Huffman 编码 实验报告
来源:互联网 发布:那年夏天宁静的海 知乎 编辑:程序博客网 时间:2024/05/17 01:57
Huffman编码的方法
(1)统计符号发生的概率。
(2)按照出现概率从小到大排序。
(3)每一次选出概率最小的两个符号作为二叉树的叶节点,将和作为它们的根节点,其频率为两个子节点频率之和,这两个叶子节点不再参与比较,再用新的根节点参与比较。
(4)重复(3)步骤,直到得到概率为1的根节点。
(5)二叉树的左节点为0,右节点为1,从上到下由根节点到叶节点得到每个叶节点的编码。
Huffman节点及Huffman码字节点的数据结构
typedef struct huffman_node_tag {unsigned char isLeaf; // 是否为叶节点,1是0否unsigned long count; //信源中出现频数struct huffman_node_tag *parent; //父节点指针union{struct{ //如果不是叶节点,这里为左右子节点指针struct huffman_node_tag *zero, *one;};unsigned char symbol; //如果是叶节点,这里为一个信源符号};} huffman_node;typedef struct huffman_code_tag //码字数据类型{unsigned long numbits; //码字长度/* 码字的第1到第8比特由低到高保存在bits[0]中,第9比特到第16比特保存在bits[1]中/unsigned char *bits;} huffman_code;
静态链接库
该程序文件包含两个两个工程(project),其中“Huff_run”为主工程(Win32 Console Application),其中包含程序的主函数,有“Huff_code”为库工程(Win32 Static Library)。
Huffman编码的流程
1.读入文件。
2.进行第一次扫描,统计文件中各个字符出现的频率。
3.建立huffman树。
4.将码表及其他必要信息写入输出文件。
5.第二次扫描,对源文件进行编码并输出。
Huff_code
Huffman.h
/* * huffman_coder - Encode/Decode files using Huffman encoding. * http://huffman.sourceforge.net * Copyright (C) 2003 Douglas Ryan Richardson; Gauss Interprise, Inc * * This library is free software; you can redistribute it and/or * modify it under the terms of the GNU Lesser General Public * License as published by the Free Software Foundation; either * version 2.1 of the License, or (at your option) any later version. * * This library is distributed in the hope that it will be useful, * but WITHOUT ANY WARRANTY; without even the implied warranty of * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU * Lesser General Public License for more details. * * You should have received a copy of the GNU Lesser General Public * License along with this library; if not, write to the Free Software * Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA */#ifndef HUFFMAN_HUFFMAN_H#define HUFFMAN_HUFFMAN_H#include <stdio.h>int huffman_encode_file(FILE *in, FILE *out,FILE *out_Table );//step1:changed by yzhang for huffman statisticsint huffman_decode_file(FILE *in, FILE *out);int huffman_encode_memory(const unsigned char *bufin, unsigned int bufinlen, unsigned char **pbufout, unsigned int *pbufoutlen);int huffman_decode_memory(const unsigned char *bufin, unsigned int bufinlen, unsigned char **bufout, unsigned int *pbufoutlen);#endif
Huffman.c
1.从源文件中读取数据(本实验以ASCII字符流),统计每个符号发生的概率,并建立相应的树叶节点。
#define MAX_SYMBOLS 256typedef huffman_node* SymbolFrequencies[MAX_SYMBOLS];
