Komprimovať súbory. Algoritmy a softvér pre porovnanie.

Medzi najčastejšie operácií, ktoré môžu byť užitočné aj pre nekvalifikovaných používateľom identifikovať rozhodne kompresie. Prostredníctvom tejto transakcie v skutočnosti môže každý súbor v počítači obnoviť tak, aby zaberala časť pamäte, ako pevný disk. Pozorujeme však, že v súčasnosti existuje veľká kapacita pevných diskov k dispozícii za cenu pomerne nízky, takže užitočnosť kompresný programy zrejme klesať. Ale to je unáhlený záver.

V skutočnosti, napríklad, môže byť zaujímavé pre kompresiu jedného alebo viacerých súborov pred odoslaním e-mailom, znížiť dobu prijímanie a odovzdávanie. Zaujímavé a praktické navyše aj možnosť uložiť viac dokumentov do jedného komprimovaného súboru, viac praktické pre prenos a manipulovať s nimi.

Ale aké sú hlavné možnosti k dispozícii používateľom komprimovať súbor alebo súbory? Čo odlišuje rôzne softvérové ​​k dispozícii? Pozrime sa najprv teoretický základ pre softvérovú kompresiu, čo ilustruje hlavné rysy kompresné algoritmy.

Kompresné algoritmy

Prvý rozdiel medzi kompresné algoritmy môžu byť identifikované medzi bezstratové algoritmy, tj bez straty kvality a stratové algoritmy, v ktorom je zníženie miesta na disku sprevádzané stratou kvality. To je často ťažké vnímať zhoršenie kvality: napríklad v prípade kódovanie MP3 pre zvukové súbory.

Medzi najpoužívanejšie algoritmy identifikáciu nesporne "Huffman algoritmus," Shannon-Fano algoritmus a "algoritmus Lempel, Ziv a Welch. Aj keď nebude do teoretické vysvetlenie, sa pozrieme na hlavné vlastnosti "algoritmu Huffman, ktorý označil históriu kompresné techniky.

Odkazujeme čitateľa zaujímajú ďalšie podrobnosti o techniky Shannon-Fano a Lempel-Ziv-Welch odkazy na podrobnejšie informácie o tejto téme:

• 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 patrí do kategórie Huffman bezstratová, tj nezavádza žiadne strate kvality. My scomporne prevádzku v piatich základných krokoch:

• Je analyzovaná a počítal počet výskytov základné prvky súboru, ktorý sa stlačeným: jednotlivé znaky do textového súboru, obrazové body v obrazu súboru.
• Tieto dva prvky sú združené do kategórie menej časté, ktorý predstavuje obaja. Tak napríklad, ak X a Y sa vyskytuje 8 x 7 x, vytvorí v kategórii XY, s 15 opakovaní. Medzitým, komponenty X a Y každý dostane inú značku, ktorá označuje ako prvky vstúpil do združenia.
• Ďalšie dve položky sú označené menej časté v súbore, a sedí ako novú kategóriu, rovnakým postupom opísaným v kroku 2. Skupina XY zase môže vstúpiť do novej formy a združenia, napríklad v kategórii XYZ. Keď sa to stane, sú X a Y dostala nový identifikátor, ktorý končí so združením rozšírenie kódu, ktorý jednoznačne identifikuje každý z dvoch písmen v komprimovaný súbor bude generovaný.
• Je potom vytvorený pre ďalšie kroky, strom sa skladá z radu binárnych odborov, v rámci ktorej sa objavujú častejšie a ďalších prvkov v kombináciách vzácnejšie v súbore, zatiaľ čo prvky sú zriedka častejšie. Podľa popísaného mechanizmu, to znamená, že vzácne prvky v nekomprimované súbory sú spojené s dĺžkou identifikačný kód, ktorý rastie každý prvok nového združenia. Prvky sa opakujú častejšie namiesto pôvodného súboru nie sú obsiahnuté v "stromu združenia, tak, že ich identifikačný kód bude čo najkratšie.
• Komprimovaný súbor je generovaný, nahrádzať každý prvok pôvodného súboru, kód vyrábané na konci reťazca asociácií na základe frekvencie tohto prvku v zdrojovom dokumente.

Zisk priestoru na konci kompresie je spôsobené tým, že prvky, ktoré sa opakujú často sú označené malého kódu, ktorý zaberá menej miesta, než zaberajú svoje obvyklé kódovanie. Naopak vzácne prvky v pôvodnom súbore v komprimovanom súbore dostane dlhý kód, ktorý môže pre každý z nich, podstatne väčšia ako plocha, ktorá obsadila v nekomprimovaného súboru.

Z algebraický súčet priestoru získané kódovanie krátky najčastejšie a priestor prehral s kódovaním z najvzácnejších dlho vám kompresný pomer produkované "algoritmu Huffman. Z vyššie uvedeného vyplýva, že tento typ kompresie je efektívnejšie širší frekvenčný rozdiely súčasťou pôvodného súboru, zatiaľ čo zlé výsledky boli získané pri rozložení prvkov je jednotná.

• <<
• 1
• 2
• >>