18340013_陈琮昊_作业21

【哈夫曼编码】 哈夫曼编码是一种有效的前缀编码方法，用于数据压缩。它基于字符出现的频率，频率越高的字符，编码长度越短，反之越长。这种编码方式要求预先知道信息源的统计信息，即所有可能出现的字符及其出现概率。然而，实际情况下，这种信息往往难以获取，因为数据在传输之前通常是未知的。原始的哈夫曼编码是一种静态编码，一旦建立，只适用于特定数据集，当数据变化时就需要重新构建。 【自适应哈夫曼编码】 为了解决上述问题，自适应哈夫曼编码应运而生。这种编码方式动态地根据数据流到达的情况收集和更新符号的频率，不再依赖于先验知识，而是基于实际接收到的数据。它允许在传输过程中构建和调整哈夫曼树，适应数据条件的变化。这使得编码过程能实时进行，但同时也对传输错误更加敏感，因为单个数据丢失可能导致整个编码的破坏。 【JPEG压缩】 JPEG（Joint Photographic Experts Group）是一种广泛使用的有损图像压缩标准，能够实现高达100:1的压缩比，但同时会牺牲一定的图像质量。JPEG通过离散余弦变换（DCT）、量化和哈夫曼编码等步骤来压缩数据。在DCT之后，数据集中在矩阵的左上角，形成大量零值，这适合使用游程编码进一步压缩。此外，DPCM（差分脉冲编码调制）也用于减小数据量。JPEG的损失主要发生在量化步骤，因为取整操作会导致相似数据被归一化，逆变换后造成图像失真。 【GIF压缩】 GIF（Graphics Interchange Format）采用无损压缩，支持最多256种颜色的索引图像。它将图像颜色存储在一个共享的调色板中，仅保存每个像素在调色板中的索引值，达到约3:1的压缩率。对于颜色较少且色彩差异不大的图像，GIF压缩效果较好。GIF适用于颜色数量有限且不需要高保真度的场景。 【JPEG与GIF的比较】 JPEG适用于颜色丰富、细节复杂的图像，而GIF则适合颜色数量较少、细节不那么重要的图像。在给定的例子中，动物卡通图片由于具有丰富的颜色和细节，更适合使用JPEG压缩，而动物照片则可能在GIF压缩下损失较多细节，JPEG能提供更好的视觉效果。 【程序实现】 在Python环境下，可以使用PILLOW库来实现JPEG的编码和解码，以验证压缩结果。通过对比压缩前后图像的局部细节，可以直观地评估压缩效果。在提供的例子中，JPEG压缩后的图像相较于GIF显示出了更高的清晰度和色彩准确性。