数据结构编程实践（七）创建哈夫曼树、生成哈夫曼编码、完成图片的压缩与解压缩

一、对图片的压缩与解压缩，涉及以下内容：

1．文件读写

2．创建Huffman树

3．生成Huffman编码

4．压缩图片文件

5 .  解压缩图片文件 

二、将项目分成三个小任务，下一任务是在上一任务的基础上完成：

1．任务一：统计权值、创建Huffman树

2．任务二：生成Huffman编码、保存压缩文件

3．任务三：解压压缩文件，恢复原文件

下面开始完整的步骤：

三、统计权值、生成Huffman树

1.Huffman树的存储结构定义

2.统计Huffman树中各结点权值大小的方法及结果

初始化权值为0，通过循环从文件头开始读取文件，直到文件结尾为止，把读到的字节赋值给无符号字符c，然后把与c同值的数组下标所在的元素权值加一。（由于！Feof函数会多读一次文件，所以需要在最后减一得到文件长度。）

程序运行结果如下：

3、 描述生成Huffman树的算法并输出Huffman树各个结点的信息

对树进行初始。由于Huffman树的结点不会超过512，可以采用顺序存储结构，初始数组HuffTreeNode[512]中所有元素包括以下信息：

⦁ b（节点表示的字节）:节点表示的字节值，初始可为’\0’。

⦁ count（权值）：前面读文件时已统计，此处无需统计。

⦁ parent（父节点）：此时哈夫曼树未建立，故设为-1。

⦁ lchild（左孩子）：此时哈夫曼树未建立，故设为-1。

⦁ rchild（右孩子）：此时哈夫曼树未建立，故设为-1。

⦁ bits数组（结点对应的哈夫曼编码）：此时哈夫曼树并未建立，可不设置。

HuffTreeNode[512]数组其中叶子结点在下标小的，所有的叶子结点在前面（0~255），非叶子结点在后面（256~511）。

通过循环，对权值不为0的结点通过强制转型赋与其下标一致的字符值，权值为0的不计。

然后对父节点和孩子赋初始值。图片中可能会出现256种字节，但可能某些字节并未出现，因此判断HuffTreeNode数组前256个元素有权值的元素，让这些元素做为Huffman树的叶子结点，其它的颜色不参于树的生成，提高效率。

采用简单选择排序，将HuffTreeNode数组前256个元素按权值从大到小排序，从而找到有权值的元素个数，记录叶子节点的个数，得到哈夫曼树的总结点数。

每次选HuffTreeNode数组中权值最小的两个元素，其中最小值作为树的左孩子，次小值做为树的右孩子，构建哈夫曼树的后n-1个结点，先预设一个最大权值，通过循环，parent!=-1 说明该结点已在哈夫曼树中，跳出循环重新选择新节点，通过比较找到最小结点和次小结点。然后将该树的根结点作为Huffuman树的非叶子结点。为了保存它们之间的逻辑关系，保存左右孩子的父节点设置，将根节点的权值设置为左右孩子权值之和，将根节点的左右孩子设置。在parent值是0的结点中选取count值最小的两个结点进行合并，规定最小的合并为左孩子，第二小值合并为右孩子，合并生成的根结点的count值为左右孩子权值之和。重复上述过程，直到所有结点合并成一棵树。（parent=0