哈夫曼编码及压缩率计算的C语言实现
哈夫曼编码及压缩率计算的C语言实现
代码是最高级的浪漫
一，简介：
哈夫曼编码是一项神奇的黑科技，能够将数据高效地压缩和解压，为数据存储和传输带来了革命性的进步。在本技术博客中，我们将深入研究哈夫曼编码的工作原理和实现细节，并通过C语言代码演示其强大的数据压缩能力。探索哈夫曼编码的神奇世界，让你的数据更轻盈，节省存储空间，尽情享受黑科技的魅力。
二，实现逻辑：
从最小堆的使用到哈夫曼树的构建，我们将用通俗易懂的方式解释每个步骤，为读者提供一个完整的C语言实现示例。技术细节将一览无余，让你轻松掌握哈夫曼编码的奥秘。
三，函数介绍：
- createNode: 构建哈夫曼树节点，存储字符和频率。
- createMinHeap: 创建一个空的最小堆，为哈夫曼树的构建奠定基础。
- swapNodes: 交换两个节点的位置，保持最小堆性质。
- minHeapify: 最小堆的向下调整，维持堆的稳定性。
- isSizeOne: 判断最小堆是否只有一个节点，确保算法正常运行。
- extractMin:从最小堆中提取频率最小的节点，关键步骤不容错过。
- insertMinHeap: 将节点插入到最小堆中，并维持堆性质，打造高效编码树。
- buildHuffmanTree: 构建哈夫曼树，通过字符频率构建编码树。
- printHuffmanCodes:
- 打印哈夫曼编码，将构建的编码树输出为二进制编码，惊叹黑科技的魅力。
- calculateWPL:计算哈夫曼编码的平均码长（WPL），解密哈夫曼树的妙用。
- calculateTotalBits: 计算原始数据的总比特数，哈夫曼编码背后的数字王国。
四，哈夫曼树编码：
哈夫曼树编码采用前缀编码方式，将高频字符用短编码表示，低频字符用长编码表示，实现数据压缩。我们将解释哈夫曼编码的工作原理，为读者呈现编码树的构建过程，让你领略黑科技的魔力。
五，压缩率与WPL的实现和应用：
压缩率：介绍压缩率的概念，展示哈夫曼编码的高效压缩能力，让数据轻松瘦身。
WPL（Weighted Path
Length）：解释WPL的计算方法，演示如何通过WPL评估哈夫曼编码的平均码长，更深入地理解黑科技的奥秘。
七，应用与前景：
探讨哈夫曼编码在现实生活中的应用，如图像、音频、视频文件的压缩，以及无损压缩领域的前景展望。让黑科技点亮未来的技术之路。
通过本文，你将领略哈夫曼编码的神奇魅力，掌握黑科技背后的技术精髓，让你的数据存储和传输更加高效和便捷。欢迎加入黑科技的世界，一起探索技术的无限可能。
八，代码介绍
创建节点以及最小堆结构体
// 定义节点结构体
struct Node {
char data;
unsigned freq;
struct Node* left;
struct Node* right;
};
// 定义最小堆的结构体
struct MinHeap {
unsigned size;
unsigned capacity;
struct Node** array;
};
1. createNode
作用：创建一个哈夫曼树节点。
Copy code
// 定义节点结构体
struct Node {
char data;
unsigned freq;
struct Node* left;
struct Node* right;
};
2. createMinHeap
作用：创建一个空的最小堆。
// 最小堆的结构体
struct MinHeap {
unsigned size;
unsigned capacity;
struct Node** array;
};
// 创建一个空的最小堆
struct MinHeap* createMinHeap(unsigned capacity) {
struct MinHeap* minHeap = (struct MinHeap*)malloc(sizeof(struct MinHeap));
minHeap->size = 0;
minHeap->capacity = capacity;
minHeap->array = (struct Node**)malloc(capacity * sizeof(struct Node*));
return minHeap;
}
3. swapNodes
作用：交换两个节点的位置。
// 交换两个节点
void swapNodes(struct Node** a, struct Node** b) {
struct Node* t = *a;
*a = *b;
*b = t;
}
4. minHeapify
作用：最小堆的向下调整，保持堆性质。
// 最小堆的向下调整
void minHeapify(struct MinHeap* minHeap, int idx) {
int smallest = idx;
int left = 2 * idx + 1;
int right = 2 * idx + 2;
if (left < minHeap->size && minHeap->array[left]->freq < minHeap->array[smallest]->freq)
smallest = left;
if (right < minHeap->size && minHeap->array[right]->freq < minHeap->array[smallest]->freq)
smallest = right;
if (smallest != idx) {
swapNodes(&minHeap->array[idx], &minHeap->array[smallest]);
