(六)数据压缩

常用的压缩文件的扩展名
ZIP:windows,WINZIP可打开
RAR:windows,WINRAR可打开
LZH(日本):windows,LZH工具可打开
gz:Unix,WINZIP可打开
z:Unix,WINZIP可打开


文件以字节为单位保存

(六)数据压缩_第1张图片

文件压缩的算法

第一种,使用RLE算法。

RLE算法

1个英文半角字符=1字节,1个汉字全角字符=2字节
RLE(Run Length Recording,行程长度编码)算法:使用 “数据x重复次数” 的方法表示文件。
如AAAAAABBCDDEEEEEF=17字符=17字节,使用RLE算法压缩后写为,A6B2C1D2E5F1=12字符=12字节。

(六)数据压缩_第2张图片

优点:压缩机制简单,容易编写。
缺点:适合压缩重复数据多的文件,因此适合于压缩图像文件,不适合文本文件。
(六)数据压缩_第3张图片

第二种,使用哈夫曼算法和莫尔斯电码。

哈夫曼算法

关键:多次出现的数据用小于8位的字节数表示,不常出现的数据用大于8位的字节数表示。但是,最后这些数据都以8位为单位存储。

(六)数据压缩_第4张图片

为待压缩对象文件分别构造最佳的编码体系,并基于这种编码体系进行压缩。
(六)数据压缩_第5张图片

莫尔斯电码

莫尔斯电码的概念构成了压缩算法的基础。


(六)数据压缩_第6张图片

例:AAAAAABBCDDEEEEEF=17字符=17字节
RLE算法:A6B2C1D2E5F1=12字符=12字节
莫尔斯编码:A6次+B2次+C1次+D2次+E5次+F1次+字符间隔16次
参考莫尔斯编码和位长表,4位6次+8位2次+9位1次+6位2次+1位5次+8位1次+2位16次=106位=14字节

直接使用莫尔斯电码来压缩,显然是有很大提升空间的。

结合二叉树的哈夫曼算法

使用二叉树,为出现频率最多的字符分配最小的位数,提高压缩率。

使用二叉树之前,先尝试:


(六)数据压缩_第7张图片

缺点:不能明确区分同位数的编码,如100不能明确区分是C还是BA还是EAA。

使用二叉树(哈夫曼树

(六)数据压缩_第8张图片

使用哈夫曼树,得到能够明确区分的编码方案。再次回到上面的栗子:
哈夫曼树编码后,
AAAAAABBCDDEEEEEF
=00 00 00 00 00 00 100 100 110 101 101 01 01 01 01 01 111
=2x6+3x2+3x1+3x2+2x5+3x1=40位=5字节。
压缩率大大提高!
使用哈夫曼树编码压缩,对各种主要文件类型,都可以得到很高的压缩率。
(六)数据压缩_第9张图片

可逆压缩和非可逆压缩

图像文件的数据形式

windows中,标准图像数据格式为BMP,即位图(bitmap)格式,是一种完全未压缩的格式。
其他图像数据格式:

(六)数据压缩_第10张图片

与EXE文件、文本文件不同,多数情况下,图像文件并不要求压缩后的文件能够完全还原。

可逆压缩:压缩文件能够完全还原。
不可逆压缩:压缩文件不能完全还原

(六)数据压缩_第11张图片

BMP格式:可逆压缩,画质无损失。
JPEG格式:非可逆压缩,因此画质有损失。
GIF格式:可逆压缩,但是有颜色不能超过256色的限制,因此在色彩上有损失。
TIFF格式:可选择可逆压缩或不可逆压缩。这里选择可逆压缩,看到它的大小比BMP格式的图片还要大,这是因为包含了标签的缘故。

你可能感兴趣的:((六)数据压缩)