static unsigned intget_symbol_frequencies(SymbolFrequencies *pSF, FILE *in)//统计文件中各个字符出现频率{ int c; unsigned int total_count = 0;//扫描的总信源符号数,初始化为0 /* 将所有信源符号地址初始化为NULL,使得所有字符频率为0 */ init_frequencies(pSF); /* 计算输入文件中每个符号的频率。 */ while((c = fgetc(in)) != EOF)//挨个读取字符 { unsigned char uc = c;//将读取的字符赋给uc if(!(*pSF)[uc])//如果uc不存在对应的空间,即uc是一个新的符号 (*pSF)[uc] = new_leaf_node(uc);//产生该字符的一个新的叶节点。 ++(*pSF)[uc]->count;//如果uc不是一个新的字符,则当前字符出现的频数累加1 ++total_count;//总计数值加1 } return total_count;//返回值为总计数值}new_leaf_node()
static huffman_node*new_leaf_node(unsigned char symbol)/*新建一个叶节点*/{ huffman_node *p = (huffman_node*)malloc(sizeof(huffman_node)); p->isLeaf = 1;//1表示是叶节点 p->symbol = symbol;//将新的符号的值存入symbol中 p->count = 0;//该节点的频数为初始化0 p->parent = 0;//该节点父节点初始化为0 return p;}
2.构建霍夫曼树及生成霍夫曼码 。
static SymbolEncoder*calculate_huffman_codes(SymbolFrequencies * pSF){ unsigned int i = 0; unsigned int n = 0; huffman_node *m1 = NULL, *m2 = NULL; SymbolEncoder *pSE = NULL;#if 0 printf("BEFORE SORT\n"); print_freqs(pSF);#endif /* 按升序对符号频率数组进行排序 */ qsort((*pSF), MAX_SYMBOLS, sizeof((*pSF)[0]), SFComp);//数组的起始地址,数组的元素数,每个元素的大小,比较函数的指针 //将所有的节点按照字符概率小到大排序,可使用qsort函数对节点结构体进行排序。排序的依据是SFComp,即根据每个字符发生的概率进行排序。#if 0 printf("AFTER SORT\n"); print_freqs(pSF);#endif /*得到文件出现的字符种类数 */ for(n = 0; n < MAX_SYMBOLS && (*pSF)[n]; ++n) ; /* * Construct a Huffman tree. This code is based * on the algorithm given in Managing Gigabytes * by Ian Witten et al, 2nd edition, page 34. * Note that this implementation uses a simple * count instead of probability. 构建霍夫曼树 */ for(i = 0; i < n - 1; ++i) { /* 将m1和m2设置为最小概率的两个子集。 */ m1 = (*pSF)[0]; m2 = (*pSF)[1]; /* 将m1和m2替换为一个集合{m1,m2},其概率是m1和m2之和的概率。*/ //合并m1、m2为非叶节点,count为二者count之和 //并将该非叶节点的左右孩子设为m1、m2 //将左右孩子的父节点指向该非叶节点 //将(*pSF)[0]指向该非叶节点 (*pSF)[0] = m1->parent = m2->parent = new_nonleaf_node(m1->count + m2->count, m1, m2);// (*pSF)[1] = NULL;//1节点置空 /* 由于最小的两个频率数,进行了合并,频率大小发生改变,所以重新排序 */ qsort((*pSF), n, sizeof((*pSF)[0]), SFComp); } /* Build the SymbolEncoder array from the tree. */ pSE = (SymbolEncoder*)malloc(sizeof(SymbolEncoder)); //定义一个指针数组,数组中每个元素是指向码节点的指针 memset(pSE, 0, sizeof(SymbolEncoder)); build_symbol_encoder((*pSF)[0], pSE); return pSE;}
其中qsort函数使用到的比较函数SFComp代码如下:
static intSFComp(const void *p1, const void *p2){ const huffman_node *hn1 = *(const huffman_node**)p1; const huffman_node *hn2 = *(const huffman_node**)p2; /* 用于将所有NULL排到最后 */ if(hn1 == NULL && hn2 == NULL) return 0;//若两者都为空,则返回相等 if(hn1 == NULL) return 1;//若返回值为1,大于0,则hn1排到hn2后 if(hn2 == NULL) return -1;////若返回值为-1,小于0,则hn2排到hn1后 /*由小到大排列*/ if(hn1->count > hn2->count) return 1; else if(hn1->count < hn2->count) return -1; return 0;}遍历递归Huffman树,对存在的每个字符计算码字
static voidbuild_symbol_encoder(huffman_node *subtree, SymbolEncoder *pSF){ if(subtree == NULL) return;//判断是否是空树, 是则说明编码结束, if(subtree->isLeaf)//判断是否为树叶节点,是则产生新的码字 (*pSF)[subtree->symbol] = new_code(subtree); else {// build_symbol_encoder(subtree->zero, pSF);//遍历左子树,调用build_symbol_encoder函数自身 build_symbol_encoder(subtree->one, pSF);//遍历右子数 }}
