Huffman-kódolás milyen módon tudna jobban tömöríteni? (bővebben lent)

"A fájl csak és kizárólag a 65. ASCII kódot tartalmazta, más karakter nem szerepelt benne..."

A futáshossz-kódolás (run-length encoding, RLE) lesz a barátod:

[link]

"Huffman nem módosítható úgy, hogy hasonlóan figyelembe vegye a csak és kizárólag egy karaktert tartalmazó fájlokat, amikor ismétlődnek a karakterek?"

De igen. Az lesz az RLE.

A Huffman tömörítés lényege, hogy a leggyakrabban előforduló értékhez a legrövidebb kódot társítja. Jelen esetben az egyetlen (tehát leggyakoribb) értékhez a legrövidebb (jelen esetben 1 bites) kódot rendelte, azaz így 1/8-a a tömörített file az eredetinek (ahogy ez látszik is).

Az RLE figyelembe veszi az ismérlődő értékeket, a Huffman nem. Természetesen a két algoritmust lehet kombinálni, azaz az RLE tömörítésre még ráindíthatsz egy Huffmant (vagy akár fordítva)

Az RLE darabszám per forma alapján tárol, tehát a te file-od tartalmát leírhatja úgy, hogy x db 'A' betű.

Ha az alábbi karaktersort RLE-vel tömörítenénk ezt kapnánk:

aaaaaaaaaaaaaaabbbbbcccccccccccccccccccccc

a15,b5,c22

A huffman gyakoriságot elemez és a leggyakoribb karakterhez rendeli a legrövidebb kódot, a legritkábbhoz meg a leghosszabbat. Így ér el az eredetinél jobb hatásfokot, hiszen a - mondjuk - 8 bites fix hosszúságú karakterkódokat lecseréli rugalmas, de a 8 bitnél mindenképpen rövidebb kódokra.

Ezért van létjogosultsága mindkét módnak, mert vannak adat szekvenciák, amelyek heterogénebbek és vannak amelyek kevésbé azok.

Előbbihez jó a huffman, utóbbihoz meg az rle.

Ezért kell vizsgálni, hogy mi az, amit tömöríteni kell és az adattartalomhoz választani megfelelő algoritmust.