作为哈夫曼树的一个重要应用,我们来介绍哈夫曼编码。在我的上一篇博文《树之哈夫曼树》中已经介绍了建立哈夫曼树的过程,而由哈夫曼树求得的编码为最优前缀码。 每个叶子表示的字符的编码,就是 从根到叶子的路径上的标号依次相连所形成的编码,显然这就是该字符的最优前缀码。 所谓 前缀码 是指,对字符集进行编码时,要求字符集中任一字符的编码都不是其它字符的编码的前缀,比如常见的等长编码就是前缀码。所谓 最优前缀码 是指,平均码长或文件总长最小的前缀编码称为最优的前缀码(这里的平均码长相当于码长的期望值)。
我们知道,变长编码可能使解码产生二义性,而前缀码的出现很好地解决了这个问题。而平均码长相当于二叉树的加权路径长度,从这个意义上说,由哈夫曼树生成的编码一定是最优前缀码,故通常不加区分的将哈夫曼编码也称作最优前缀码。
需要注意的是,由于哈夫曼树建立过程的不唯一性可知,生成的哈夫曼编码也是不唯一的,并且在本文中,将树中左分支和右分支分别标记为0和1也造成了哈夫曼编码的不唯一性(当然也可以反过来,将左分支记为1,右分支记为0)。
在实际应用中,我们通常采用下列做法:根据各个字符的权值建立一颗哈夫曼树,求得每个字符的哈夫曼编码,有了每个字符的哈夫曼编码,我们就可以制作一个该字符集的哈夫曼编码表。有了字符集的哈夫曼编码表之后,对数据文件的 编码过程 是:依次读人文件中的字符c,在哈夫曼编码表H中找到此字符,将字符c转换为对应的哈夫曼编码串。对压缩后的数据文件进行 解码 则必须借助于哈夫曼树,其过程是:依次读人文件的二进制码,从哈夫曼树的根结点出发,若当前读入0,则走向左孩子,否则走向右孩子。一旦到达某一叶子时便译出相应的字符。然后重新从根出发继续译码,直至文件结束。下面给出制作哈夫曼编码表的过程的代码,通过以上的分析,读者不难写出文件编码过程和解码过程的代码。
#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<algorithm>
using namespace std;
#define n 6 //叶子数目
#define m 2*n-1 //树中结点总数
typedef struct{ //结点类型
double weight; //结点的权值
int parent,lchild,rchild;//双亲指针及左右孩子
}HTNode;
typedef HTNode HuffmanTree[m];//HuffmanTree是向量类型
typedef struct{ //用于SelectMin函数中排序的结点类型
int id; //保存根结点在向量中的序号
double weight; //保存根结点的权值
}temp;
typedef struct{ //编码结点
char ch; //存储字符
char bits[n+1]; //存放编码位串
}CodeNode;
typedef CodeNode HuffmanCode[n];
void InitHuffmanTree(HuffmanTree T){
//初始化哈夫曼树
//将2n-1个结点里的三个指针均置为空(即置为-1),权值置为0
for(int i=0;i<m;i++){
T[i].lchild=-1;
T[i].rchild=-1;
T[i].parent=-1;
T[i].weight=0;
}
}
void InputWeight(HuffmanTree T){
//输入叶子权值
//读人n个叶子的权值存于向量的前n个分量中
for(int i=0;i<n;i++){
double x;
scanf("%lf",&x);
T[i].weight=x;
}
}
bool cmp(temp a,temp b){
//用于排序的比较函数
return a.weight<b.weight;
}
void SelectMin(HuffmanTree T,int k,int *p1,int *p2){
//在前k个结点中选择权值最小和次小的根结点,其序号分别为p1和p2
temp x[m]; //x向量为temp类型的向量
int i,j;
for(i=0,j=0;i<=k;i++){ //寻找最小和次小根节点的过程
if(T[i].parent==-1){//如果是根节点,则进行如下操作
x[j].id=i; //将该根节点的序号赋值给x
x[j].weight=T[i].weight;//将该根节点的权值赋值给x
j++; //x向量的指针后移一位
}
}
sort(x,x+j,cmp); //对x按照权值从小到大排序
//排序后的x向量的第一和第二个位置中存储的id是所找的根节点的序号值
*p1=x[0].id;
*p2=x[1].id;
}
void CreateHuffmanTree(HuffmanTree T){
//构造哈夫曼树,T[m-1]为其根结点
int i,p1,p2;
InitHuffmanTree(T); //将T初始化
InputWeight(T); //输入叶子权值
for(i=n;i<m;i++){
//在当前森林T[0..i-1]的所有结点中,选取权最小和次小的
//两个根结点T[p1]和T[p2]作为合并对象
//共进行n-1次合并,新结点依次存于T[i]中
SelectMin(T,i-1,&p1,&p2);//选择权值最小和次小的根结点,其序号分别为p1和p2
//将根为T[p1]和T[p2]的两棵树作为左右子树合并为一棵新的树
//新树的根是新结点T[i]
T[p1].parent=T[p2].parent=i;//T[p1]和T[p2]的两棵树的根结点指向i
T[i].lchild=p1; //最小权的根结点是新结点的左孩子
T[i].rchild=p2; //次小权的根结点是新结点的右孩子
T[i].weight=T[p1].weight+T[p2].weight;//新结点的权值是左右子树的权值之和
}
}
void CharSetHuffmanEncoding(HuffmanTree T,HuffmanCode H){
//根据哈夫曼树T求哈夫曼编码表H
int c,p;//c和p分别指示T中孩子和双亲的位置
char cd[n+1];//临时存放编码
int start;//指示编码在cd中的起始位置
cd[n]='\0';//编码结束符
getchar();
for(int i=0;i<n;i++){//依次求叶子T[i]的编码
H[i].ch=getchar();//读入叶子T[i]对应的字符
start=n;//编码起始位置的初值
c=i;//从叶子T[i]开始上溯
while((p=T[c].parent)>=0){//直至上溯到T[c]是树根为止
//若T[c]是T[p]的左孩子,则生成代码0;否则生成代码1
if(T[p].lchild==c)
cd[--start]='0';
else
cd[--start]='1';
c=p;//继续上溯
}
strcpy(H[i].bits,&cd[start]);//复制编码位串
}
}
//*************************测试函数**********************************
int main(){
HuffmanTree T;
HuffmanCode H;
printf("请输入%d个叶子结点的权值来建立哈夫曼树:\n",n);
CreateHuffmanTree(T);
printf("请输入%d个叶子结点所代表的字符:\n",n);
CharSetHuffmanEncoding(T,H);
printf("哈夫曼树已经建好,哈夫曼编码已经完成,输出如下:\n");
printf("哈夫曼树:\n");
for(int i=0;i<m;i++){
printf("id:%d weight:%.1lf parent:%d",i,T[i].weight,T[i].parent);
printf(" lchild:%d rchild:%d\n",T[i].lchild,T[i].rchild);
}
printf("哈夫曼编码:\n");
double wpl=0.0;
for(int i=0;i<n;i++){
printf("id:%d ch:%c code:%s\n",i,H[i].ch,H[i].bits);
wpl+=strlen(H[i].bits)*T[i].weight;
}
printf("平均码长为:%.2lf\n",wpl);
return 0;
}
测试样例及预测运行结果:(表中和图中的权重数值weight均需要乘以0.01)
运行结果: