LZ77压缩算法实验报告
一、实验内容
使用C++编程实现LZ77压缩算法的实现。
二、实验目的
用LZ77实现文件的压缩。
三、实验环境
1、软件环境：Visual C++ 6.0
2、编程语言：C++
四、实验原理
LZ77 算法在某种意义上又可以称为“滑动窗口压缩”，这是由于该算法将一个虚拟的，可以跟随压缩进程滑动的窗口作为术语字典，要压缩的字符串如果在该窗口中出现，则输出其出现位置和长度。使用固定大小窗口进行术语匹配，而不是在所有已经编码的信息中匹配，是因为匹配算法的时间消耗往往很多，必须限制字典的大小才能保证算法的效率；随着压缩的进程滑动字典窗口，使其中总包含最近编码过的信息，是因为对大多数信息而言，要编码的字符串往往在最近的上下文中更容易找到匹配串。
五、LZ77算法的基本流程
1、从当前压缩位置开始，考察未编码的数据，并试图在滑动窗口中找出最长的匹
配字符串，如果找到，则进行步骤2，否则进行步骤3。
2、输出三元符号组( off, len, c )。其中off 为窗口中匹
配字符串相对窗口边
界的偏移，len 为可匹配的长度，c 为下一个字符。然后将窗口向后滑动len + 1 个字符，继续步骤1。
3、输出三元符号组( 0, 0, c )。其中c 为下一个字符。然后将窗口向后滑动
len + 1 个字符，继续步骤1。
六、源程序
/*********************************************************************
*
* Project description:
* Lz77 compression/decompression algorithm.
*
*********************************************************************/
#include
#include
#include
#include
#define OFFSET_CODING_LENGTH (10)
#define MAX_WND_SIZE 1024
//#define MAX_WND_SIZE (1< #define OFFSET_MASK_CODE (MAX_WND_SIZE-1) const ULONG m=3; UCHAR __buffer1__[0x200000]; UCHAR __buffer2__[0x200000]; //////////////////////////////////////////////////////////////////////////////// void Write1ToBitStream( PUCHAR pBuffer, ULONG ulBitOffset ) { ULONG ulByteBoundary; ULONG ulOffsetInByte; ulByteBoundary = ulBitOffset>>3 ; ulOffsetInByte = ulBitOffset&7; *(pBuffer+ulByteBoundary) |= (1< } void Write0ToBitStream( PUCHAR pBuffer, ULONG ulBitOffset ) { ULONG ulByteBoundary; ULONG ulOffsetInByte; ulByteBoundary = ulBitOffset>>3 ; ulOffsetInByte = ulBitOffset&7; *(pBuffer+ulByteBoundary) &= (~(1< } ULONG ReadBitFromBitStream( PUCHAR pBuffer, ULONG ulBitOffset ) { ULONG ulByteBoundary; ULONG ulOffsetInByte; ulByteBoundary = ulBitOffset>>3 ; ulOffsetInByte = ulBitOffset&7; return ((*(PULONG)(pBuffer+ulByteBoundary))>>ulOffsetInByte)&1 ; } ULONG WINAPI WriteGolombCode( ULONG x, PUCHAR pBuffer, ULONG ulBitOffset ) { ULONG q, r; int i; q = (x-1)>>m; r = x-(q< for(i=0; (ULONG)i { Write1ToBitStream(pBuffer, ulBitOffset); } Write0ToBitStream(pBuffer, ulBitOffset); ulBitOffset++; for(i=0; i { if( (r>>i)&1 ) { Write1ToBitStream(pBuffer, ulBitOffset); } else { Write0ToBitStream(pBuffer, ulBitOffset); } } return m+q+1; } ULONG ReadGolombCode( PULONG pulCodingLength, PUCHAR pBuffer, ULONG ulBitOffset ) { ULONG q, r; ULONG bit; int i; for(q=0; ;q++) { bit = (ULONG)ReadBitFromBitStream(pBuffer, ulBitOffset); ulBitOffset++; if( !bit ) { break; } } for(i=0, r=0; (ULONG)i { bit = (ULONG)ReadBitFromBitStream(pBuffer, ulBitOffset); bit <<= i; r |= bit; } *pulCodingLength = m + q + 1; return r+(q< } ULONG CompareStrings( PUCHAR string1, PUCHAR string2, ULONG length ) { ULONG i; PUCHAR p1, p2; p1 = string1; p2 = string2; for(i=0; i { if( *p1==*p2 ) { p1++; p2++; } else { break; } } return p1-string1; } void WINAPI FindLongestSubstring( PUCHAR pSourceString, PUCHAR pString, ULONG ulSourceStringLength, PULONG pulSubstringOffset, PULONG pulSubstringLength ) { PUCHAR pSrc; ULONG offset, length; ULONG ulMaxLength; *pulSubstringOffset = offset = 0; *pulSubstringLength = 0; if( NULL==pSourceString || NULL==pString ) { return; } ulMaxLength = ulSourceStringLength; pSrc = pSourceString; while( ulMaxLength>0 ) { length = CompareStrings(pSrc, pString, ulMaxLength); if( length>*pulSubstringLength ) { *pulSubstringLength = length; *pulSubstringOffset = offset; } pSrc++; offset++; ulMaxLength--; } } /* void FindLongestSubstring( PUCHAR pSourceString, PUCHAR pString, ULONG ulSourceStringLength, PULONG pulSubstringOffset, PULONG pulSubstringLength ) { PUCHAR pCurrentOffset; PUCHAR p1, p2; ULONG offset, length; pCurrentOffset = pSourceString; *pulSubstringOffset = offset = 0; *pulSubstringLength = length = 0; while( pCurrentOffset { p1 = pCurrentOffset; p2 = pString; if( *p1==*p2 ) { while( p1 { p1++; p2++; } length = p1 - pCurrentOffset; } else { length = 0; } if( length>*pulSubstringLength ) { *pulSubstringLength = length; *pulSubstringOffset = (ULONG)pCurrentOffset - (ULONG)pSourceString; } pCurrentOffset++; } } */ void WriteBits( PUCHAR pDataBuffer, ULONG ulOffsetToWrite, ULONG ulBits, ULONG ulBitLength ) { ULONG ulDwordsOffset; ULONG ulBitsOffset, ulBitsRemained; ulDwordsOffset = ulOffsetToWrite>>5; ulBitsOffset = ulOffsetToWrite&31; ulBitsRemained = 32 - ulBitsOffset; if( 0==ulBitsOffset ) { *((PULONG)pDataBuffer+ulDwordsOffset) = ulBits; } else if( ulBitsRemained>=ulBitLength ) { *((PULONG)pDataBuffer+ulDwordsOffset) |= (ulBits< } else { *((PULONG)pDataBuffer+ulDwordsOffset) |= (ulBits< *((PULONG)pDataBuffer+ulDwordsOffset+1) = ulBits>>ulBitsRemained; } } void ReadBits( PUCHAR pDataBuffer, ULONG ulOffsetToRead, PULONG pulBits ) { ULONG ulDwordsOffset; ULONG ulBitsOffset, ulBitsLength; ulDwordsOffset = ulOffsetToRead>>5; ulBitsOffset = ulOffsetToRead&31; ulBitsLength = 32 - ulBitsOffset; *pulBits = *((PULONG)pDataBuffer+ulDwordsOffset); if( 0!=ulBitsOffset ) { (*pulBits) >>= ulBitsOffset; (*pulBits) |= (*((PULONG)pDataBuffer+ulDwordsOffset+1))< } void lz77compress( PUCHAR pDataBuffer, ULONG ulDataLength, PUCHAR pOutputBuffer, PULONG pulNumberOfBits ) { LONG iSlideWindowPtr; ULONG ulBytesCoded; ULONG ulMaxlength; PUCHAR pSlideWindowPtr; PUCHAR pUnprocessedDataPtr; ULONG offset; ULONG length; ULONG ulCodingLength; ULONG ulBitOffset; UCHAR cc; int i; iSlideWindowPtr = -MAX_WND_SIZE; pSlideWindowPtr = NULL; ulBitOffset = 0; ulBytesCoded = 0; while( ulBytesCoded { if( iSlideWindowPtr>=0 ) { pSlideWindowPtr = pDataBuffer+iSlideWindowPtr; ulMaxlength = MAX_WND_SIZE; } else if( iSlideWindowPtr>=-MAX_WND_SIZE ) { pSlideWindowPtr = pDataBuffer; ulMaxlength = MAX_WND_SIZE + iSlideWindowPtr; } else { pSlideWindowPtr = NULL; ulMaxlength = 0; } pUnprocessedDataPtr = pDataBuffer + ulBytesCoded; if( ulMaxlength>ulDataLength-ulBytesCoded ) { ulMaxlength = ulDataLength-ulBytesCoded; } FindLongestSubstring( pSlideWindowPtr, pUnprocessedDataPtr, ulMaxlength, &offset, &length ); assert( length<=MAX_WND_SIZE ); assert( offset if(length>1) { Write1ToBitStream(pOutputBuffer, ulBitOffset); ulBitOffset++; for(i=0; i { if( (offset>>i)&1 ) { Write1ToBitStream(pOutputBuffer, ulBitOffset); } else { Write0ToBitStream(pOutputBuffer, ulBitOffset); } } ulCodingLength = WriteGolombCode(length, pOutputBuffer, ulBitOffset); ulBitOffset += ulCodingLength; iSlideWindowPtr += length; ulBytesCoded += length; } else { Write0ToBitStream(pOutputBuffer, ulBitOffset); ulBitOffset++; cc = (*pUnprocessedDataPtr); for(i=0; i<8; i++, ulBitOffset++) { if( (cc>>i)&1 ) { Write1ToBitStream(pOutputBuffer, ulBitOffset); } else { Write0ToBitStream(pOutputBuffer, ulBitOffset); } } iSlideWindowPtr++; ulBytesCoded++; } } if( ulBytesCoded!