-
Notifications
You must be signed in to change notification settings - Fork 0
/
huffman.cpp
312 lines (288 loc) · 12.1 KB
/
huffman.cpp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
#include <string.h>
#include <vector>
#include <queue>
#include <algorithm>
#include <stdexcept>
#include "definitions.h"
using namespace std;
struct HuffmanTreeNode
{
int value;
int weight;
HuffmanTreeNode *pleft, *pright;
HuffmanTreeNode(): value(0), weight(0), pleft(0), pright(0) {}
};
void bytesWeightsCalculate(const byte* block, int size, int weight[]);
HuffmanTreeNode* HuffmanTreeBuild(const int weight[]);
void codesLengthsCalculate(HuffmanTreeNode* tree, byte* codesLengths);
void walkTree(HuffmanTreeNode* p, byte* codesLengths, byte level);
void removeHuffmanTree(HuffmanTreeNode* p);
void getCanonnicalCodes(const byte* codesLengths, byte canonnicalCodes[]);
void getSymb(byte symb[], const byte* codesLengths);
byte getNumberOfCharactersWithCodeLength(int numberOfCharactersWithCodeLength[], const byte* codesLengths);
byte* getHuffmanEncodedBlock(const byte* in, int inSize, int& outSize,
const byte* codesLengths, const byte canonnicalCodes[]);
byte getBitWithNumber(const byte* in, int inSize, int index);
struct greaterNode
{
bool operator()(HuffmanTreeNode* x, HuffmanTreeNode* y)
{
return x->weight > y->weight;
}
};
/**
* Предикат сравнения символов алфавита по длине кодов Хаффмана, им соответствующих.
*/
struct Pred
{
bool operator() (byte x, byte y)
{
return _codesLengths[x] > _codesLengths[y];
}
Pred(const byte* codesLengths): _codesLengths(codesLengths) {};
const byte* _codesLengths;
};
byte* HuffmanEncode(const byte* in, int inSize, int& outSize, byte* codesLengths)
{
// weight[i] - количество символов i в in.
int weight[ALPHABET];
memset(weight, 0, ALPHABET * sizeof(int));
bytesWeightsCalculate(in, inSize, weight);
HuffmanTreeNode* tree = HuffmanTreeBuild(weight);
codesLengthsCalculate(tree, codesLengths);
removeHuffmanTree(tree);
// canonnicalCodes[i] - канонический код Хаффмана символа i.
byte canonnicalCodes[ALPHABET];
getCanonnicalCodes(codesLengths, canonnicalCodes);
byte* out = getHuffmanEncodedBlock(in, inSize, outSize, codesLengths, canonnicalCodes);
return out;
}
/**
* Определяет вес каждого символа, подсчитывая количество его вхождений в тексте.
*/
void bytesWeightsCalculate(const byte* block, int size, int weight[])
{
for (int i=0; i<size; ++i)
++weight[block[i]];
}
/**
* Строи дерево Хаффмана, используя информацию о весах символов.
* Возвращает указатель на корень.
*/
HuffmanTreeNode* HuffmanTreeBuild(const int weight[])
{
priority_queue<HuffmanTreeNode*, vector<HuffmanTreeNode*>, greaterNode> pq;
for (int i=0; i<ALPHABET; ++i)
{
if (weight[i])
{
HuffmanTreeNode *node = new HuffmanTreeNode;
node->value = (byte)i;
node->weight = weight[i];
pq.push(node);
}
}
if (pq.empty()) return 0;
if (pq.size() == 1)
{
// Обработка исключительного случая - строится дерево Хаффмана для строки, состоящей
// из одного или нескольких одинаковых символов, других символов нет.
HuffmanTreeNode *n1 = pq.top();
pq.pop();
HuffmanTreeNode *n0 = new HuffmanTreeNode;
n0->value = -1;
n0->weight = n1->weight;
n0->pleft = n1;
return n0;
}
while (pq.size() > 1)
{
HuffmanTreeNode *n1 = pq.top();
pq.pop();
HuffmanTreeNode *n2 = pq.top();
pq.pop();
HuffmanTreeNode *node = new HuffmanTreeNode;
node->weight = n1->weight + n2->weight;
node->value = -1;
node->pleft = n1;
node->pright = n2;
pq.push(node);
}
HuffmanTreeNode *n0 = pq.top();
pq.pop();
return n0;
}
/**
* Подсчитывает длину кода каждого символа, садаваемого деревом Хаффмана.
*/
void codesLengthsCalculate(HuffmanTreeNode* tree, byte* codesLengths)
{
memset(codesLengths, 0, ALPHABET * sizeof(byte));
walkTree(tree, codesLengths, 0);
}
/**
* Рекурсивно обходит дерево, подсчитывая расстояние от корня до каждого символа -
* это и есть длина кода Хаффмана символа.
*/
void walkTree(HuffmanTreeNode* p, byte* codesLengths, byte level)
{
if(p)
{
walkTree(p->pleft, codesLengths, level+1);
if (p->value != -1)
codesLengths[p->value] = level;
walkTree(p->pright, codesLengths, level+1);
}
}
/**
* Рекурсивно удаляет дерево Хаффмана.
*/
void removeHuffmanTree(HuffmanTreeNode* p)
{
if(p)
{
removeHuffmanTree(p->pleft);
removeHuffmanTree(p->pright);
delete p;
}
}
/**
* Строит канонические коды символов, используя информацио о длинах кода.
*/
void getCanonnicalCodes(const byte* codesLengths, byte canonnicalCodes[])
{
// symb[] - перестановка символов алфавита, отсортированная по двум ключам:
// первичный - длина кода, вторичный - лексикографическое значение.
byte symb[ALPHABET];
getSymb(symb, codesLengths);
// numberOfCharactersWithCodeLength[i] - количество символов алфавита, имеющих длину кода, равную i.