对每个树叶节点进行编码:
static huffman_code*new_code(const huffman_node* leaf){ /* 通过走到根节点然后反转位来构建huffman代码, 因为霍夫曼代码是通过走下树来计算的。*/ //采用向上回溯的方法 unsigned long numbits = 0;//表示码长,以位为单位 unsigned char* bits = NULL;//表示指向码字的指针 huffman_code *p; while(leaf && leaf->parent)//用来判断节点和父节点是否存在,leaf为NULL时,不进行编码;parent为NULL时,已经到达树根不在编码 { huffman_node *parent = leaf->parent; unsigned char cur_bit = (unsigned char)(numbits % 8);//current_bit为当前在bits[]的第几位 unsigned long cur_byte = numbits / 8;//current_byte /* 如果码字长度超过一个字节,那么就在分配一个字节 */ if(cur_bit == 0) { size_t newSize = cur_byte + 1; bits = (char*)realloc(bits, newSize); /*realloc()函数先判断当前的指针是否有足够的连续空间,如果有,扩大bits指向的地址,并且将bits返回,如果空间不够,先按照newsize指定的大小分配空间,将原有数据从头到尾拷贝到新分配的内存区域,而后释放原来bits所指内存区域(注意:原来指针是自动释放,不需要使用free),同时返回新分配的内存区域的首地址。即重新分配存储器块的地址。*/ bits[newSize - 1] = 0; /* Initialize the new byte. */ }//如果是左孩子,则不用改变数值,因为初始化为0。如果是右孩子,则将该位置1 if(leaf == parent->one) bits[cur_byte] |= 1 << cur_bit;//将1左移至cur_bit,再将其与bits[cur_byte]进行或的操作 ++numbits;//码字位数加1 leaf = parent;//下一位的码字在当前码字的父节点一级 } if(bits)//将现有的码字进行反转 reverse_bits(bits, numbits); p = (huffman_code*)malloc(sizeof(huffman_code)); p->numbits = numbits;//码长赋给节点的numbits p->bits = bits;//码字付给节点的bits return p;//返回值为码字}
码字逆序:
static voidreverse_bits(unsigned char* bits, unsigned long numbits){ unsigned long numbytes = numbytes_from_numbits(numbits);//将numbits除8后上取整得到numbytes unsigned char *tmp = (unsigned char*)alloca(numbytes);//alloca()是内存分配函数,在栈上申请空间,用完后马上就释放 unsigned long curbit; long curbyte = 0;//记录即将要反转的二进制码所在的的数组下标 memset(tmp, 0, numbytes); //将数组tmp[numbytes]所有元素置为为0 for(curbit = 0; curbit < numbits; ++curbit) { unsigned int bitpos = curbit % 8;//表示curbit不是8的倍数时需要左移的位数 if(curbit > 0 && curbit % 8 == 0)//curbit为8的倍数时,进入下一个字节 ++curbyte; tmp[curbyte] |= (get_bit(bits, numbits - curbit - 1) << bitpos); } memcpy(bits, tmp, numbytes);//将tmp临时数组内容拷贝到bits数组中}
将码表写入文件
static intwrite_code_table(FILE* out, SymbolEncoder *se, unsigned int symbol_count){ unsigned long i, count = 0; /* 计算se中的字符种类数. */ for(i = 0; i < MAX_SYMBOLS; ++i) { if((*se)[i]) ++count; } /* Write the number of entries in network byte order. */ i = htonl(count); //在网络传输中,采用big-endian序,对于0x0A0B0C0D ,传输顺序就是0A 0B 0C 0D , //因此big-endian作为network byte order,little-endian作为host byte order。 //little-endian的优势在于unsigned char/short/int/long类型转换时,存储位置无需改变 if(fwrite(&i, sizeof(i), 1, out) != 1) return 1;//将字符种类的个数写入文件 /* Write the number of bytes that will be encoded. */ symbol_count = htonl(symbol_count); if(fwrite(&symbol_count, sizeof(symbol_count), 1, out) != 1) return 1;//将字符数写入文件 /* Write the entries. */ for(i = 0; i < MAX_SYMBOLS; ++i) { huffman_code *p = (*se)[i]; if(p) { unsigned int numbytes; /* 写入1字节的符号 */ fputc((unsigned char)i, out); /* 写入一字节的码长 */ fputc(p->numbits, out); /* 写入numbytes字节的码字*/ numbytes = numbytes_from_numbits(p->numbits); if(fwrite(p->bits, 1, numbytes, out) != numbytes) return 1; } } return 0;}
