一、LZW词典编码
LZW词典编码,英文名称Lempel-Ziv-Welch算法,是由Abraham Lempel、Jacob Ziv和Terry Welch创建的通用无损数据压缩算法,属于第二类词典编码。它由 Welch 于 1984 年发布,作为 Lempel 和 Ziv 于 1978 年发布的LZ78算法的改进实现。该算法实现简单,并且在硬件实现中具有非常高的吞吐量的潜力。它是广泛使用的Unix文件压缩实用程序compress的算法,用于GIF图像格式。
二、LZW词典编码原理
根据字符串中字符具有重复性这一特点,LZW算法通过提取分析字符串,将已知的字符串用词典中的代号表示,遇到未知的字符串,将其标号放入构建词典中。随着字符串的输入,就可以通过相关编号记录原始数据流中一长串字符串,从而节省空间,压缩数据。
三、LZW词典编码步骤
词典编码算法输出的是词典中字符串的码字,因此最开始词典中不能为空,它必须包含可能在字符流中出现的所有单个字符。
- 词典初始化包含所有的单字符
- 读取字符串
- 读取的一个字符
string 1
观察是否在词典中- 若
string 1
为第一个字符则一定在词典中
- 若
- 若
string 1
在词典中,则多读一位,查询词典中string 1 + string 2
是否在词典中- 若
string 1 + string 2
不在词典中,则将string 1 + string 2
编入词典中,然后用string 1
对应的码字给string 1
编码- 再次读取,若
string 2 + string 3
不在词典中,则将string 2 + string 3
编入词典中,然后用string 2
对应的码字给string 2
编码 - 依此类推……
- 再次读取,若
- 若
string 1 + string 2
在词典中,则多读一位,查询词典中string 1 + string 2 + string 3
是否在词典中- 若
string 1 + string 2 + string 3
不在词典中,将string 1 + string 2 + string 3
编入词典,然后用string 1 + string 2
对应的码字给string 1 + string 2
编码 - 依次类推……
- 若
- 若
四、LZW解码步骤
词典编码时,词典中必须包含可能在字符流中出现的所有单个字符。在接收端这边一定有最原始的词典。因此收到的第一个码字可以直接解码。
- 收到的码流中,第一个码字
number 1
可直接解码 - 分析第二个码字
number 2
- 若
number 2
在词典中,则将number 2
解码,并将number 1 + number 2
对应的string 1 + string 2的第一个字符
编入词典中 - 若
number 2
不在词典中,则将number 1
对应的string 1
的第一个字符复写到string 1
的后面编入词典并解码,即将string 1 + string 1的第一个字符
编入词典。 - 依此类推……
- 若
五、LZW算法实现
LZW编码算法:
struct {//词典节点结构体
int suffix; //后缀字符
int parent, firstchild, nextsibling;//母节点、第一个孩子节点、兄弟节点
} dictionary[MAX_CODE+1]; //数组下标为编码
typedef struct{//二进制文件结构体
FILE *fp;//输出文件指针
unsigned char mask;//掩码
int rack;//缓存,每写入8位,写入rack
}BITFILE;
void LZWEncode( FILE *fp, BITFILE *bf){
int character;//字符
int string_code;//前缀
int index;//编码
unsigned long file_length;//文件大小
fseek( fp, 0, SEEK_END);//文件指针定位到文件最后
file_length = ftell( fp);//输入文件大小
fseek( fp, 0, SEEK_SET);//文件指针定位到文件起始
BitsOutput( bf, file_length, 4*8);//将输入文件大小写入输出文件。32位表示文件大小
InitDictionary();//词典初始化
string_code = -1;//前缀初始化
while( EOF!=(character=fgetc( fp))){//依次扫描输入文件,取出各字符
index = InDictionary( character, string_code);//判断码字string+character是否在词典中
if( 0<=index){ // string+character在词典中
string_code = index;//将string+character对应编码作为前缀
}else{ // string+character不在词典中
output( bf, string_code);//输出前缀
if( MAX_CODE > next_code){ // 若词典有剩余空间
// 将string+character加入词典
AddToDictionary( character, string_code);
}
string_code = character;//将新字符作为新的前缀
}
}
output( bf, string_code);//文件扫描完毕,将最后未输出的前缀输出
}
void InitDictionary( void){//词典初始化即将0-255根节点初始化
int i;
for( i=0; i<256; i++){//下标为ASCII码值
dictionary[i].suffix = i;//根的后缀字符为对应ASCII码
dictionary[i].parent = -1;//没有母节点
dictionary[i].firstchild = -1;//暂时没有第一个孩子节点
dictionary[i].nextsibling = i+1;//下一个兄弟节点下标为下一个ASCII码值
}
dictionary[255].nextsibling = -1;//最后一个根节点没有下一个兄弟节点
next_code = 256;//下一个编码为256
}
int InDictionary( int character, int string_code){//判断码字string+character是否在词典中 string_code前缀 character后缀
int sibling;
if( 0>string_code) return character;//文件第一个字符,故而编码为character的ASCII码值
/*自左向右遍历string_code节点的所有孩子(第一个孩子的所有兄弟)*/
sibling = dictionary[string_code].firstchild;//string_code节点的第一个孩子
while( -1<sibling){//sibling=-1时说明所有兄弟遍历结束
if( character == dictionary[sibling].suffix) return sibling;//若找到兄弟节点的后缀是character,则返回此节点的编码即下标sibling
sibling = dictionary[sibling].nextsibling;//若该兄弟节点后缀不是character,则寻找下一个兄弟节点