=ulDataLength ) { assert(ulBytesCoded==ulDataLength); } *pulNumberOfBits = ulBitOffset; } void lz77decompress( PUCHAR pDataBuffer, ULONG ulNumberOfBits, PUCHAR pOutputBuffer, PULONG pulNumberOfBytes ) { LONG iSlideWindowPtr; PUCHAR pSlideWindowPtr; ULONG length, offset; ULONG bit; UCHAR cc; int i; ULONG ulBytesDecoded; ULONG ulBitOffset; ULONG ulCodingLength; PUCHAR pWrite; iSlideWindowPtr = -MAX_WND_SIZE; pWrite = (PUCHAR)pOutputBuffer; ulBitOffset = 0; ulBytesDecoded = 0; while( ulBitOffset { bit = ReadBitFromBitStream(pDataBuffer, ulBitOffset); ulBitOffset++; if( bit ) { if( iSlideWindowPtr>=0 ) { pSlideWindowPtr = pOutputBuffer + iSlideWindowPtr; } else if( iSlideWindowPtr>=-MAX_WND_SIZE ) { pSlideWindowPtr = pOutputBuffer; } else { pSlideWindowPtr = NULL; } for(i=0, offset=0; i { bit = ReadBitFromBitStream(pDataBuffer, ulBitOffset); offset |= (bit< } length= ReadGolombCode(&ulCodingLength, pDataBuffer, ulBitOffset); assert(offset if( length>MAX_WND_SIZE ) { assert(length<=MAX_WND_SIZE); } ulBitOffset += ulCodingLength; RtlMoveMemory(pWrite, pSlideWindowPtr+offset, length); pWrite+=length; iSlideWindowPtr+=length; ulBytesDecoded+=length; } else { for(i=0, cc=0; i<8 ; i++, ulBitOffset++) { bit = ReadBitFromBitStream(pDataBuffer, ulBitOffset); cc |= ((UCHAR)bit< } *pWrite++ = cc; iSlideWindowPtr++; ulBytesDecoded++; } } *pulNumberOfBytes = ulBytesDecoded; } extern "C" void WINAPI LZ77Compress( PUCHAR __pDataBuffer, ULONG __ulDataLength, PUCHAR __pOutputBuffer, PULONG __pulNumberOfBits ); extern "C" void WINAPI LZ77Decompress( PUCHAR __pDataBuffer, ULONG __ulNumberOfBits, PUCHAR __pOutputBuffer, PULONG __pulNumberOfBytes ); int main( int argc, char *argv[] ) { FILE *fp=NULL; FILE *fp1; ULONG fsize; ULONG ulNumberOfBits; ULONG ulFileCompressedSize; ULONG ulFileDecompressedSize; SYSTEMTIME t1, t2; if( 3!=argc ) { printf("Usage: lz77 [/c | /d] filename\n"); return -1; } // char s1[]="abcdabcdefgabcdefaffasda"; // ULONG a, b; // FindLongestSubstring((PUCHAR)s1, (PUCHAR)s1+11, 11,&a, &b ); // return 0; fp = fopen(argv[2], "rb"); if( !fp ) { return -1; } fseek(fp, 0, SEEK_END); fsize = ftell(fp); fseek(fp, 0, SEEK_SET); fread(__buffer1__, 1, fsize, fp); GetSystemTime(&t1); lz77compress(__buffer1__, fsize, __buffer2__, &ulNumberOfBits); //LZ77Compress(__buffer1__, fsize, __buffer2__, &ulNumberOfBits); GetSystemTime(&t2); ulFileCompressedSize = ((ulNumberOfBits+7)>>3); fp1=fopen("peinfo.c_", "wb+"); if( !fp1 ) { goto l1; } fwrite(__buffer2__, 1, ulFileCompressedSize, fp1); fclose(fp1); RtlZeroMemory(__buffer1__, sizeof(__buffer1__)); lz77decompress(__buffer2__, ulNumberOfBits, __buffer1__, &ulFileDecompressedSize); //LZ77Decompress(__buffer2__, ulNumberOfBits, __buffer1__, &ulFileDecompressedSize); fp1=fopen("peinfo.d_", "wb+"); if( !fp1 ) { goto l1; } fwrite(__buffer1__, 1, ulFileDecompressedSize, fp1); fclose(fp1); l1: if( fp ) { fclose(fp); } ULONG milliS; milliS = ((t2.wHour - t1.wHour)*3600 + (t2.wMinute-t1.wMinute)*60 + (t2.wSecond-t1.wSecond)) * 1000 + (t2.wMilliseconds-t1.wMilliseconds); printf("Totally %ld milliseconds elapsed!\n\n", milliS); printf("Press any key to exit!\n"); getch(); return 0; } 七、实验结果 竭诚为您提供优质文档/双击可除 图像压缩实验报告 篇一：实验三图像压缩 实验三图像压缩 一、实验目的 1．理解有损压缩和无损压缩的概念； 2．理解图像压缩的主要原则和目的； 3．了解几种常用的图像压缩编码方式。 4．利用mATLAb程序进行图像压缩。 二、实验仪器 1计算机； 2mATLAb等程序； 3移动式存储器（软盘、u盘等）。 4记录用的笔、纸。 三、实验原理 1.图像压缩原理 图像压缩主要目的是为了节省存储空间，增加传输速度。图像压缩的理想标准是信息丢失最少，压缩比例最大。不损 失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。 信息的冗余量有许多种，如空间冗余，时间冗余，结构冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。