第二次扫描 对文件进行Huffman编码
static intdo_file_encode(FILE* in, FILE* out, SymbolEncoder *se){ unsigned char curbyte = 0; unsigned char curbit = 0; int c; while((c = fgetc(in)) != EOF)//遍历文件的每一个字符 { unsigned char uc = (unsigned char)c; huffman_code *code = (*se)[uc];//查表 unsigned long i; /*将码字写入文件*/ for(i = 0; i < code->numbits; ++i) { /* Add the current bit to curbyte. */ curbyte |= get_bit(code->bits, i) << curbit; /* If this byte is filled up then write it * out and reset the curbit and curbyte. */ if(++curbit == 8) { fputc(curbyte, out); curbyte = 0; curbit = 0; } } }输出统计结果
int huffST_getSymFrequencies(SymbolFrequencies *SF, huffman_stat *st,int total_count){ int i,count =0; for(i = 0; i < MAX_SYMBOLS; ++i) { if((*SF)[i]) { st->freq[i]=(float)(*SF)[i]->count/total_count; count+=(*SF)[i]->count; } else { st->freq[i]= 0; } } if(count==total_count) return 1; else return 0;}int huffST_getcodeword(SymbolEncoder *se, huffman_stat *st){ unsigned long i,j; for(i = 0; i < MAX_SYMBOLS; ++i) { huffman_code *p = (*se)[i]; if(p) { unsigned int numbytes; st->numbits[i] = p->numbits; numbytes = numbytes_from_numbits(p->numbits); for (j=0;j<numbytes;j++) st->bits[i][j] = p->bits[j]; } else st->numbits[i] =0; } return 0;}void output_huffman_statistics(huffman_stat *st,FILE *out_Table){ int i,j; unsigned char c; fprintf(out_Table,"symbol\t freq\t codelength\t code\n"); for(i = 0; i < MAX_SYMBOLS; ++i) { fprintf(out_Table,"%d\t ",i); fprintf(out_Table,"%f\t ",st->freq[i]); fprintf(out_Table,"%d\t ",st->numbits[i]); if(st->numbits[i]) { for(j = 0; j < st->numbits[i]; ++j) { c =get_bit(st->bits[i], j); fprintf(out_Table,"%d",c); } } fprintf(out_Table,"\n"); }}
各样本文件的概率分布图
实验结果
根据香农第一定理(无失真信源编码定理),对于二进制码信源符号,平均码长的下界为信源熵。当信源符号接近等概分布时,信源熵最大,而平均码长也没有可降低的空间了。故当文件的概率分布越不均匀,通过霍夫曼编码得到的编码效率越高。
0 0
- Huffman 编码 实验报告
- 实验三:Huffman编码
- 实验三 Huffman编码
- 数据压缩实验三:Huffman编码
- 数据压缩实验3-Huffman编码
- 实验名称: :Huffman编码(二叉树应用)
- 实验三Huffman编码与解码
- Huffman树&&Huffman编码
- MPEG音频编码实验报告
- huffman编码
- huffman编码
- HUFFMAN 编码
- Huffman编码
- huffman编码
- huffman编码
- Huffman编码
- Huffman编码
- Huffman编码
- PageRank的简单实现(scala版)
- Flask应用部署
- 即拿即用-仿IOS风格的弹出框和对话框
- 从零开始学dagger2
- 安全渗透测试网站
- Huffman 编码 实验报告
- 梁广轩_1505010601_实验4
- Java开发的准备
- 389. Find the Difference
- 正则匹配主机及端口
- 搬运自己的mysql学习笔记1.工具类的抽取
- Redis之链表
- AJAX开发基础及原生JS操作步骤
- 利用JFreeChart绘制股票K线图