minHeapify(minHeap, smallest);
}
}
5. isSizeOne
作用：判断最小堆是否只有一个节点。
// 判断最小堆是否只有一个节点
int isSizeOne(struct MinHeap* minHeap) {
return (minHeap->size == 1);
}
6. extractMin
作用：从最小堆中提取频率最小的节点。
// 从最小堆中提取最小值
struct Node* extractMin(struct MinHeap* minHeap) {
struct Node* temp = minHeap->array[0];
minHeap->array[0] = minHeap->array[minHeap->size - 1];
--minHeap->size;
minHeapify(minHeap, 0);
return temp;
}
7. insertMinHeap
作用：将节点插入到最小堆中，并保持堆性质。
// 插入节点到最小堆
void insertMinHeap(struct MinHeap* minHeap, struct Node* node) {
++minHeap->size;
int i = minHeap->size - 1;
while (i && node->freq < minHeap->array[(i - 1) / 2]->freq) {
minHeap->array[i] = minHeap->array[(i - 1) / 2];
i = (i - 1) / 2;
}
minHeap->array[i] = node;
}
8. buildHuffmanTree
作用：构建哈夫曼树。
// 构建哈夫曼树
struct Node* buildHuffmanTree(char data[], int freq[], int size) {
struct Node *left, *right, *top;
// 创建最小堆并插入所有节点
struct MinHeap* minHeap = createMinHeap(size);
for (int i = 0; i < size; ++i)
insertMinHeap(minHeap, createNode(data[i], freq[i]));
// 构建哈夫曼树
while (!isSizeOne(minHeap)) {
left = extractMin(minHeap);
right = extractMin(minHeap);
top = createNode('$', left->freq + right->freq);
top->left = left;
top->right = right;
insertMinHeap(minHeap, top);
}
// 堆中的最后节点是根节点
return extractMin(minHeap);
}
9. printHuffmanCodes
作用：打印哈夫曼编码。
// 打印哈夫曼编码
void printHuffmanCodes(struct Node* root, int arr[], int top) {
if (root->left) {
arr[top] = 0;
printHuffmanCodes(root->left, arr, top + 1);
}
if (root->right) {
arr[top] = 1;
printHuffmanCodes(root->right, arr, top + 1);
}
if (root->left == NULL && root->right == NULL) {
printf("%c: ", root->data);
for (int i = 0; i < top; ++i)
printf("%d", arr[i]);
printf("\n");
}
}
10. calculateWPL
作用：计算哈夫曼编码的平均码长（WPL）。
// 计算哈夫曼编码的平均码长（WPL）
int calculateWPL(struct Node* root, int depth) {
if (root == NULL)
return 0;
if (root->left == NULL && root->right == NULL)
return root->freq * depth;
return calculateWPL(root->left, depth + 1) + calculateWPL(root->right, depth + 1);
}
11. calculateTotalBits
作用：计算原始数据的总比特数。
// 计算原始数据的总比特数
int calculateTotalBits(int freq[], int size) {
int totalBits = 0;
for (int i = 0; i < size; ++i)
totalBits += freq[i];
return totalBits;
}
以上函数实现了哈夫曼编码的构建和计算，同时也计算了哈夫曼编码的平均码长（WPL）以及压缩率。哈夫曼编码是一种经典的数据压缩算法，在实际应用中广泛用于无损压缩，如文本、图像和音频等领域。通过合理地构建哈夫曼树和生成哈夫曼编码，我们可以实现对数据的高效压缩，并在保持数据完整性的同时减少存储和传输成本。
整体项目源码：(复制到任意C语言的编译内即可实现)
#include 如果觉得有帮助就是点赞评论一下吧