【数据压缩】LZW算法原理与源代码解析

转载请注明出处：http://blog.csdn.net/luoshixian099/article/details/50331883

<勿在浮沙筑高台>

LZW压缩算法原理很easy，因而被广泛地採用，已经被引入主流图像文件格式中。

该算法由Lempel-Ziv-Welch三人发明，这样的技术将定长码字分配给变长信源符号序列，它不须要知道被压缩文件的符号出现概率的先验知识，仅仅须要动态地建立和维护一个字典，和其它压缩算法相比既是缺点也是长处。

1. LZW原理

1.1 概念的理解

LZW通过建立一个字典(code table)，把不认识的字符串序列增加字典。当下次再次遇到此种字符串序列时，用字典的索引序号取代此序列，而一个索引序号占用的字节数往往比取代的字符串小的多，以此来达到压缩文件的目的。通常在图像压缩上，因为0-255用于表示灰度级(8位二进制)，而我们的索引序号要与灰度级差别开来，因而。字典索引的建立要从256開始，见以下的样例，此样例不表示LZW算法的原型，临时不要关心字典是怎样建立的。

        

注意到，在上图中，压缩文件里保存了123 256 119 ... ,因为文件数据都是採用二进制形式保存的，解压时为了正确的按位读取。通常压缩文件里，写入的每个数据都是以12位形式写入文件。这时用字典索引號256取代连续的字符序列145 201 4，就是用了12位的数据取代了3个8位的数据。尽管其它的字符以原型写入，比如第一个8位数据123被扩展成12位的123，可是整体上看，仍然达到了压缩的作用。

1.2 压缩过程&流程图

     LZW算法採用动态的建立字典的方法，依次读入原文件的字符序列，每次碰到新的连续的字符串。就在字典中增加标示。当下次再次遇到这样的字符串时，就能够用字典索引序号直接取代字符串，写入压缩文件里。在这里引入两个名词: "string"，"char"；string表示前缀。char 表示新读入的字符，每一个字典索引相应一对(string,char）；

--------------------------------------------------------------------------------------------------------------------------------------

举个样例：“ABCABC”開始时。初始化字典,索引0~255被初始化为（NULL, i）, i =0,1,...,255；让字典从索引號256開始记录,正如上面所说。为了解压时方便识别数据，每次向压缩文件里写数据时，都是12位格式。这时字典索引范围为0~4095；

1. 開始时,读入第一个字符string = A,读下一个字符char = B 。

3. 查字典(A,B),字典中没有找到，在字典索引256中记录(A,B),然后输出前缀A,更新string=char=B,再次读入字符，char=C;

4. 查字典(B,C),字典中没有找到，在字典索引257中记录(B,C),然后输出前缀B,更新string=char=C,再次读入字符。char=A;

5. 查字典(C,A),字典中没有找到，在字典索引258中记录(C,A),然后输出前缀C,更新string=char=A,再次读入字符，char=B;

     6. 查字典(A,B),字典能够找到，相应索引號256，然后更新string=256,再次读入字符，char=C;

7. 查字典(256,C),字典中没有找到，在字典索引259中记录(256,C),然后输出前缀256,更新string=char=C,再次读入字符。char=NULL;

8. char = NULL
,文件结束，输出前缀C.

压缩完毕后：A B C
256 C ; 字典不须要写入文件里；

上述过程概括："前缀string+字符char"在字典中不存在，增加字典。输出前缀，更新前缀=char,读入新字符char;

"前缀string+字符char"在字典中存在，更新前缀=索引號，读入新字符char;

-------------------------------------------------------------------------------------------------------------------------------------- 
  

   1.3 解压过程&流程图

   
上述压缩文件为 A B C 256 C ,相同採用上述的步骤。初始化字典，建立字典、查字典的方法能够实现文件的解压缩，可是解压缩过程并不简单等同于压缩过程。解压缩完毕后压缩文件时建立的字典和解压缩建立的字典全然一样。PS：解压缩过程。网上部分博客说法不准确，结果导致我折腾了两天程序 。

------------------------------------------------------------------------------------------------------------------------------------------------

