【5.6】Huffman树及其应用

一、Huffman树定义

1.1 等长编码

  • 计算机二进制编码
  • ASCII 码
  • 中文编码
  • 等长编码
  • 假设所有编码都等长,表示 n 个不同的字符需要 log2 n位
  • 字符的使用频率相等
  • 空间效率

1.2 数据压缩和不等长编码

  • 频率不等的字符:
  • 可以利用字符的出现频率来编码
  • 经常出现的字符的编码较短,不常出现的字符编码较长
  • 数据压缩既能节省磁盘空间,又能提高运算速度(外存时空权衡的规则)

1.3 前缀编码

  • 任何一个字符的编码都不是另外一个 字符编码的前缀
  • 这种前缀特性保证了代码串被反编码 时,不会有多种可能。例如
  • 右图是一种前缀编码,对于 “000110” ,可以翻译出唯一的字符串“EEEL”。
  • 若编码为Z(00), K(01), F(11), C(0), U(1), D(10), L(110), E(010) 。 则 对 应 : ”ZKD”,”CCCUUC”等多种可能

1.4 Huffman树与前缀编码

  • Huffman编码将代码与字符相联系
  • 不等长编码
  • 代码长度取决于对应字符的相对使用 频率或“权”

二、建立Huffman编码树

对于n个字符K0,K1,…,Kn-1,它们的使用频率分别 为w0, w1,…,wn-1,给出它们的前缀编码,使得总 编码效率最高

给出一个具有n个外部结点的扩充二叉树:

  • 该二叉树每个外部结点 Ki 有一个权 wi 外部路径长度为 𝑙𝑖
  • 这个扩充二叉树的叶结点带权外部路径长度总和

$$ \sum_{i=0}^{n-1} w_{i} l_{i}$$

  • 权越大的叶结点离根越近

过程:

  • 首先,按照“权”(例如频率)将字符排为一列
  • 接着,拿走前两个字符(“权”最小的两个字符)
  • 再将它们标记为Huffman树的树叶,将这两个树叶标为一个分支结点的两个孩子,而该结点的权即为两树叶的权之和
  • 将所得“权”放回序列,使“权”的顺序保持
  • 重复上述步骤直至序列处理完毕

频率越大其编码越短:

各字符的二进制编码为:

译码: 从左至右逐位判别代码串, 直至确定一个字符

与编码过程相逆:

  • 从树的根结点开始
  • “0”下降到左分支
  • “1”下降到右分支
  • 到达一个树叶结点,对应的字符就是文本信息的字符

连续译码:

  • 译出了一个字符,再回到树根,从二进制位串中的 下一位开始继续译码

Huffman树类

Huffman树的构造

Huffman方法的正确性证明

  • 是否前缀编码?
  • 贪心法的一个例子
  • Huffman树建立的每一步,“权”最小的 两个子树被结合为一新子树
  • 是否最优解?

三、Huffman性质

引理: 含有两个以上结点的一棵 Huffman 树 中,字符使用频率最小的两个字符是兄 弟结点,而且其深度不比树中其他任何 叶结点浅

证明:

  • 记使用频率最低的两个字符为 y1 和 y2
  • 假设 x1, x2 是最深的结点
  • y1和y2的父结点Y一定会有比X更大的“权”
  • 否则,会选择 Y 而不是 X 作为结点V的子结点
  • 然而,由于 y1 和 y2 是频率最小的字符, 这种情况不可能发生

定理:

  • 对于给定的一组字符,函数HuffmanTree 实现了“最小外部路径权重”

证明:

  • 对字符个数n作归纳进行证明

初始情况:

  • 令n = 2, Huffman树一定有最小外部路径权重
  • 只可能有成镜面对称的两种树
  • 两种树的叶结点加权路径长度相等

归纳假设:

假设有n-1个叶结点的由函数HuffmanTree产生的 Huffman树有最小外部路径权重

归纳步骤:

Huffman树编码效率

  • 估计Huffman编码所节省的空间
  • 平均每个字符的代码长度等于每个代码的长度 ci乘以其出现的概率 pi ,即:
  • c0p0 + c1p1 + … + cn-1pn-1 或 (c0f0 + c1f1 + … + cn-1fn-1) / fT

这里fi为第i个字符的出现频率,而fT为所有字符出现的 总次数

四、Huffman树的应用

  • Huffman编码适合于 字符 频率不等,差别较大的情况
  • 数据通信的二进制编码
  • 不同的频率分布,会有不同的压缩比率
  • 大多数的商业压缩程序都是采用几种编码方式以 应付各种类型的文件 (Zip 压缩就是 LZ77 与 Huffman 结合)
  • 归并法外排序,合并顺串

思考

  • 当外部的数目不能构成满b叉 Huffman 树时,需附加多少个 权为 0的“虚”结点?请推导

  • R 个外部结点,b叉树

  • 若(r-1)% (b-1)==0,则不需要加“虚”结点

  • 否则需要附加 b -(r-1)% (b-1) - 1个“虚” 结 点,即第一次选取(r-1)% (b-1) + 1个非0权值

  • 试调研常见压缩软件所使用的编码方式

参考资料

北京大学 《数据结构与算法》 张铭、赵海燕、宋国杰、黄骏、邹磊、陈斌、王腾

这里是一个广告位,,感兴趣的都可以发邮件聊聊:tiehan@sina.cn
个人公众号,比较懒,很少更新,可以在上面提问题,如果回复不及时,可发邮件给我: tiehan@sina.cn