高效编码的主要方法是尽可能去除图像中的冗余成分，从而以最小的码元包含最大的图像信息。 编码压缩方法有许多种，从不同的角度出发有不同的分类方法，从信息论角度出发可分为两大类。 （1）.冗余度压缩方法，也称无损压缩、信息保持编码或嫡编码。具体说就是解码图像和压缩编码前的图像严格相同，没有失真，从数学上讲是一种可逆运算。 （2）信息量压缩方法，也称有损压缩、失真度编码或烟压缩编码。也就是说解码图像和原始图像是有差别的，允许有一定的失真。 应用在多媒体中的图像压缩编码方法，从压缩编码算法原理上可以分为以下3类： （1）无损压缩编码种类 哈夫曼（huffman）编码，算术编码，行程（RLe）编码，Lempelzev编码。 （2）有损压缩编码种类 图像压缩算法的分析与研究本科毕业设计论文 河南理工大学 本科毕业设计 图像压缩算法的分析与研究 摘? 要 随着多媒体技术和通讯技术的不断发展, 多媒体娱乐、信息高速公路等不断对信息数据的存储和传输提出了更高的要求, 也给现有的有限带宽以严峻的考验, 特别是具有庞大数据量的数字图像通信, 更难以传输和存储, 极大地制约了图像通信的发展, 因此图像压缩技术受到了越来越多的关注。图像压缩的目的就是把原来较大的图像用尽量少的字节表示和传输,并且要求复原图像有较好的质量。利用图像压缩, 可以减轻图像存储和传输的负担, 使图像在网络上实现快速传输和实时处理。 本文主要介绍数字图像处理的发展概况,图像压缩处理的原理和特点,对多种压缩编码方法进行描述和比较,详细讨论了Huffman编码的图像压缩处理的原理和应用。 关键词:图像处理,图像压缩,压缩算法,图像编码,霍夫曼编码 Abstract With the developing of multimedia technology and communication technology, multimedia entertainment, information, information highway have kept on data storage and transmission put forward higher requirements, but also to the limited bandwidth available to a severe test, especially with large data amount of digital image communication, more difficult to transport and storage, greatly restricted the development of image communication, image compression techniques are therefore more and more attention. The purpose of image compression is to exhaust the original image less the larger the bytes and transmission, and requires better quality of reconstructed images. Use of image compression, image storage ?哈弗曼编码 A method for the construction of minimum-re-dundancy codes, 耿国华1数据结构1北京:高等教育出版社,2005:182—190 严蔚敏,吴伟民.数据结构(C语言版)[M].北京:清华大学出版社,1997. 冯桂,林其伟,陈东华.信息论与编码技术[M].北京:清华大学出版社,2007. 刘大有,唐海鹰,孙舒杨,等.数据结构[M].北京:高等教育出版社,2001 ?压缩实现 速度要求 为了让它(huffman.cpp)快速运行，同时不使用任何动态库，比如STL或者MFC。它压缩1M数据少于100ms（P3处理器，主频1G）。 压缩过程 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; 其次，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); 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 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 压缩技术实验编码 实验一统计编码 实验目的 1.熟悉统计编码的原理 2.掌握r元Huffman编码的方法； 3.了解Huffman编码效率及冗余度的计算; 二、实验原理 霍夫曼编码，又称最佳编码，根据字符出现概率来构造平均长度最短的变长编码。 Huffman编码步骤： (1)把信源符号x i(i=1,2,…按出现概率的值由大到小的顺序排列； (2)对两个概率最 小的符号分别分配以“ 0和“ 1,'然 后把这两个概率相加作为一个新的辅助符号的概率； (3)将这个新的辅助符号与其他符号一起重新按概率大小顺序排列； ⑷跳到第2步，直到出现概率相加为1为止； (5)用线将符号连接起来，从而得到一个码树，树的N个端点对应N个信源符号； (6)从最后一个概率为1的节点开始，沿着到达信源的每个符号，将一路遇到的二进制码“ 0或“ 1顺序排列起来，就是端点所对应的信源符号的码字。 以上是二元霍夫曼编码。如果是r元霍夫曼编码，则应该如何做呢？ 在HUFFMAN 编码方案中，为出现概率较小的信源输出分配较长的码字，而对那些出现可能性较大的信源输出分配较短的码字。为此，首先将r 个最小可能的信源输出合并成为一个新的输出，该输出的概率就是上述的r 个输出的概率之和。重复进行该过程直到只剩下一个输出为止。信源符号的个数q 与r 必须满足如下的关系式： q = (r-1) n + r n 为整数如果不满足上述关系式，可通过添加概率为零的信源符号来满足。这样就生成了一个树，从该树的根节点出发并将0、1 分别分配给任何r 个来自于相同节点的 分支，生成编码。可以证明用这种方法产生的编码在前向树类 算法论文 基于huffman编码的图像压缩技术 姓名：康凯 学院：计算机学院 专业：网络工程1102 学号：201126680208 摘要 随着多媒体技术和通讯技术的不断发展, 多媒体娱乐、信息高速公路等不断对信息数据的存储和传输提出了更高的要求, 也给现有的有限带宽以严峻的考验, 特别是具有庞大数据量的数字图像通信, 更难以传输和存储, 极大地制约了图像通信的发展, 因此图像压缩技术受到了越来越多的关注。图像压缩的目的就是把原来较大的图像用尽量少的字节表示和传输,并且要求复原图像有较好的质量。利用图像压缩, 可以减轻图像存储和传输的负担, 使图像在网络上实现快速传输和实时处理。 本文主要介绍数字图像处理的发展概况，图像压缩处理的原理和特点，对多种压缩编码方法进行描述和比较，详细讨论了Huffman编码的图像压缩处理的原理和应用。 