【研究/算法】简单压缩算法的思考

Huffman存储格式

---

()中数字的单位为位

Huffmancode_count(8)-存储对应了多少Huffman编码,最大255

FileEnd_Offset(3)-按8位存后，不足8位用n填补,最大7

Huffman_Max(3)-存储对应的每个HuffmanCode需要的位数的位数(如最大需要255位，则需要存储8，需要3的位数)

Table-

{

ASCII Code(8), Huffman Bits(Huffman_Max), HuffmanCode(Huffman Bits)

}-存的是哈弗曼表, ASCII码8位, 存储哈弗曼编码的长度Huffman_Max位，哈弗曼编码Huffman Bits位

HuffmanCodeStream 哈弗曼码的流

ZeroFillUp(FileEnd_Offset)-填充位，可以为0可以为1，这里选择为0，需要FileEnd_Offset个位数

后来想到了Adaptive Huffman编码， 原因是比较有意思

经过一段时间实践，发现除了能节省表的空间，并不会节省很多其他的东西，也浪费了时间，时间复杂度为O(n^2)，在我用源代码文件，中文，英文，日文，还有简单测试样本进行测试当中，发现仅有简单测试文本能够进行压缩，其他文件不够理想，而且速度很慢

转而想到还是用普通的吧，什么叫做普通的Huffman，就是预读信息或者预测信息统计频率，利用Huffman方式进行编码，随后将编码表存入压缩文件中，方便解码时预读调用，开始有些疑虑的是，若是出现了9位以上的编码怎么办，其实这个担心是没有必要的，Huffman编码降低的期望值，所以总体上还是降低了速度，速度为2n，时间复杂度为O(n),同时也方便实现

简要说下实现要点吧，

AH需要在前面添加关键字，以便补充后面不够8位的数据

正常版则在于预读时的哈弗曼树的建立，以及表的存储，建议是数据哈弗曼编码特殊隔位的格式，因为数据每次读8位...

再者，若要提高速度，最好不要使用C++中的动态库，STL和MFC，这点很重要

总结：

Adaptive Huffman， 不如想象中好，节省表空间，但不一定能起到压缩作用，O(n^2)

Huffman，不像想象那样坏，添加表，节省期望值，O(n)

RunLength的结构

---

Buffer_Size(8)-标志位,其实完全可以用2位的，但是写读时不是很方便，表示存储RunLength中数据大小，比如10个0,30个1,再20个0，我们存10,30,20当然此时的Buffer为1，自然也是可以优化的，这里不予以考虑；但试想若超过255怎么办，如10个0,1024个1，这时用2作为Buffersize显然是最好的，那若是10个0,10个1，10个0,10个1.....1024个1这时若是用Buffersize为2就得不偿失了，这时我们采用以下的方法:

buffer size还是为1，前面还是10,10,10,10....到1024时我们改成这样，

00000001000000000000000

用3个buffer长度进行存储，如果你默认第一个为0的个数的话，第二个就为1的，则除了头信息和第一个流文件可能为0外，其他不可能为0，这时若存一个比正常大的数，我们就采用上述方法分隔起来，前面存前8位，中间各位符0，后面存后八位，此时1024就为1,0,0或者为00000001000000000000000

但是这样不一定是最优的，因为要是仅仅一个需要1SIZE的，为其他都为2SIZE则会产生不必要的损耗，所以使用之前一定要先计算最优BufferSize