Komprimovat soubory. Algoritmy a software pro srovnání.

Mezi nejčastější operací, které mohou být užitečné i pro nekvalifikované uživatelům identifikovat rozhodně komprese. Prostřednictvím této transakce ve skutečnosti může každý soubor v počítači obnovit tak, aby zabírala část paměti, než pevný disk. Pozorujeme však, že v současné době existuje velká kapacita pevných disků k dispozici za cenu poměrně nízký, takže užitečnost kompresní programy zřejmě klesat. Ale to je ukvapený závěr.

Ve skutečnosti, například, může být zajímavé pro kompresi jednoho nebo více souborů před odesláním e-mailem, snížit dobu přijímání a předávání. Zajímavé a praktické navíc i možnost uložit více dokumentů do jednoho komprimovaného souboru, více praktické pro přenos a manipulovat s nimi.

Ale jaké jsou hlavní možnosti k dispozici uživatelům komprimovat soubor nebo soubory? Co odlišuje různé softwarové k dispozici? Podívejme se nejprve teoretický základ pro softwarovou kompresi, což ilustruje hlavní rysy kompresní algoritmy.

Kompresní algoritmy

První rozdíl mezi kompresní algoritmy mohou být identifikovány mezi bezztrátové algoritmy, tj. bez ztráty kvality a ztrátové algoritmy, ve kterém je snížení místa na disku doprovázeno ztrátou kvality. To je často obtížné vnímat zhoršení kvality: například v případě kódování MP3 pro zvukové soubory.

Mezi nejpoužívanější algoritmy identifikaci bezesporu "Huffman algoritmus," Shannon-Fano algoritmus a "algoritmus Lempel, Ziv a Welch. I když nebude do teoretické vysvětlení, se podíváme na hlavní vlastnosti "algoritmu Huffman, který označil historii kompresní techniky.

Odkazujeme čtenáře zajímají další podrobnosti o techniky Shannon-Fano a Lempel-Ziv-Welch odkazy na podrobnější informace o tomto tématu:

• Shannon-Fano algoritmus: http://www.binaryessence.com/dct/en000041.htm
• Algoritmu Lempel, Ziv a Welch http://www.dsi.unifi.it/ resp ~ / LZW.pdf

Algoritmu Huffman

"S algoritmus patří do kategorie Huffman bezeztrátová, tj. nezavádí žádné ztrátě kvality. My scomporne provoz v pěti základních krocích:

• Je analyzována a počítal počet výskytů základní prvky souboru, který se stlačeným: jednotlivé znaky do textového souboru, obrazové body v obrazu souboru.
• Tyto dva prvky jsou sdruženy do kategorie méně časté, který představuje oba. Tak například, pokud X a Y se vyskytuje 8 x 7 x, vytvoří v kategorii XY, s 15 opakování. Mezitím, komponenty X a Y každý obdrží jinou značku, která označuje jako prvky vstoupil do sdružení.
• Další dvě položky jsou označeny méně časté v souboru, a sedí jako novou kategorii, stejným postupem popsaným v kroku 2. Skupina XY zase může vstoupit do nové formy a sdružení, například v kategorii XYZ. Když se to stane, jsou X a Y dostala nový identifikátor, který končí se sdružením rozšíření kódu, který jednoznačně identifikuje každý ze dvou písmen v komprimovaný soubor bude generován.
• Je pak vytvořen pro další kroky, strom se skládá z řady binárních oborů, v rámci které se objevují častěji a dalších prvků v kombinacích vzácnější v souboru, zatímco prvky jsou zřídka častější. Podle popsaného mechanismu, to znamená, že vzácné prvky v nekomprimované soubory jsou spojeny s délkou identifikační kód, který roste každý prvek nového sdružení. Prvky se opakují častěji namísto původního souboru nejsou obsaženy v "stromu sdružení, tak, že jejich identifikační kód bude co nejkratší.
• Komprimovaný soubor je generován, nahrazovat každý prvek původního souboru, kód vyráběné na konci řetězce asociací na základě četnosti tohoto prvku ve zdrojovém dokumentu.

Zisk prostoru na konci komprese je způsobeno tím, že prvky, které se opakují často jsou označeny malého kódu, který zabírá méně místa, než zabírají své obvyklé kódování. Naopak vzácné prvky v původním souboru v komprimovaném souboru obdrží dlouhý kód, který může pro každý z nich, podstatně větší než plocha, která obsadila v nekomprimovaného souboru.

Z algebraický součet prostoru získané kódování krátký nejčastější a prostor prohrál s kódováním z nejvzácnějších dlouho vám kompresní poměr produkované "algoritmu Huffman. Z výše uvedeného vyplývá, že tento typ komprese je efektivnější širší frekvenční rozdíly součástí původního souboru, zatímco špatné výsledky byly získány při rozložení prvků je jednotná.

• <<
• 1
• 2
• >>