关键词：图像处理,图像压缩,压缩算法,图像编码,霍夫曼编码 Abstract With the developing of multimedia technology and communication technology, multimedia entertainment, information, information highway have kept on data storage and transmission put forward higher requirements, but also to the limited bandwidth available to a severe test, especially with large data amount of digital image communication, more difficult to transport and storage, greatly restricted the development of image communication, image compression techniques are therefore more and more attention. The purpose of image compression is to exhaust the original image less the larger the bytes and transmission, and requires better quality of LZ77压缩算法实验报告 一、实验内容 使用C++编程实现LZ77压缩算法的实现。 二、实验目的 用LZ77实现文件的压缩。 三、实验环境 1、软件环境：Visual C++ 6.0 2、编程语言：C++ 四、实验原理 LZ77 算法在某种意义上又可以称为“滑动窗口压缩”，这是由于该算法将一个虚拟的，可以跟随压缩进程滑动的窗口作为术语字典，要压缩的字符串如果在该窗口中出现，则输出其出现位置和长度。使用固定大小窗口进行术语匹配，而不是在所有已经编码的信息中匹配，是因为匹配算法的时间消耗往往很多，必须限制字典的大小才能保证算法的效率；随着压缩的进程滑动字典窗口，使其中总包含最近编码过的信息，是因为对大多数信息而言，要编码的字符串往往在最近的上下文中更容易找到匹配串。 五、LZ77算法的基本流程 1、从当前压缩位置开始，考察未编码的数据，并试图在滑动窗口中找出最长的匹 配字符串，如果找到，则进行步骤2，否则进行步骤3。 2、输出三元符号组( off, len, c )。其中off 为窗口中匹 配字符串相对窗口边 界的偏移，len 为可匹配的长度，c 为下一个字符。然后将窗口向后滑动len + 1 个字符，继续步骤1。 3、输出三元符号组( 0, 0, c )。其中c 为下一个字符。然后将窗口向后滑动 len + 1 个字符，继续步骤1。 六、源程序 /********************************************************************* * * Project description: * Lz77 compression/decompression algorithm. * *********************************************************************/ #include 数字图像处理上机实验指导书 童立靖 北方工业大学计算机学院 实验四图像压缩 一、实验目的、要求与环境 目的： 通过实验，了解数字图象压缩的一般方法，掌握图像压缩的编程方法，了解图象压缩效果的评价方法。 1.2要求： 对自选的图象进行离散余弦变换，将其进行图象压缩处理，自行设计量化矩阵，与编码方法，并计算压缩比，提交实验报告。 进度较快的同学，可以设计三种不同的量化矩阵或编码方法，完成三种不同程度的压缩，对比解压缩后的图像质量，并进行分析。（给分较高） 环境： Windows XP操作系统 Microsoft Visual C++ (SP6) 自带8位灰度图像文件： ： 3 二、实验步骤 1.准备相关图像文件。 2．在XP操作系统上，打开Microsoft Visual C++ (SP6)，编写相关程序，完成对离散余弦变换系数的量化矩阵设计与编码方法。 4．对程序进行相关调试，修改程序，去除其中的BUG。 5. 利用自己准备的图像的文件，和编写的程序，将给定的图象进行压缩处理。 6．截屏，保留实验结果。 7. 计算压缩比, 进行实验结果分析。 8. 撰写并提交实验报告。 三、注意事项 1.实验任务： Windows下完成图像压缩的程序编写。 2.去多模式教学网上下载程序框架： 。 3.图像高度、宽度须是8的倍数。BMP 格式，8位灰度图像。 4.对于一幅彩色图像，可以在photoshop中，图像=》模式=》灰度=》扔掉 文件=》存储为=》保存=》选择8位深度=》确定。 5.实验完成时间： 先在课下完成程序编写，然后课上完成验机。 第15周的周一、第15周的周五，二次实验课。 6.请记录实验报告中相应的贴图： 可以用屏幕拷贝，然后再用Photoshop中的工具中修剪一下。 7.请每位同学用自己的图像文件进行实验： 若2位同学使用的图像文件一样，两位均依抄袭计0分。 8.请每位同学自己编写程序： 多媒体技术及应用 JPEG图像压缩算法及其实现 罗群书 0411102班 2011211684 一、JEPG压缩算法（标准） (一)JPEG压缩标准 JPEG(Joint Photographic Experts Group)是一个由ISO/IEC JTC1/SC2/WG8和CCITT VIII/NIC于1986年底联合组成的一个专家组，负责制定静态的数字图像数据压缩编码标准。迄今为止，该组织已经指定了3个静止图像编码标准，分别为JPEG、JPEG-LS和JPEG2000。这个专家组于1991年前后指定完毕第一个静止图像压缩标准JPEG标准，并且成为国际上通用的标准。JPEG标准是一个适用范围很广的静态图像数据压缩标准，既可用于灰度图像又可用于彩色图像。 JPEG专家组开发了两种基本的静止图像压缩算法，一种是采用以离散余弦变换(Discrete Cosine Transform, DCT)为基础的有损压缩算法，另一种是采用以预测技术为基础的无损压缩算法。使用无损压缩算法时，其压缩比比较低，但可保证图像不失真。使用有损压缩算法时，其算法实现较为复杂，但其压缩比大，按25：1压缩后还原得到的图像与原始图像相比较，非图像专家难于找出它们之间的区别，因此得到了广泛的应用。 JPEG有4种工作模式，分别为顺序编码，渐近编码，无失真编码和分层编码，他们有各自的应用场合，其中基于顺序编码工作模式的JPEG压缩系统也称为基本系统，该系统采用单遍扫描完成一个图像分量的编码，扫描次序从左到右、从上到下，基本系统要求图像像素的各个色彩分量都是8bit，并可通过量化线性地改变DCT系统的量化结果来调整图像质量和压缩比。下面介绍图像压缩采用基于DCT的顺序模式有损压缩算法，该算法下的JPEG压缩为基本系统。 (二)JPEG压缩基本系统编码器 JPEG压缩是有损压缩，它利用了人的视觉系统的特性，将量化和无损压缩编码相结合来去掉视觉的冗余信息和数据本身的冗余信息。基于基本系统的JPEG压缩编码器框图如图1所示，该编码器是对单个图像分量的处理，对于多个分量的图像，则首先应将图像多分量按照一定顺序和比例组成若干个最小压缩单元（MCU），然后同样按该编码器对每个MCU各个分量进行独立编码处理，最终图像压缩数据将由多个MCU压缩数据组成。 图1 JPEG压缩编码器结构框图 实验名称：LZSS压缩算法实验报告 一、实验内容 使用Visual 6..0 C++编程实现LZ77压缩算法。 二、实验目的 用LZSS实现文件的压缩。 三、实验原理 LZSS压缩算法是词典编码无损压缩技术的一种。