}
return -1;//若遍历所有兄弟节点的后缀后,都找不到该字符,说明string+character不在字典中,返回-1
}
void AddToDictionary( int character, int string_code){//码字不在词典,添加进词典中,并编码为next_code
int firstsibling, nextsibling;
if( 0>string_code) return;
dictionary[next_code].suffix = character;//新节点的后缀为该字符
dictionary[next_code].parent = string_code;//新节点的母亲节点为该前缀
dictionary[next_code].nextsibling = -1;//新节点下一个兄弟节点暂不存在
dictionary[next_code].firstchild = -1;//新节点的第一个孩子节点暂不存在
firstsibling = dictionary[string_code].firstchild;//新节点的母亲节点的第一个孩子
/*设置新节点的兄弟关系*/
if( -1<firstsibling){ // 若新节点的母亲节点原本有孩子
nextsibling = firstsibling;
while( -1<dictionary[nextsibling].nextsibling ) //循环找到该母亲节点的最后一个孩子即新节点的最后一个兄弟
nextsibling = dictionary[nextsibling].nextsibling;
dictionary[nextsibling].nextsibling = next_code;//将新节点设为最后一个兄弟的下一个兄弟
}else{// 若新节点的母亲节点原本没有孩子
dictionary[string_code].firstchild = next_code;//则新节点是母亲节点的第一个孩子
}
next_code ++;//下一个编码增加1
}
BITFILE *OpenBitFileOutput( char *filename){//输出文件名
BITFILE *bf;
bf = (BITFILE *)malloc( sizeof(BITFILE));
if( NULL == bf) return NULL;
if( NULL == filename) bf->fp = stdout;//如果参数为NULL,则指向屏幕
else bf->fp = fopen( filename, "wb");//以二进制只写的方式打开文件
if( NULL == bf->fp) return NULL;
bf->mask = 0x80;//掩码为10000000
bf->rack = 0;//缓存为0
return bf;
}void BitsOutput( BITFILE *bf, unsigned long code, int count){
unsigned long mask;
/*计算掩码值,位数为count的数值且最高位为1,例如若count为16,则mask=1000 0000 0000 0000*/
mask = 1L << (count-1);
while( 0 != mask){//mask为0时,说明code的count位数字输出完毕,注意:LZW是等长码
BitOutput( bf, (int)(0==(code&mask)?0:1));//按位输出code
mask >>= 1;//掩码向右移位
}
}
void BitOutput( BITFILE *bf, int bit){
/*若bite=1,则本code输出结束,此时mask为1,rack为0,则缓存rack变为1
若bit=0,则尚未输出结束,此时mask向右移位,为0,rack不变*/
if( 0 != bit) bf->rack |= bf->mask;
bf->mask >>= 1;//mask向右移1位
/*若mask溢出为0,则表示成功累计写入8位,则直接输出rack,
并将rack初始化为0,mask初始化为1000 0000*/
if( 0 == bf->mask){ // eight bits in rack
fputc( bf->rack, bf->fp);
bf->rack = 0;
bf->mask = 0x80;
}
}
LZW解码算法
void LZWDecode( BITFILE *bf, FILE *fp){
//需填写
int character;//新/旧编码首字母
int new_code;//新编码
int last_code = -1;//起初旧编码空缺,初始化为-1
int string_length;//输出字符串长度
unsigned long file_length;//输出文件大小
file_length = BitsInput(bf, 4*8);//输入文件起始处为输出文件大小,共32位
if (-1 == file_length) file_length = 0;//若文件无内容,大小为0
InitDictionary();//词典初始化,设置0-255的根节点
while (file_length > 0) {//若读取到最后一个编码,结束循环
new_code = input(bf);//16位读取新编码
if (new_code >= next_code) {//若字典中没有新编码
d_stack[0] = character;//character为旧编码last_code的首字母,将其放置在数组d_stack[0]首位
/*遍历旧编码last_code所在树,将last_code对应字符串放入d_stack,前缀在栈底,后缀在d_stack[1]。返回字符串长度*/
string_length = DecodeString(1, last_code);
}
else {//若字典中已有新编码
/*遍历新编码new_code所在树,将new_code对应字符串放入d_stack,前缀在栈底,后缀在d_stack[0]。返回字符串长度*/
string_length = DecodeString(0, new_code);
}
/*若新读取的编码不存在于词典中,character为旧编码last_code的首字母
若新读取的编码存在于词典中,character为新编码new_code的首字母*/
character = d_stack[string_length - 1];
/*若新读取的编码不存在于词典中,输出旧编码last_code对应字符串+last_code的首字母
若新读取的编码存在于词典中,输出新编码new_code对应字符串*/
while (string_length > 0) {
string_length--;
fputc(d_stack[string_length], fp);
file_length--;
}
/*若新读取的编码不存在于词典中,将last_code对应字符串+last_code的首字母添加到词典
若新读取的编码存在于词典中,将last_code对应字符串+new_code的首字母添加到词典*/
if (MAX_CODE > next_code) {
AddToDictionary(character, last_code);
}
last_code = new_code;//新编码变为旧编码
}
}