256色灰度图哈夫曼编码压缩

哈夫曼编码原理：设256种颜色在图片中各出现了a1、a2、…、an次，于是可以得到一个对应的权重数组。将权重数组以以下范例形式建立哈夫曼树。
范例：假设一个含有6个数值的权重数组9、8、3、6、7、1：
1. 首先选出两个最小的权值1、3。建立一颗二叉树：(注意小数在左）

2. 将1、3合并为4，加入原权重数组，即此时权重数组为：9、8、6、7、4
3. 再选出两个最小权值4、6，此时二叉树为：

4.依照上述方法，直到最后建立一颗哈夫曼树：（即每次从权重集合找出两个最小的数值，合并后再加入权重数组。并且同时建立二叉树，直到权重数组只剩下所有数值之和。）

建立颜色数组的哈夫曼树之后，从根节点进行遍历，做字数编码加0，右子树编码加1。（例如范例中7的哈夫曼编码为000，1的哈夫曼编码为1100）此处为变长编码。遍历整棵哈夫曼树之后即可得到256种颜色的哈夫曼编码。读取256灰度的bmp图片对映即可进行压缩。
代码部分：
类中构造器的参数为bmp解码部分，因与本讲述无关故不上传

Compression.h

#pragma once
#include "BMPbase.h"
#include <iostream>
using namespace std;
struct HuffmanTree {
HuffmanTree* parent;//parent节点
HuffmanTree* LTree;//左节点，即为1节点应为变短编码
HuffmanTree* RTree;//右节点，即为0节点遵循左清右重原则
int TreeIndex;//树的下标
bool isSorted;//判断是否被选取
int weight;//本节点的权值
int index;//本节点的原编码数位
};
class Compression
{
public:
Compression(BMPbase* pic, int size);
~Compression();
void BuildHuffmanTree(int min1,int min2);
void showTree(HuffmanTree * root, string str);
string* getHuffmanCode();
void choseMin(int & min);
private:
int* weightArray;
int size;//图色数
HuffmanTree** TreeArray;
int SortPoint;//排序静态指针
//int unUsed;//未被用到的颜色数
string* huffmanCode;//生成的哈夫曼编码
HuffmanTree* root;//根节点
};

Compression.cpp

#include "stdafx.h"
#include "Compression.h"

Compression::Compression(BMPbase* pic, int size)
{
this->size = size;
weightArray = new int[size];
huffmanCode = new string[size];
for (int i = 0; i < size; i++)
{
weightArray[i] = 0;
}
for (int i = 0; i < pic->pixNum; i++)//计算权值数组
{
weightArray[pic->getPicPix()[i]] += 1;//将第i个像素的颜色的权值加一
}

TreeArray = new HuffmanTree*[12000];
SortPoint = 0;
for (int i = 0; i < size; i++)//初始化树指针数组
{
if (weightArray[i] == 0)
{
huffmanCode[i] = "-1";
}
else {
TreeArray[SortPoint] = new HuffmanTree();
TreeArray[SortPoint]->index = i;
TreeArray[SortPoint]->TreeIndex = SortPoint;
TreeArray[SortPoint]->weight = weightArray[i];
TreeArray[SortPoint]->isSorted = false;
SortPoint++;
}
}

int min1, min2;
int sort = SortPoint - 1;
for (int i = 0; i < sort; i++)
{
choseMin(min1);//min1为小数 min2为大数
choseMin(min2);//min1为小数 min2为大数
BuildHuffmanTree(min1, min2);
}
int AllTreeNum = SortPoint;
string tmp1;
showTree(root, tmp1);

ofstream haffmanOut("huffman.code");
haffmanOut << AllTreeNum << endl;
for (int i = 0; i < SortPoint; i++) {
if (TreeArray[i]->LTree && TreeArray[i]->RTree){
haffmanOut <<TreeArray[i]->index << " " << TreeArray[i]->LTree->TreeIndex << " " << TreeArray[i]->RTree->TreeIndex << endl;
}
else {
haffmanOut << TreeArray[i]->index << -1 << " " << -1 << endl;
}
}