LZSS压缩算法的字典模型使用了自适应的方式，也就是说，将已经编码过的信息作为字典， 四、实验环境 1、软件环境：Visual C++ 6.0 2、编程语言：C++ 五、实验代码 #include -- need byte-swap function for big endian CPU */ #define READ_LE32(X) *(uint32_t *)(X) #define WRITE_LE32(X,Y) *(uint32_t *)(X) = (Y) /* this assumes sizeof(long)==4 */ typedef unsigned long uint32_t; /* text (input) size counter, code (output) size counter, and counter for reporting progress every 1K bytes */ static unsigned long g_text_size, g_code_size, g_print_count; /* ring buffer of size N, with extra F-1 bytes to facilitate string comparison */ static unsigned char g_ring_buffer[N + F - 1]; /* position and length of longest match; set by insert_node() */ static unsigned g_match_pos, g_match_len; /* left & right children & parent -- these constitute binary search tree */ static unsigned g_left_child[N + 1], g_right_child[N + 257], g_parent[N + 1]; /* input & output files */ static FILE *g_infile, *g_outfile; /***************************************************************************** initialize trees *****************************************************************************/ static void init_tree(void) { unsigned i; /* For i = 0 to N - 1, g_right_child[i] and g_left_child[i] will be the right and left children of node i. These nodes need not be initialized. Also, g_parent[i] is the parent of node i. These are initialized to NIL (= N), which stands for 'not used.' For i = 0 to 255, g_right_child[N + i + 1] is the root of the tree for strings that begin with character i. These are initialized to NIL. Note there are 256 trees. */ for(i = N + 1; i <= N + 256; i++) g_right_child[i] = NIL; for(i = 0; i < N; i++) g_parent[i] = NIL; } /***************************************************************************** Inserts string of length F, g_ring_buffer[r..r+F-1], into one of the trees (g_ring_buffer[r]'th tree) and returns the longest-match position and length via the global variables g_match_pos and g_match_len. If g_match_len = F, then removes the old node in favor of the new one, because the old one will be deleted sooner. 重庆交通大学信息科学与工程学院综合性设计性实验报告 专业：通信工程专业11级 学号：631106040222 姓名：徐国健 实验所属课程：移动通信原理与应用 实验室(中心)：信息技术软件实验室 指导教师：李益才 2014年5月 一、题目 二值图像的游程编码及解码 二、仿真要求 对一幅图像进行编码压缩，然后解码恢复图像。 三、仿真方案详细设计 实验过程分为四步：分别是读入一副图象，将它转换成为二进制灰度图像，然后对其进行游程编码和压缩，最后恢复图象（只能恢复为二值图像）。 1、二值转换 所谓二值图像,就是指图像上的所有像素点的灰度值只用两种可能，不为“0”就为“1”，也就是整个图像呈现出明显的黑白效果。 2、游程编码原理 游程编码是一种无损压缩编码，对于二值图有效。游程编码的基本原理是：用一个符号值或串长代替具有相同值的连续符号，使符号长度少于原始数据的长度。据进行编码时，沿一定方向排列的具有相同灰度值的像素可看成是连续符号，用字串代替这些连续符号，可大幅度减少数据量。游程编码分为定长行程编码和不定长行程编码两种类型。游程编码是连续精确的编码，在传输过程中，如果其中一位符号发生错误，即可影响整个编码序列，使行程编码无法还原回原始数据。 3、游程编码算法 一般游程编码有两种算法，一种是使用1的起始位置和1的游程长度，另一种是只使用游程长度，如果第一个编码值为0，则表示游程长度编码是从0像素的长度开始。这次实验采 用的是前一种算法。两种方法各有优缺点：前一种存储比第二种困难，因此编程也比较复杂。而后一种需要知道第一个像素值，故压缩编码算法中需给出所读出的图的第一个像素值。 压缩流程图： 解压流程图： JPEG2000图像压缩算法标准 摘要：JPEG2000是为适应不断发展的图像压缩应用而出现的新的静止图像压缩标准。本文介绍了JPEG2000图像编码系统的实现过程, 对其中采用的基本算法和关键技术进行了描述，介绍了这一新标准的特点及应用场合，并对其性能进行了分析。 关键词：JPEG2000；图像压缩；基本原理；感兴趣区域 引言 随着多媒体技术的不断运用，图像压缩要求更高的性能和新的特征。为了满足静止图像在特殊领域编码的需求，JPEG2000作为一个新的标准处于不断的发展中。它不仅希望提供优于现行标准的失真率和个人图像压缩性能，而且还可以提供一些现行标准不能有效地实现甚至在很多情况下完全无法实现的功能和特性。这种新的标准更加注重图像的可伸缩表述。所以就可以在任意给定的分辨率级别上来提供一个低质量的图像恢复，或者在要求的分辨率和信噪比的情况下提取图像的部分区域。 1.JPEG2000的基本介绍及优势 相信大家对JPEG这种图像格式都非常熟悉，在我们日常所接触的图像中，绝大多数都是JPEG格式的。JPEG的全称为Joint Photographic Experts Group，它是一个在国际标准组织(ISO)下从事静态图像压缩标准制定的委员会，它制定出了第一套国际静态图像压缩标准：ISO 10918－1，俗称JPEG。由于相对于BMP等格式而言，品质相差无己的JPEG格式能让图像文件“苗条”很多，无论是传送还是保存都非常方便，因此JPEG格式在推出后大受欢迎。随着网络的发展，JPEG的应用更加广泛，目前网站上80％的图像都采用JPEG格式。 但是，随着多媒体应用领域的快速增长，传统JPEG压缩技术已无法满足人们对数字化多媒体图像资料的要求：网上JPEG图像只能一行一行地下载，直到全部下载完毕，才可以看到整个图像，如果只对图像的局部感兴趣也只能将整个图片载下来再处理；JPEG格式的图像文件体积仍然嫌大；JPEG格式属于有损压缩，当被压缩的图像上有大片近似颜色时，会出现马赛克现象；同样由于有损压缩的原因，许多对图像质量要求较高的应用JPEG无法胜任。 