OCODE:表示已经读入的12位数据 ; NCODE:表示新读入的12位数据。

STRING:表示12位数据代表的字符串。CHAR表示被写入文件的字符串的第一个字符；

1. 開始时,初始化字典(0~255),读入第一个数据OCODE = A,输出字典索引OCODE相应的字符串A。读下一个数据NCODE = B 。

2. NCODE在字典中存在,输出table[NCODE]=B,CHAR=B;在字典索引256增加(OCODE,CHAR)=(A,B),更新OCODE=NCODE,读取数据NCODE=C；

3. NCODE在字典中存在,输出table[NCODE]=C,CHAR=C;在字典索引257增加(OCODE,CHAR)=(B,C),更新OCODE=NCODE,读取数据NCODE=256。

4. NCODE在字典中已建立,table[256]=AB，并记录CHAR=A;在字典索引258增加(OCODE,CHAR)=(C,A)，更新OCODE=NCODE,读取数据NCODE=C；

5. NCODE在字典中已建立,table[NCODE]=C，CHAR=C。在字典索引259增加(OCODE,CHAR)=(256,C)，更新OCODE=NCODE读取数据NCODE=空。

6. 文件结束!跳出循环！

-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

你肯定已经注意到,上面举得样例解压缩时读取的NCODE都能够在字典中找到，什么情况下在字典中找不到呢？

压缩这个字符串"ABBBBBBBB"。解压缩时就能够碰到字典中找不到的情况。一定要动手试试，方便你理解整个流程图！

2.关于LZW的使用和改进

   上面的样例都是採用12位格式写入文件，可是12位在字典中表示的范围为0~4095,真实去压缩一个文件时,这个大小肯定是不够的,假设扩展字典的范围,占用内存非常大。可是这时能够在文件里增加一个标示。然后又一次初始化字典，表示从此開始。採用新字典继续压缩文件。能够理解成把文件切割成多个小文件，每一个小文件单独採用一张表。通常令256表示新表的開始，257表示文件压缩结束。

从上面的过程能够看到，每个数据都採用12位格式写入文件。无疑造成了内存的浪费，比如256实际上能够用9位二进制表示。所以有非常多人对此进行了改进。採用变长的字典算法。比如当9位的字典写满时。继续採用10位的字典压缩。同一时候也有多算法对查找字典的方法进行了改进，时间上也有非常大的提高！

3.LZW算法的实现

完整project下载：http://download.csdn.net/detail/luoshixian099/9369093

/**********************************
CSDN 勿在浮沙筑高台
http://blog.csdn.net/luoshixian099
【数据压缩】LZW压缩算法 2015年12月17日
***********************************/
#include <iostream>
#include <fstream>
#include "Compress.h"
using namespace std;
#define IN  "D:\\my.bmp"
#define OUT "D:\\test.rar"
int main()
{
	compress COM(IN,OUT);
	if (!COM.CheckFile())
		return 0;
	COM.Intial();  //压缩初始化
	COM.WriteChar(START); //写入開始标志
	UINT pre_code = COM.ReadChar();//读取前缀
	UINT  Count = 0;
	while (!COM.CheckEOF())
	{
		UINT code = COM.ReadChar(); //读入新字符
		UINT temp = COM.CheckTable(pre_code, code);//查字典
		if (temp == EMPTY)
		{
			COM.WriteChar(pre_code); //写入前缀
			pre_code = code;        //更新前缀
		}
		else if (temp == NEW_TABLE) //字典已满，又一次初始化字典
		{
			COM.WriteChar(pre_code);
			COM.WriteChar(NEW_TABLE);
			COM.Intial();
			pre_code = code;
		}
		else
		{
			pre_code = temp;
		}
	}
	COM.WriteChar(pre_code); //文件结束，输出前缀
	COM.WriteEnd();
	return 0;
}

/**********************************
CSDN 勿在浮沙筑高台
http://blog.csdn.net/luoshixian099
【数据压缩】LZW解压缩算法 2015年12月17日
***********************************/
#include <iostream>
#include <fstream>
#include "decompress.h"
using namespace std;
#define IN  "D:\\test.rar"
#define OUT "D:\\mytest.bmp"
int main()
{
	DeCompress DCOM(IN,OUT);
	if (!DCOM.CheckFile())
		return 0;
	DCOM.Intial();  //初始化字典
	UINT OCODE, NCODE;
	UCHAR FirstChar;
	OCODE = DCOM.ReadData(); //读取第一个数据
	DCOM.WriteChar(OCODE); //输出

	while (!DCOM.CheckEOF())
	{
		NCODE = DCOM.ReadData();  //读入新数据
		if (NCODE == END)	 //文件结束标志
			break;
		else if (NCODE == NEW_TABLE)  //读入新字典标志
		{
			OCODE = DCOM.ReadData();
			DCOM.WriteChar(OCODE);
			DCOM.Intial();
			continue;
		}
		if (DCOM.CheckTable(NCODE))  //在字典中存在
		{
			DCOM.WriteChar(NCODE); //输出NCODE
			FirstChar = DCOM.GetFirstChar(NCODE);//更新NCODE的第一个字符
		}
		else  //字典中不存在
		{
			DCOM.WriteChar(OCODE);
			DCOM.WriteChar(FirstChar);
			FirstChar = DCOM.GetFirstChar(OCODE);
		}
		DCOM.AddtoTable(OCODE, FirstChar);  //OCODE+CHAR字典
		OCODE = NCODE;
	}
	DCOM.WriteEnd();
	return 0;
}

參考文章：

http://blog.chinaunix.net/uid-23741326-id-3124208.html

http://blog.csdn.net/abcjennifer/article/details/7995426