}

Compression::~Compression()
{
delete[] TreeArray;
}

void Compression::BuildHuffmanTree(int min1,int min2)//min1为小数 min2为大数
{
HuffmanTree* node = new HuffmanTree();
this->root = node;
node->index = -1;
node->LTree = TreeArray[min1];//权值小在左边
TreeArray[min1]->parent = node;
node->RTree = TreeArray[min2];//权值大在右边
TreeArray[min2]->parent = node;
node->weight = TreeArray[min1]->weight + TreeArray[min2]->weight;
node->isSorted = false;
node->TreeIndex = SortPoint;
TreeArray[SortPoint] = node;
SortPoint++;
}

void Compression::showTree(HuffmanTree* root, string str) {
//如果有左孩子就加个0，有右孩子就加个1，直到遍历完成为止
if (root->LTree != NULL)
{
showTree(root->LTree, str + '0');//如果左孩子不为空，就给编码加个0
}
if (root->RTree != NULL)
{
showTree(root->RTree, str + '1');//如果右孩子不为空，就给编码加个1
}
if(root->LTree == NULL && root->RTree == NULL) {
huffmanCode[root->index] = str;
return;
}
return;
}

string* Compression::getHuffmanCode()
{
return huffmanCode;
}

void Compression::choseMin(int &min)
{

int minA;
int i = 0;
bool flag = false;
while(i < SortPoint && !flag) {
if (!TreeArray[i]->isSorted) {
minA = i;
flag = true;
}
i++;
}
for (i = minA + 1; i < SortPoint; i++) {
if (!TreeArray[i]->isSorted) {
if (TreeArray[i]->weight < TreeArray[minA]->weight) {
minA = i;
}
}
}
TreeArray[minA]->isSorted = true;
min = minA;

}

嗯想了想还是把bmp解码部分放出来好了，保持一下代码的完整性,代码中的注释部分是因为部分256色bmp图片不是太过严格
BMPbase.h

#pragma once
#include <fstream>
#include <iostream>
#include <iomanip>
using namespace std;
struct BitmapFileHeader {
WORD bmpHeader;//文件头“BM”
DWORD fileSize;//文件大小，字节为单位
WORD reservedWord1;//文件保留字1 必为0
WORD reservedWord2;//文件保留字2 必为0
DWORD offSet;//位图数据起始位置
};
struct BitmapFileInfo {
DWORD bmpInfoSize;//即本结构所占的大小为28 即4字节
LONG bmpWidth;//位图的宽度
LONG bmpHeight;//位图的高度
WORD bmpPlanes;//目标设备的级别（必须为1）
WORD bmpBitCount;//每个像素的尾数，必须为1（双色）4（16色） 8（256色） 24（真彩）
DWORD bmpCompression;//必为0（BI_RGB未压缩） 1（BI_RLEB） 2（BI_RLE4)
DWORD bmpSizeImage;//位图的大小单位为字节
LONG bmpXpelsPerMeter;//水平分辨率每米像素数
LONG bmpYpelsPerMeter;//垂直分辨率
DWORD bmpColorUsed;//位图显示所需颜色数
DWORD bmpColorImportant;//重要的颜色数若为0 则都重要
};
class BMPbase
{
public:

BMPbase(const char* fileName);
~BMPbase();
private:
bool fileSuccess;//判断文件是否打开成功的标志
bool fileCompression;//判断文件是否被压缩
bool bmpFileflag;//判断是否为BMP文件
bool bmpBitRight;//判断文件位数是否正确
BitmapFileHeader bmpHeader;//bmp文件头
BitmapFileInfo BmpPic;//bmp文件基本信息
BYTE* picPix;//图片数据数组

public:
bool isReadFileSuccess();
bool isBmpFile();
BitmapFileHeader getBmpHedader();//获取文件头
BitmapFileInfo getBmpInfo();//获取信息结构体
bool isBmpBitRight();//获取位图是否正确
bool isFileCompression();//获取文件是否被压缩
BYTE* getPicPix();//获取颜色数组
int pixNum;
};