JPEG2000是为21世纪准备的压缩标准，它采用改进的压缩技术来提供更高的解像度，其伸缩能力可以为一个文件提供从无损到有损的多种画质和解像选择。JPEG2000被认为是互联网和无线接入应用的理想影像编码解决方案。 “高压缩、低比特速率”是JPEG2000的目标。在压缩率相同的情况下，JPEG2000的信噪比将比JPEG提高30%左右。JPEG2000拥有5种层次的编码形式：彩色静态画面采用的JPEG 编码、2值图像采用的JBIG、低压缩率图像采用JPEGLS等，成为应对各种图像的通用编码方式。在编码算法上，JPEG2000采用离散小波变换（DWT）和bit plain算术编码（MQ coder）。此外，JPEG2000还能根据用户的线路速度以及利用方式(是在个人电脑上观看还是在PDA上观看)，以不同的分辨率及压缩率发送图像。 JPEG2000的制定始于1997年3月，但因为无法很快确定算法，因此耽误了不少时间，直到2000年 3 月，规定基本编码系统的最终协议草案才出台。目前JPEG2000已由ISO和 多媒体数据压缩实验报告 篇一：多媒体实验报告_文件压缩 课程设计报告 实验题目：文件压缩程序 姓名：指导教师：学院：计算机学院专业：计算机科学与技术学号： 提交报告时间：20年月日 四川大学 一，需求分析： 有两种形式的重复存在于计算机数据中，文件压缩程序就是对这两种重复进行了压 缩。 一种是短语形式的重复，即三个字节以上的重复，对于这种重复，压缩程序用两个数字：1.重复位置距当前压缩位置的距离；2.重复的长度，来表示这个重复，假设这两个数字各占一个字节，于是数据便得到了压缩。 第二种重复为单字节的重复，一个字节只有256种可能的取值，所以这种重复是必然的。给 256 种字节取值重新编码，使出现较多的字节使用较短的编码，出现较少的字节使用较长的编码，这样一来，变短的字节相对于变长的字节更多，文件的总长度就会减少，并且，字节使用比例越不均 匀，压缩比例就越大。 编码式压缩必须在短语式压缩之后进行，因为编码式压缩后，原先八位二进制值的字节就被破坏了，这样文件中短语式重复的倾向也会被破坏（除非先进行解码）。另外，短语式压缩后的结果：那些剩下的未被匹配的单、双字节和得到匹配的距离、长度值仍然具有取值分布不均匀性，因此，两种压缩方式的顺序不能变。 本程序设计只做了编码式压缩，采用Huffman编码进行压缩和解压缩。Huffman编码是一种可变长编码方式，是二叉树的一种特殊转化形式。编码的原理是：将使用次数多的代码转换成长度较短的代码，而使用次数少的可以使用较长的编码，并且保持编码的唯一可解性。根据 ascii 码文件中各 ascii 字符出现的频率情况创建 Huffman 树，再将各字符对应的哈夫曼编码写入文件中。同时，亦可根据对应的哈夫曼树，将哈夫曼编码文件解压成字符文件. 一、概要设计： 压缩过程的实现: 压缩过程的流程是清晰而简单的: 1. 创建 Huffman 树 2. 打开需压缩文件 3. 将需压缩文件中的每个 ascii 码对应的 huffman 编码按 bit 单位输出生成压缩文件压缩结束。 图像压缩编码实验报告 一、实验目的 1.了解有关数字图像压缩的基本概念，了解几种常用的图像压缩编码方式； 2.进一步熟悉JPEG编码与离散余弦变换（DCT）变换的原理及含义； 3.掌握编程实现离散余弦变换（DCT）变换及JPEG编码的方法； 4.对重建图像的质量进行评价。 二、实验原理 1、图像压缩基本概念及原理 图像压缩主要目的是为了节省存储空间，增加传输速度。图像压缩的理想标准是信息丢失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。应用在多媒体中的图像压缩编码方法，从压缩编码算法原理上可以分为以下3类： （1）无损压缩编码种类 哈夫曼（Huffman）编码，算术编码，行程（RLE）编码，Lempel zev编码。（2）有损压缩编码种类 预测编码，DPCM，运动补偿； 频率域方法：正交变换编码(如DCT)，子带编码； 空间域方法：统计分块编码； 模型方法：分形编码，模型基编码； 基于重要性：滤波，子采样，比特分配，向量量化； （3）混合编码 JBIG，H.261，JPEG，MPEG等技术标准。 2、JPEG 压缩编码原理 JPEG是一个应用广泛的静态图像数据压缩标准，其中包含两种压缩算法(DCT和DPCM)，并考虑了人眼的视觉特性，在量化和无损压缩编码方面综合权衡，达到较大的压缩比(25:1以上)。JPEG既适用于灰度图像也适用于彩色图像。其中最常用的是基于DCT变换的顺序式模式，又称为基本系统。JPEG 的压缩编码大致分 《算法设计与分析》课程报告 姓名：文亮 学号：201322220254 学院：信息与软件工程学院 老师：屈老师；王老师 算法实现与应用——《算法设计与分析》课程报告 一． 基本要求 1. 题目: 图像压缩 2. 问题描述 掌握基于DCT 变换的图像压缩的基本原理及其实现步骤；对同一幅原 始图像进行压缩，进一步掌握DCT 和图像压缩。 3. 算法基本思想 图像数据压缩的目的是在满足一定图像质量的条件下，用尽可能少的比特数来表示原始图像，以提高图像传输的效率和减少图像存储的容量，在信息论中称为信源编码。图像压缩是通过删除图像数据中冗余的或者不必要的部分来减小图像数据量的技术，压缩过程就是编码过程，解压缩过程就是解码过程。压缩技术分为无损压缩和有损压缩两大类，前者在解码时可以精确地恢复原图像，没有任何损失；后者在解码时只能近似原图像，不能无失真地恢复原图像。 假设有一个无记忆的信源,它产生的消息为{}N ≤≤i a i 1,其出现的概率是已知的,记为()i a p 。则其信息量定义为: ()()i i a p a log -=I 由此可见一个消息出现的可能性越小，其信息量就越多，其出现对信息的贡献量越大，反之亦然。 信源的平均信息量称为“熵”（entropy ），可以表示为： ()()[]()()∑∑==-=?=H N i i i N i i i a p a p a p I a p 1 1 log 对上式取以2为底的对数时，单位为比特（bits ）： ()()∑=-=H N i i i a p a p 1log 根据香农（Shannon ）无噪声编码定理，对于熵为H 的信号源，对其进行无 价值工程 置，是一项十分有意义的工作。另外恶意代码的检测和分析是一个长期的过程，应对其新的特征和发展趋势作进一步研究，建立完善的分析库。 参考文献： [1]CNCERT/CC.https://www.doczj.com/doc/3c7402599.html,/publish/main/46/index.html. [2]LO R,LEVITTK,OL SSONN R.MFC:a malicious code filter [J].Computer and Security,1995,14(6):541-566. [3]KA SP ER SKY L.The evolution of technologies used to detect malicious code [M].Moscow:Kaspersky Lap,2007. [4]LC Briand,J Feng,Y Labiche.Experimenting with Genetic Algorithms and Coupling Measures to devise optimal integration test orders.Software Engineering with Computational Intelligence,Kluwer,2003. [5]Steven A.Hofmeyr,Stephanie Forrest,Anil Somayaji.Intrusion Detection using Sequences of System calls.Journal of Computer Security Vol,Jun.1998. [6]李华,刘智,覃征,张小松.