

4、统计一个列表中各数值的个数

#需要导入from collections import Counter

c = Counter()

for num in list:

c[num] = c[num] + 1

#list为一个列表，比如list=[11,11,22,22,22,33],则运行结果c={11:2,22:3,33:1}

5、np.arrry(矩阵)可以将矩阵变为数组

需要导入import numpy as np

程序还原时发现图像是镜像的，不知哪有问题，后来干脆把得到的二维数组转置一下，发现可以

转置有两种方法：

(1)T: 数组.T

(2)reshape：np.reshape(数组)

编码程序

import os

import math

from PIL import Image

from collections import Counter

#定义树的结构

class BinaryTree:

def __init__(self,weight,name=None):

self.name=name

self.weight = weight

self.leftChild = None

self.rightChild = None

#读取图像,将像素存入一个列表im_list

image_name