// !!!Важно: T хранит числа до 256 включительно, поэтому int.
int numberOfCharactersWithCodeLength[ALPHABET];
byte greatestCodeLength =
getNumberOfCharactersWithCodeLength(numberOfCharactersWithCodeLength, codesLengths);
// S[i] - начальное значение кода длины i, для всех i из [1..greatestCodeLength]
byte S[ALPHABET];
S[greatestCodeLength] = 0;
for (int i=greatestCodeLength-1; i>0; --i)
S[i] = (S[i+1] + numberOfCharactersWithCodeLength[i+1]) >> 1;
memset(canonnicalCodes, 0, ALPHABET * sizeof(byte));
for (int i=0; i<ALPHABET && codesLengths[symb[i]]; ++i)
canonnicalCodes[symb[i]] = S[codesLengths[symb[i]]]++;
}
/**
* Строит перестановку symb символов алфавита, отсортированную по двум ключам:
* первичный - длина кода, вторичный - лексикографическое значение.
* symb[] должен содержать место под ALPHABET элементов.
*/
void getSymb(byte symb[], const byte* codesLengths)
{
for (int i=0; i<ALPHABET; ++i)
symb[i]=(byte)i;
Pred p(codesLengths);
stable_sort(symb, symb + ALPHABET, p);
}
/**
* Заполняет массив numberOfCharactersWithCodeLength[i] - количество символов алфавита, имеющих длину кода, равную i.
* Ворзвращает через return наибольшую длину кода.
* numberOfCharactersWithCodeLength[] должен содержать место под ALPHABET элементов.
*/
byte getNumberOfCharactersWithCodeLength(int numberOfCharactersWithCodeLength[], const byte* codesLengths)
{
byte greatestCodeLength = 0;
memset(numberOfCharactersWithCodeLength, 0, ALPHABET * sizeof(int));
for (int i=0; i<ALPHABET; ++i)
{
++numberOfCharactersWithCodeLength[codesLengths[i]];
if (codesLengths[i] > greatestCodeLength)
greatestCodeLength = codesLengths[i];
}
return greatestCodeLength;
}
/**
* Кодирует блок данных in размера inSize каноническими кодами Хаффмана canonnicalCodes[]
* длины codesLengths.
* Результат - закодированный блок возвращается через return. Размер результата возвращается в outSize.
*/
byte* getHuffmanEncodedBlock(const byte* in, int inSize, int& outSize,
const byte* codesLengths, const byte canonnicalCodes[])
{
// Нельзя заранее знать размер закодированных блока данных. Поэтому используется вектор.
// А потом результат копируется в массив, по размеру равный итоговому размеру вектора.
vector<byte> outVector;
// Последовательно вычисляются биты закодированных символов и упаковываются в байты.
// _byte - заполняемый байт.
byte _byte = 0;
// pos - текущая позиция в байте.
int pos = 7;
for (int i=0; i<inSize; i++)
{
for (int j=codesLengths[in[i]]; j>0; --j)
{
byte bit = canonnicalCodes[in[i]]>>(j-1) & 1;
_byte = _byte | bit<<pos;
if (pos == 0)
{
outVector.push_back(_byte);
pos = 7;
_byte = 0;
}
else --pos;
}
}
if (pos!=7)
outVector.push_back(_byte);
outSize = (int)outVector.size();
byte* out = new byte[outSize];
copy(outVector.begin(), outVector.end(), out);
return out;
}
void HuffmanDecode(const byte* in, int inSize, byte* out, int blockSize, const byte* codesLengths)
{
// symb[] - перестановка символов алфавита, отсортированная по двум ключам:
// первичный - длина кода, вторичный - лексикографическое значение.
byte symb[ALPHABET];
getSymb(symb, codesLengths);
// numberOfCharactersWithCodeLength[i] - количество символов алфавита, имеющих длину кода, равную i.
// !!!Важно: T хранит числа до 256 включительно, поэтому int.
int numberOfCharactersWithCodeLength[ALPHABET];
byte greatestCodeLength =
getNumberOfCharactersWithCodeLength(numberOfCharactersWithCodeLength, codesLengths);
// base[i] - количество нелистовых узлов дерева Хаффмана на уровне i.
byte base[ALPHABET+1]; // Достаточный размер greatestCodeLength + 1.
memset(base, 0, (ALPHABET+1) * sizeof(byte));
// offs[i] - индекс массива symb[], такой что symb[offs[i]] первый листовой узел (символ) на уровне i.
byte offs[ALPHABET+1]; // Достаточный размер greatestCodeLength + 1.
base[greatestCodeLength] = 0;
offs[greatestCodeLength] = 0;
for (int i=greatestCodeLength-1; i>0; --i)
{
base[i] = (numberOfCharactersWithCodeLength[i+1] + base[i+1]) >> 1;
offs[i] = numberOfCharactersWithCodeLength[i+1] + offs[i+1];
}
int bitNumber = 0;
int numberOfDecodedByte = 0;
while (numberOfDecodedByte < blockSize)
{
byte code = getBitWithNumber(in, inSize, bitNumber++);
byte length = 1;
while (code < base[length])
{
code <<= 1;
code += getBitWithNumber(in, inSize, bitNumber++);
++length;
}
out[numberOfDecodedByte] = symb[offs[length] + code - base[length]];
++numberOfDecodedByte;
}
}
/**
* Возвращает в байте бит с номером index из вектора байтов.
*/
byte getBitWithNumber(const byte* in, int inSize, int index)
{
int byteNumber = index / 8;
if (byteNumber > inSize)
throw out_of_range("The archive is broken. Unexpected end of block.");
byte b = in[byteNumber];
return b>>(7 - index % 8) & 1;
}