基于行为分析和特征码的恶意代码检测技术[J].计算机应用研究，2011，28（3）：1127-1129. [7]刘威，刘鑫，杜振华.2010年我国恶意代码新特点的研究.第26次全国计算机安全学术交流会论文集，2011，（09）. [8]IDIKA N,MATHUR A P.A Survey of Malware Detection Techniques [R].Tehnical Report,Department of Computer Science,Purdue University,2007. 0引言 现有的压缩算法有很多种，但是都存在一定的局限性，比如：LZw [1]。主要是针对数据量较大的图像之类的进行压缩，不适合对简单报文的压缩。比如说，传输中有长度限制的数据，而实际传输的数据大于限制传输的数据长度，总体数据长度在100字节左右，此时使用一些流行算法反而达不到压缩的目的，甚至增大数据的长度。本文假设该批数据为纯数字数据，实现压缩并解压缩算法。 1数据压缩概念 数据压缩是指在不丢失信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率的一种技术方法。或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间。常用的压缩方式[2,3]有统计编码、预测编码、变换编码和混合编码等。统计编码包含哈夫曼编码、算术编码、游程编码、字典编码等。 2常见几种压缩算法的比较2.1霍夫曼编码压缩[4]：也是一种常用的压缩方法。其基本原理是频繁使用的数据用较短的代码代替，很少使用 的数据用较长的代码代替，每个数据的代码各不相同。这些代码都是二进制码，且码的长度是可变的。 2.2LZW 压缩方法[5,6]：LZW 压缩技术比其它大多数压缩技术都复杂，压缩效率也较高。其基本原理是把每一个第一次出现的字符串用一个数值来编码，在还原程序中再将这个数值还成原来的字符串，如用数值0x100代替字符串ccddeee"这样每当出现该字符串时，都用0x100代替，起到了压缩的作用。 3简单报文数据压缩算法及实现 3.1算法的基本思想数字0-9在内存中占用的位最 大为4bit ， 而一个字节有8个bit ，显然一个字节至少可以保存两个数字，而一个字符型的数字在内存中是占用一个字节的，那么就可以实现2:1的压缩，压缩算法有几种，比如，一个自己的高四位保存一个数字，低四位保存另外一个数字，或者，一组数字字符可以转换为一个n 字节的数值。N 为C 语言某种数值类型的所占的字节长度，本文讨论后一种算法的实现。 3.2算法步骤 ①确定一种C 语言的数值类型。 —————————————————————— —作者简介：安建梅（1981-），女，山西忻州人，助理实验室，研究方 向为软件开发与软交换技术；季松华（1978-），男，江苏 南通人，高级软件工程师，研究方向为软件开发。 数据快速压缩算法的研究以及C 语言实现 The Study of Data Compression and Encryption Algorithm and Realization with C Language 安建梅①AN Jian-mei ；季松华②JI Song-hua （①重庆文理学院软件工程学院，永川402160；②中信网络科技股份有限公司，重庆400000）（①The Software Engineering Institute of Chongqing University of Arts and Sciences ，Chongqing 402160，China ； ②CITIC Application Service Provider Co.，Ltd.，Chongqing 400000，China ） 摘要：压缩算法有很多种，但是对需要压缩到一定长度的简单的报文进行处理时，现有的算法不仅达不到目的，并且变得复杂， 本文针对目前一些企业的需要，实现了对简单报文的压缩加密，此算法不仅可以快速对几十上百位的数据进行压缩，而且通过不断 的优化，解决了由于各种情况引发的解密错误，在解密的过程中不会出现任何差错。 Abstract:Although,there are many kinds of compression algorithm,the need for encryption and compression of a length of a simple message processing,the existing algorithm is not only counterproductive,but also complicated.To some enterprises need,this paper realizes the simple message of compression and encryption.This algorithm can not only fast for tens of hundreds of data compression,but also,solve the various conditions triggered by decryption errors through continuous optimization;therefore,the decryption process does not appear in any error. 关键词：压缩；解压缩；数字字符；简单报文Key words:compression ；decompression ；encryption ；message 中图分类号：TP39文献标识码：A 文章编号：1006-4311（2012）35-0192-02 ·192· 图 像 压 缩 编 码（实验报告） 一、实验目的 1．理解图像压缩目的及意义； 2．理解有损压缩和无损压缩的概念； 3．了解几种常用的图像压缩编码方法； 4．利用MATLAB程序进行图像压缩。 二、实验原理 图像压缩主要目的是为了节省存储空间，提高存储、处理、传输速度。虽然表示图像需要大量的数据，但数据是高度相关的，或者说存在冗余（Redundancy），去掉这些冗余信息可以有效地压缩图像，同时不会损坏图像的有效信息。信息的冗余量有许多种，如空间冗余，时间冗余，结构冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。高效编码的主要方法是尽可能去除图像中的冗余成分，从而以最小的码元包含最大的图像信息。 图像压缩的理想标准是信息丢失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。 编码压缩方法有许多种，从不同的角度出发有不同的分类方法，从信息论角度出发可分为两大类。 （1）冗余度压缩方法，也称无损压缩、信息保持编码或嫡编码。具体说就是解码图像和压缩编码前的图像严格相同，没有失真，从数学上讲是一种可逆运算。 （2）信息量压缩方法，也称有损压缩、失真度编码或烟压缩编码。也就是说解码图像和原始图像是有差别的，允许有一定的失真。 应用在多媒体中的图像压缩编码方法，从压缩编码算法原理上可以分为以下几类： （1）熵编码。熵编码是纯粹基于信号统计特性的编码技术，是一种无损编码。熵编码的基本原理是给出现概率较大的符号赋予一个短码字，而给出现概率较小的符号赋予一个长码字，从而使得最终的平均码长很小。图像压缩实验报告
图像压缩算法的分析与研究本科毕业设计论文
五种大数据压缩算法
压缩技术实验编码
图像压缩算法论文
LZ77压缩算法实验报告
图像压缩实验指导书
JPEG图像压缩算法及其实现
LZSS压缩算法实验报告
游程编码实验报告
JPEG2000图像压缩算法标准剖析
多媒体数据压缩实验报告
图像压缩编码实验报告
图像压缩算法
数据快速压缩算法的C语言实现
图像编码实验报告
相关主题
文本预览