简单快速的哈夫曼编码

简单快速的哈夫曼编码

作者：Hatem Mostafa
译者：happyparrot

介绍

本文描述在网上能够找到的最简单，最快速的哈夫曼编码。本方法不使用任何扩展动态库，比如STL或者组件。只使用简单的C函数，比如：memset，memmove，qsort，malloc，realloc和memcpy。

因此，大家都会发现，理解甚至修改这个编码都是很容易的。



背景

哈夫曼压缩是个无损的压缩算法，一般用来压缩文本和程序文件。哈夫曼压缩属于可变代码长度算法一族。意思是个体符号（例如，文本文件中的字符）用一个特定长度的位序列替代。因此，在文件中出现频率高的符号，使用短的位序列，而那些很少出现的符号，则用较长的位序列。

编码使用

我用简单的C函数写这个编码是为了让它在任何地方使用都会比较方便。你可以将他们放到类中，或者直接使用这个函数。并且我使用了简单的格式，仅仅输入输出缓冲区，而不象其它文章中那样，输入输出文件。

bool CompressHuffman(BYTE *pSrc, int nSrcLen, BYTE *&pDes, int &nDesLen);
bool DecompressHuffman(BYTE *pSrc, int nSrcLen, BYTE *&pDes, int &nDesLen);

要点说明

速度

为了让它(huffman.cpp)快速运行，我花了很长时间。同时，我没有使用任何动态库，比如STL或者MFC。它压缩1M数据少于100ms（P3处理器，主频1G）。

压缩

压缩代码非常简单，首先用ASCII值初始化511个哈夫曼节点：

CHuffmanNode nodes[511];

for(int nCount = 0; nCount < 256; nCount++)
    nodes[nCount].byAscii = nCount;

然后，计算在输入缓冲区数据中，每个ASCII码出现的频率：

for(nCount = 0; nCount < nSrcLen; nCount++)
    nodes[pSrc[nCount]].nFrequency++;

然后，根据频率进行排序：

qsort(nodes, 256, sizeof(CHuffmanNode), frequencyCompare);

现在，构造哈夫曼树，获取每个ASCII码对应的位序列：

int nNodeCount = GetHuffmanTree(nodes);

构造哈夫曼树非常简单，将所有的节点放到一个队列中，用一个节点替换两个频率最低的节点，新节点的频率就是这两个节点的频率之和。这样，新节点就是两个被替换节点的父节点了。如此循环，直到队列中只剩一个节点（树根）。

// parent node
pNode = &nodes[nParentNode++];

// pop first child
pNode->pLeft = PopNode(pNodes, nBackNode--, false);

// pop second child
pNode->pRight = PopNode(pNodes, nBackNode--, true);

// adjust parent of the two poped nodes
pNode->pLeft->pParent = pNode->pRight->pParent = pNode;

// adjust parent frequency
pNode->nFrequency = pNode->pLeft->nFrequency + pNode->pRight->nFrequency;

这里我用了一个好的诀窍来避免使用任何队列组件。我先前就直到ASCII码只有256个，但我分配了511个(CHuffmanNode nodes[511])，前255个记录ASCII码，而用后255个记录哈夫曼树中的父节点。并且在构造树的时候只使用一个指针数组(ChuffmanNode *pNodes[256])来指向这些节点。同样使用两个变量来操作队列索引(int nParentNode = nNodeCount;nBackNode = nNodeCount –1)。

接着，压缩的最后一步是将每个ASCII编码写入输出缓冲区中：

int nDesIndex = 0;

// loop to write codes
for(nCount = 0; nCount < nSrcLen; nCount++)
{
        *(DWORD*)(pDesPtr+(nDesIndex>>3)) |= 
                  nodes[pSrc[nCount]].dwCode << (nDesIndex&7);
        nDesIndex += nodes[pSrc[nCount]].nCodeLength;
}

• (nDesIndex>>3): >>3 以8位为界限右移后到达右边字节的前面
• (nDesIndex&7): &7 得到最高位.

注意：在压缩缓冲区中，我们必须保存哈夫曼树的节点以及位序列，这样我们才能在解压缩时重新构造哈夫曼树（只需保存ASCII值和对应的位序列）。

解压缩

解压缩比构造哈夫曼树要简单的多，将输入缓冲区中的每个编码用对应的ASCII码逐个替换就可以了。只要记住，这里的输入缓冲区是一个包含每个ASCII值的编码的位流。因此，为了用ASCII值替换编码，我们必须用位流搜索哈夫曼树，直到发现一个叶节点，然后将它的ASCII值添加到输出缓冲区中：

int nDesIndex = 0;
DWORD nCode;
while(nDesIndex < nDesLen)
{
        nCode = (*(DWORD*)(pSrc+(nSrcIndex>>3)))>>(nSrcIndex&7);
        pNode = pRoot;
        while(pNode->pLeft)
        {
            pNode = (nCode&1) ? pNode->pRight : pNode->pLeft;
            nCode >>= 1;
            nSrcIndex++;
        }
        pDes[nDesIndex++] = pNode->byAscii;
}

• (nDesIndex>>3): >>3 以8位为界限右移后到达右边字节的前面
• (nDesIndex&7): &7 得到最高位.

源文件： Huffman.cpp Huffman.h 请见本文提供的源代码压缩包。
--------------------next---------------------