无失真编码之霍夫曼编码的python实现——数字图像处理

2024-01-09 09:04

本文主要是介绍无失真编码之霍夫曼编码的python实现——数字图像处理,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

原理

无失真编码是一种数据压缩技术,其中原始数据在压缩后可以完全无损地恢复。霍夫曼编码是一种广泛使用的无失真编码方法。它基于字符出现的频率构建一个最优的前缀编码树,其中没有任何编码是另一个编码的前缀。这样,即使在压缩后,原始数据也可以完全无误地被解码和恢复。霍夫曼编码的原理可以分为以下几个步骤:

1. 统计字符频率
首先,统计待编码数据中每个字符的出现频率。这个频率信息是构建霍夫曼树的基础。

2. 构建霍夫曼树
霍夫曼树的构建过程如下:
为数据中的每个不同字符创建一个叶子节点,并将其频率作为节点的权重。
将所有节点按照频率(权重)排序,放入一个优先队列(如最小堆)中。
当队列中有多于一个节点时,执行以下操作:
从队列中移除两个频率最低的节点。
创建一个新的内部节点,其频率是这两个节点频率之和。
将这两个节点作为新节点的子节点,一个为左子节点,一个为右子节点。
将新节点重新加入队列。
这个过程重复进行,直至队列中只剩下一个节点,这个节点成为霍夫曼树的根节点。

3. 生成霍夫曼编码
对霍夫曼树进行遍历(例如深度优先遍历),为每个叶子节点分配一个二进制编码。从根到叶子的每条路径定义了相应字符的编码。一般约定,向左的路径代表’0’,向右的路径代表’1’。

4. 编码数据
根据霍夫曼树得到的编码,替换原始数据中的每个字符,完成数据的编码过程。

解码数据
由于霍夫曼编码是前缀编码,任何编码都不是另一个编码的前缀,因此可以无误地从编码数据中恢复原始数据。

优点
霍夫曼编码的主要优点在于其根据字符出现的频率生成编码,使得频率高的字符具有较短的编码,频率低的字符具有较长的编码。这种方法通常能生成接近最优的无失真压缩率。

应用
霍夫曼编码在文件压缩(如 ZIP 文件格式)和多媒体数据压缩(如 JPEG 和 MP3)中得到了广泛应用。由于其无失真的特性,它在需要完整恢复原始数据的场景中非常有用。

代码要求实现下图

在这里插入图片描述

提示

结果显示了图像中灰度值经过霍夫曼编码后的码表,如灰度值128被编码为长度为1的码字“0”,灰度值87被编码为长度为2的码字“10”等。注意:霍夫曼编码所构造的码表不是唯一的,你的实验结果可能和上图所示不同。
第一步,读入图像并计算其直方图,统计其各灰度值出现的概率(次数)。注意,统计直方图所用函数为hist = cv2.calcHist([img], [0], None, [256], [0, 256])。
第二步,针对各灰度值出现的概率大小进行排序、合并(信源化简),此过程构造出一颗霍夫曼树,可以使用python中queue模块中的PriorityQueue数据结构编写代码。
第三步,根据上一步得到的霍夫曼树进行逆向编码,得到每一个灰度值对应的码字。这一步可以从根节点出发,通过不断给其子节点添加1比特码字的嵌套迭代过程实现。

python代码

import cv2
import numpy as np
from queue import PriorityQueuedef huffman_tree_to_table(root, prefix, table):if type(root[1]) != tuple:table[root[1]] = prefixelse:huffman_tree_to_table(root[1][0], prefix+'0', table)huffman_tree_to_table(root[1][1], prefix+'1', table)return tableimg = cv2.imread('Fig0801.tif', 0)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
gray_value = np.flatnonzero(hist)queue_ = PriorityQueue()
for value in gray_value:queue_.put((hist[value], value))while queue_.qsize() > 1:node1 = queue_.get()node2 = queue_.get()new_count = node1[0] + node2[0]queue_.put((new_count, (node1, node2)))root = queue_.get()
table = huffman_tree_to_table(root, '', {})print(table)

结果展示

在这里插入图片描述

这篇关于无失真编码之霍夫曼编码的python实现——数字图像处理的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/586597

相关文章

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串(一)使用预定义格式(二)自定义格式二、字符串解析为日期(一)解析ISO格式字符串(二)解析自定义

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、