Lab3 LZW 编解码算法实现与分析——C语言代码实现

Lab3 LZW 编解码算法实现与分析——C语言代码实现

一、实验步骤

1. 首先调试LZW的编码程序，以一个文本文件作为输入，得到输出的LZW编码文件。
2. 将得到的编码文件作为输入文件，编写LZW的解码程序。
3. 选择至少十种不同格式类型的文件，使用LZW编码器进行压缩得到输出的压缩比特流文件，并对各种不同格式的文件进行压缩效率的分析。

二、实验原理

（一）编码原理

LZW算法编码基本思想：

• 初始化包含单字符的词典表
• 判断输入数据流中的当前字符串是否在词典表中
• 若在词典中，则继续读取输入数据
• 若不在词典中，则将当前字符串写入词典，分配一个新的数字索引号，生成新词条，便于下次使用
• 将新写入的索引号进行输出，实现压缩目的，并继续读取输入数据
• 循环判断，直至输入数据全部读取完毕

数据的重复性是算法实现的保证之一。

（二）解码原理

LZW算法解码基本思想：

• 初始化包含单字符的词典表
• 判断输入数据流中的当前字符串是否在词典表中
• 若在词典中，则把当前字符串输出到字符流，并将先前字符串+当前字符串的第一个字符写入词典中
• 若不在词典中，则把先前字符串+当前字符串的第一个字符进行输出，并将其写入词典中
• 继续读取输入数据，循环判断，直至输入数据全部读取完毕

需要特别注意的是：
对于步骤6进行判断的第二种情况，即当前前缀-符串string.CW并不在词典中的情况，我们依然可以正确实现解码输出。

• 出现这种情况的原因：在编码时，上一个刚创建的新词条直接被下一个词组所使用。
• 算法的实现表明，解码端的词典建立会比编码端晚一步。
• 处理这种情况的做法：由于下一个词条的尾缀必定是该词条的第一个字符，所以直接输出这个字符，然后再用先前一条词条的code进行译码即可。

三、程序实现

（一）数据结构分析

• 树用数组dict[ ]表示，数组下标用pointer表示
• dict[pointer]表示一个节点
• dict[pointer].suffix表示尾缀字符
• dict[pointer].parent表示母节点
• dict[pointer].firstchild表示第一个孩子节点
• dict[pointer].nextsibling表示下一个兄弟节点

（二）主要模块分析

1、初始化词典表

void InitDictionary( void){
	int i;

	for( i=0; i<256; i++){
		dictionary[i].suffix = i;
		dictionary[i].parent = -1;
		dictionary[i].firstchild = -1;
		dictionary[i].nextsibling = i+1;
	}
	dictionary[255].nextsibling = -1;
	next_code = 256;
}

2、查找字符串

int InDictionary( int character, int string_code){
	int sibling;
	if( 0>string_code) return character;
	sibling = dictionary[string_code].firstchild;
	while( -1<sibling){
		if( character == dictionary[sibling].suffix) return sibling;
		sibling = dictionary[sibling].nextsibling;
	}
	return -1;
}

3、在词典中写入新词条

4、编码实现函数

5、解码实现函数

void LZWDecode( BITFILE *bf, FILE *fp)
{	//解码端实现函数
	int character;  //字符代号
	int new_code, last_code;  
	int phrase_length;  //字符串长度
	unsigned long file_length;  //文件长度

	file_length = BitsInput( bf, 4*8);  //根据传入参数bf计算有多少个字符
	if( -1 == file_length) file_length = 0;
	
	InitDictionary();  //初始化字典,为每个ASCII字符对应一个词条，即0-255个词条
	last_code = -1;  
	while( 0<file_length)  //判断输入的数据流是否已经全部读取完毕
	{
		new_code = input( bf);  //读取一个输入的索引号
		if( new_code >= next_code)  //将new_code与next_code进行比较，比较当前读取的索引号与词典目前最大索引号的大小关系
		//判断解码端收到的码字是否已经存在于字典中
		{ // this is the case CSCSC( not in dict) 解码端收到的码字不在字典中
			d_stack[0] = character;  //将当前字符代号写入堆栈，即当前字符串的尾缀更新为当前字符
			phrase_length = DecodeString( 1, last_code);  //解码得到字符
		}
		else
		{// 解码端收到的码字已经在字典中
			phrase_length = DecodeString( 0, new_code);  //解码得到字符
		}
		character = d_stack[phrase_length-1];  //更新堆栈，倒序存储，为写入新词条做准备
		while( 0<phrase_length)  //将字符串写入文本文件
		{
			phrase_length --;
			fputc( d_stack[ phrase_length], fp);
			file_length--;
		}
		if( MAX_CODE>next_code)  //当词典还有可写入新词条的内存空间时
		{// add the new phrase to dictionary
			AddToDictionary( character, last_code);
		}
		last_code = new_code;  //更新词典词条总数
	}
}

（三）实验结果

原文本文件lab6_test.txt

编码输出的压缩文件lab6_encode.txt

解码得到的文本文件lab6_decode.txt

由实验结果可知，编解码过程均正确。

四、压缩效率对比

选取十种不同格式类型的文件，使用LZW编码器进行压缩，计算压缩效率。

文件格式	压缩效率
1.txt	0.6
2.pdf	1.296
3.xlsx	1.255
4.docx	1.615
5.bmp	0.272
6.jpg	1.192
7.png	1.267
8.avi	1.194
9.mp4	1.237
10.html	0.559

• 总结：
• LZW算法适合用于压缩较大的文字类型文件，且内容重复率越高，压缩效率越大。
• LZW算法的实现基础在于编解码两端词典表的创建。
• LZW算法不需要将词典表传送至解码端，从而避免了因词典表的内容过大，导致压缩失效。