BMPbase.cpp
#include "stdafx.h"
#include "BMPbase.h"

BMPbase::BMPbase(const char* fileName)
{
fileSuccess = true;//初始化文件为成功打开
bmpFileflag = true;//初始化文件为BMP文件
bmpBitRight = true;//初始化文件位数为正确
fileCompression = true;//初始化文件为未压缩
ifstream picReader(fileName, ios::binary);
if (!picReader)
{
fileSuccess = false;//文件读取失败
}
else
{
picReader.read((char*)&bmpHeader.bmpHeader, sizeof(WORD));
if (bmpHeader.bmpHeader != 0x4D42)
{
bmpFileflag = false;//文件读取失败，类型不一致
}
else//开始读取文件信息
{
picReader.read((char*)&bmpHeader.fileSize, sizeof(DWORD));//读文件大小
picReader.read((char*)&bmpHeader.reservedWord1, sizeof(WORD));//读取保留字
picReader.read((char*)&bmpHeader.reservedWord2, sizeof(WORD));//读取保留字
/*if (bmpHeader.reservedWord1 != 0x00 || bmpHeader.reservedWord2 != 0x00)//判断文件保留字是否正确
{
fileSuccess = false;//文件读取失败
}*/
picReader.read((char*)&bmpHeader.offSet, sizeof(DWORD));//读取偏移量
picReader.read((char*)&BmpPic.bmpInfoSize, sizeof(DWORD));
/*if (BmpPic.bmpInfoSize != 0x28)//判断文件信息长度是否正确
{
fileSuccess = false;//文件读取失败
}*/
picReader.read((char*)&BmpPic.bmpWidth, sizeof(DWORD));//获取宽度
picReader.read((char*)&BmpPic.bmpHeight, sizeof(DWORD));//获取高度
picReader.read((char*)&BmpPic.bmpPlanes, sizeof(WORD));//获取目标设备的级别必须为1
/*if (BmpPic.bmpPlanes != 0x01)//判断设备级别是否正确
{
fileSuccess = false;//文件读取失败
}*/
picReader.read((char*)&BmpPic.bmpBitCount, sizeof(WORD));//获取每像素所需位数 8位图
if (BmpPic.bmpBitCount != 8)//判断是否为8位图
{
bmpBitRight = false;//文件读取失败,非8位图
}
picReader.read((char*)&BmpPic.bmpCompression, sizeof(DWORD));//获取文件压缩
if (BmpPic.bmpCompression != 0x00)//判断是否压缩
{
fileCompression = false;//文件读取失败,已被压缩
}
picReader.read((char*)&BmpPic.bmpSizeImage, sizeof(DWORD));//获取sizeImage
picReader.read((char*)&BmpPic.bmpXpelsPerMeter, sizeof(DWORD));//获取文件水平分辨率
picReader.read((char*)&BmpPic.bmpYpelsPerMeter, sizeof(DWORD));//获取文件水平分辨率
picReader.read((char*)&BmpPic.bmpColorUsed, sizeof(DWORD));//获取文件用到颜色
picReader.read((char*)&BmpPic.bmpColorImportant, sizeof(DWORD));//获取文件重要颜色
picReader.seekg(bmpHeader.offSet, ios::beg);//从文件开头开始偏移前面读出的偏移量
pixNum = BmpPic.bmpHeight*BmpPic.bmpWidth;
picPix = new BYTE[pixNum];
for (int x = 0; x < pixNum; x++)
{
picReader.read((char*)&picPix[x], sizeof(BYTE));//获取文件数据部分
}

