我想知道我们可以进行无损数据压缩到什么程度？我无法找到无损算法的在线模拟器来执行一些经验测试。我可以自己做一个，但是不幸的是我在这段时间没有足够的时间。我仍然对自己的直觉感到好奇，我将要解释一下。
让我们仅采用两种比较流行的算法：Huffman Coding和Run-lenght Enconding。
假设我们有一个数字A符号的字母和该字母的任意长符号序列：例如：
Alphabet = {A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, R, S, T, U, V, X, W, Y, Z}
Sequence1 = SFBJNERUSNJGSDKKDEIJGNMSDJDDSUSJNF
Sequence2 = MNMNMNREGUHSDFJUF
Sequence3 = MMMMMNNNNNASDUERJGASIUJMMMNNNUNS
现在，如果仅用固定长度的n位字对每个符号进行编码，那么我们就拥有未压缩的序列，即长的N位。
如果我们使用霍夫曼编码序列，则将使用H位代替N位，从而节省(1-H/N)*100%空间。
如果我们使用RLE编码相同的序列，则将使用Rbits进行保存(1-R/N)*100%。
我想知道，如果我们应用RLE + Huffman或者Huffman + RLE比仅使用其中之一可以节省更多空间，会发生什么。
对我来说，这似乎是一个非常基本的想法，但是在谷歌搜索中，我没有发现任何与此主题相关的问题。
编辑：嗯，我可能没有考虑过，如果我先使用RLE，将无法使用霍夫曼，因为与单个符号的固定长度代码的对应关系将会丢失；但是仍然应该可以先使用Huffman，然后再使用RLE。
顺便说一句，我对其中的逻辑很感兴趣，我的意思是串联使用多个以上的无损压缩算法。
编辑2：当我评论马克·阿德勒的答复时，我意识到我可能已经找到了我问题的答案。就是这个：
符号到符号代码的霍夫曼如何影响检测？
假设我们有以下代码：AABCABAAB。用纯二进制00 00 01 10 00 01 00 00 01格式，它将被编码为（obv空间仅出于可读性目的）。Huffman会将其编码为0 0 11 10 0 11 0 0 11。空格进一步显示了如何不更改字符串，因此假设我们正在此范围（符号方式）接近代码，则有可能检测到完全相同的重复次数。
这就引出了我的另一点（鉴于这已经是很长的评论了，在这里我将不讨论）：逐位分析代码。
因此，我实际上认为我得出了一个结论：众所周知，任何字典（或基于替换的）编码器将可变数量的符号分组为固定长度的码字，而Huffman（或任何其他熵编码器）对固定长度的符号进行编码变成可变数量的比特，从而使熵近似为最小值；ERGO，这将是毫无意义的（且仅计算的废物）首先让霍夫曼运行，因为其他的算法将最有可能引入更多的冗余这霍夫曼也能减少。
当然，这只是理论上的论文，因为在实践中我们可以考虑其他因素（例如计算时间）……更不用说要编码的字符串的不同配置可能导致不同结果的事实。但是，对我来说这很有意义。:)
这些组合是常规完成的。您应该阅读一些有关压缩的书。
LZ77是RLE的一种更通用的形式，它复制先前字符串的重复。（距离1和长度n的匹配对最后一个字节的n个副本进行编码。）LZ77通常后面跟随霍夫曼，算术或范围编码。
Huffman应该跟随LZ77或RLE，而不是跟随它。霍夫曼编码将使检测重复变得更加困难，而不是更加容易。为了首先使用RLE，您只需将符号集扩展到文字之外。作为一个示例，在zip，gzip，zlib等中使用的Deflate格式具有286个符号集，用于编码256个文字字节，29个长度前缀代码和流码的一端。29个长度前缀代码中的每一个都隐含一个零到五位的后缀，该后缀跟随该代码添加到基本值以获取长度。长度代码及其后缀的存在意味着它后面是另一个霍夫曼代码，它是30个距离代码前缀之一，每个前缀的后缀为0到13位，以指定匹配返回的距离。
还有许多其他转换（可能会或可能不会自行压缩），然后进行熵编码。这些包括Burrows-Wheeler变换（BWT），Move-To-Front变换（MTF）（通常遵循BWT），图像的离散余弦变换（可以无损地进行，但最常用于有损压缩算法中）变换以可逆的方式对数据中的组公共性进行分组，从而为熵编码步骤提供了更大的收益。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句