Komprimer filer. Algoritmer og software til sammenligning.

Blandt de mest almindelige operationer, der kan være nyttige selv for ufaglært brugerne identificerer helt kompression. Gennem denne transaktion i virkeligheden, kan enhver fil på din computer blive genoprettet, således at besætte en del af hukommelsen end harddisk. Vi observerer imidlertid, at i øjeblikket er der store harddiske fås til priser ret lave, så nytten af kompression programmer synes at skrumpe. Men det er en forhastet konklusion.

I virkeligheden, for eksempel kan være interessant at komprimere en eller flere filer før afsendelse via e-mail, at reducere den tid til modtagelse og transmission. Spændende og praktisk Desuden også evnen til at lagre flere dokumenter i en enkelt komprimeret fil, mere praktisk at sende og manipulere.

Men hvad er de vigtigste muligheder til rådighed for brugerne til at komprimere en fil eller filer? Hvad der adskiller de forskellige software til rådighed? Lad os først undersøge det teoretiske grundlag for software komprimering, og dermed illustrerer de vigtigste elementer i komprimeringsalgoritmer.

Komprimeringsalgoritmer

En første skelnen blandt de komprimeringsalgoritmer kan identificeres mellem tabsfri algoritmer, dvs uden tab af kvalitet og lossy algoritmer, hvor nedsættelsen af diskplads er ledsaget af et tab af kvalitet. Det er ofte svært at opfatte en forringelse i kvalitet: for eksempel i tilfælde af mp3-kodning for lydfiler.

Blandt de mest udbredte algoritmer identificere uden tvivl den "Huffman algoritme, den» Shannon-Fano algoritmen og 'algoritme Lempel, Ziv og Welch. Selvom det ikke at gå ind i teoretiske forklaringer, vi undersøger de vigtigste karakteristika ved 'Huffman algoritme, som har præget den historie kompression teknikker.

Vi henviser læserne interesseret i yderligere oplysninger om de teknikker til Shannon-Fano og Lempel-Ziv-Welch links til mere specifikt om dette emne:

• Shannon-Fano Algoritme: http://www.binaryessence.com/dct/en000041.htm
• Algoritme Lempel, Ziv og Welch http://www.dsi.unifi.it/ ~ hhv / LZW.pdf

Den Huffman algoritme

'S algoritme hører til den kategori Huffman tabsfri, betyder altså ikke indføre noget tab af kvalitet. Vi scomporne drift i fem elementære trin:

• Er analyseret og talte antallet af forekomster af de grundlæggende elementer i den fil, der skal komprimeres: de enkelte tegn i en tekstfil, pixels i en billedfil.
• De to elementer bringes sammen i en mindre hyppig kategori, der repræsenterer dem begge. Altså for eksempel hvis X og Y forekommer 8 gange 7 gange, det skaber kategorien XY, med 15 gentagelser. I mellemtiden komponenterne X og Y hver modtage en anden markør, der identificerer dem som elementer ind i en forening.
• De næste to elementer er identificeret mindre hyppige i filen, og sidder som en ny kategori, efter samme procedure som beskrevet i trin 2. Gruppen XY igen kan indgå i og danne nye foreninger, for eksempel XYZ kategori. Når dette sker, er X og Y får en ny identifikator, der slutter med foreningen at udvide den kode, der entydigt identificerer hver af de to bogstaver i den komprimerede fil vil blive genereret.
• Herefter skabte for de næste skridt, et træ består af en række af binære grene, inden for hvilken forekommer oftere og i de efterfølgende kombinationer sjældnere elementer i filen, mens de elementer er sjældent hyppigere. Ifølge den mekanisme, der er beskrevet, betyder det, at de sjældne elementer i de ukomprimerede filer er forbundet med en identifikationskode længde, som vokser hver eneste element i en ny forening. Elementerne gentages oftere i stedet for den originale fil ikke er til stede i 'træ af foreninger, så deres identifikationskode bliver så kort som muligt.
• Komprimeret fil er genereret, erstatter hvert element i den originale fil, koden er produceret i slutningen af kæden af foreninger baseret på hyppigheden af dette element i kildedokumentet.

Den gevinst på plads i slutningen af kompression skyldes det faktum, at de elementer, der gentages ofte identificeres ved hjælp af en kort kode, som optager mindre plads end de indtager deres normale kodning. Omvendt sjældne elementer i den oprindelige fil i den komprimerede fil modtage en lang kode, som kan kræve, for hver af dem, et område, væsentligt større end det besatte i ukomprimeret fil.

Fra den matematiske sum af rummet opnået ved kodning korte af de hyppigste og rum tabte med kodning af de mest sjældne længe du får den kompressionsforholdet fremstillet ved Huffman algoritme. Af ovenstående følger, at denne type kompression er mere effektiv, jo større forskelle i frekvens af komponenterne i den oprindelige fil, mens dårlige resultater opnås, når fordelingen af elementerne er ensartet.

• <<
• 1
• 2
• >>