}
}
}

BMPbase::~BMPbase()
{
for (int x = 0; x < BmpPic.bmpWidth; x++)
{
delete[] picPix;
}
}

bool BMPbase::isReadFileSuccess()
{
return fileSuccess;
}

bool BMPbase::isBmpFile()
{
return bmpFileflag;
}

BitmapFileHeader BMPbase::getBmpHedader()
{
return bmpHeader;
}

BitmapFileInfo BMPbase::getBmpInfo()
{
return BmpPic;
}

bool BMPbase::isBmpBitRight()
{
return bmpBitRight;
}

bool BMPbase::isFileCompression()
{
return fileCompression;
}

BYTE* BMPbase::getPicPix()
{
return picPix;
}

256色灰度图哈夫曼编码压缩相关推荐

C语言霍夫曼编码压缩,数据结构大作业——哈夫曼编码压缩BMP格式文件
数据结构大作业--哈夫曼编码压缩BMP格式文件首先需要了解BMP图像格式 BMP图像格式详解其次需要了解哈夫曼编码如何对BMP文件进行压缩哈夫曼压缩与解压缩编程部分使用的头文件虽然这里用了 ...
对文件进行哈夫曼编码压缩与译码的C++实现以及压缩率计算 ——HIT杨朔
哈夫曼编码压缩原理:由于每个字符在内存中都是以ASCII码进行存储,所以每个字符都占用了八个01位,利用哈夫曼树对每个字符进行01编码,根据字符在文章中出现的频率调整01串长度,出现频率高的字符在哈夫 ...
C语言哈夫曼编码压缩解压
C语言哈夫曼编码压缩解压一.实验目的掌握哈夫曼编码基本运算以及存储结构表示. 二.实验内容: 1.系统要求包含以下功能 1)初始化:从终端读入字符集大小n,以及n个字符和n个权值(或者读入字符集和 ...
哈夫曼编码压缩解压缩实现不同类型文件压缩比的测试
压缩原理及步骤&&压缩比的计算压缩原理及步骤压缩的第一步: 将一个文件以各个字符出现的次数为权值建立哈夫曼树,这样每个字符可以用从树根到该字符所在到叶子节点的路径来表示.(左为0, ...
利用哈夫曼编码压缩文本
文章目录使用哈夫曼编码进行压缩文本文本内容读取文件内容至内存中遍历文本内容,获取每个字符对应出现概率值建立哈夫曼树获取哈夫曼编码将转换后的编码写入新文件检测压缩率利用编码文件进行还原 ...
【数据结构和算法笔记】哈夫曼树的概念，构造和应用（利用哈夫曼编码压缩文本）
目录哈夫曼树定义: 构造哈夫曼树: 哈夫曼编码前缀编码: 应用(压缩文本) 哈夫曼树定义: 构造哈夫曼树: 哈夫曼编码前缀编码: 哈夫曼编码是前缀编码哈夫曼树的性质哈夫曼树的任意非叶结点的 ...
Python实现英文文本的霍夫曼编码压缩
霍夫曼编码作为变长码,在已知字符出现的频率的前提下,将频率高的字符用短码表示,频率低的字符用长码表示,实现用最短的码符号完整的表示出一段文本的信息. 例如对于这样一文本,进行字符频率统计,部分结果 ...
创建霍夫曼树，霍夫曼编码以及使用霍夫曼编码压缩文件
那么,什么是霍夫曼树(赫夫曼树)呢? 给定n个权值(权值就是每个节点里面存放的数据,但是根据业务需求不同,存放的数据类型有些差别)作为n个叶子结点,构造一棵二叉树,若该树的带权路径长度达到最小,称这样 ...
二叉树的基本操作及哈夫曼编码/译码系统的实现
二叉树的基本操作及哈夫曼编码/译码系统的实现实验目的和要求掌握二叉树的二叉链表存储表示及遍历操作实现方法. 实现二叉树遍历运算的应用:求二叉树中叶结点个数.结点总数.二叉树的高度,交换二叉树的左右 ...

256色灰度图哈夫曼编码压缩

256色灰度图哈夫曼编码压缩相关推荐

最新文章

热门文章