图解LZ77压缩算法

数据压缩是一个减少数据存储空间的过程，目前被应用在软件工程的各个地方，了解其一些原理，方便咱们更好的甄选压缩方案。

压缩方案有不少种，常见的就是有损和无损压缩。霍夫曼编码和LZ77(Lempel-Ziv-1977)都是无损压缩，其中霍夫曼是采用最小冗余编码的算法进行压缩，而LZ77是采用字典的方式进行压缩。关于霍夫曼编码的算法，网上有不少对其详细的讲解，咱们本篇幅不在细说，主要图解一下LZ77压缩算法的方式，看看其有哪些优缺点。

本篇主要内容以下:

1. 信息熵
2. LZ77算法原理
3. 压缩过程
4. 解压过程
5. 优缺点

 

信息熵

数据为什么是能够压缩的，由于数据都会表现出必定的特性，称为熵。绝大多数的数据所表现出来的容量每每大于其熵所建议的最佳容量。好比全部的数据都会有必定的冗余性，咱们能够把冗余的数据采用更少的位对频繁出现的字符进行标记，也能够基于数据的一些特性基于字典编码，代替重复多余的短语。

 

LZ77算法原理

LZ77压缩算法采用字典的方式进行压缩，是一个简单但十分高效的数据压缩算法。其方式就是把数据中一些能够组织成短语(最长字符)的字符加入字典，而后再有相同字符出现采用标记来代替字典中的短语，如此经过标记代替多数重复出现的方式以进行压缩。要理解这种算法，咱们先了解3个关键词:短语字典，滑动窗口和向前缓冲区。

关键词：

前向缓冲区

每次读取数据的时候，先把一部分数据预载入前向缓冲区。为移入滑动窗口作准备

 

滑动窗口

一旦数据经过缓冲区，那么它将移动到滑动窗口中，并变成字典的一部分。

 

短语字典

从字符序列S1...Sn，组成n个短语。好比字符(A,B,D) ,能够组合的短语为{(A),(A,B),(A,B,D),(B),(B,D),(D)},若是这些字符在滑动窗口里面，就能够记为当前的短语字典，由于滑动窗口不断的向前滑动，因此短语字典也是不断的变化。

 

LZ77的主要算法逻辑就是，先经过前向缓冲区预读数据，而后再向滑动窗口移入（滑动窗口有必定的长度），不断的寻找能与字典中短语匹配的最长短语，而后经过标记符标记。咱们还以字符ABD为例子，看以下图:

目前从前向缓冲区中能够和滑动窗口中能够匹配的最长短语就是（A,B）,而后向前移动的时候再次遇到（A,B）的时候采用标记符代替。

 

压缩

当压缩数据的时候，前向缓冲区与移动窗口之间在作短语匹配的是后会存在2种状况:

1. 找不到匹配时：将未匹配的符号编码成符号标记（多数都是字符自己）
2. 找到匹配时:将其最长的匹配编码成短语标记。
3. 短语标记包含三部分信息:（滑动窗口中的偏移量（从匹配开始的地方计算）、匹配中的符号个数、匹配结束后的前向缓冲区中的第一个符号）。

 

一旦把n个符号编码并生成响应的标记，就将这n个符号从滑动窗口的一端移出，并用前向缓冲区中一样数量的符号来代替它们，如此，滑动窗口中始终有最新的短语。

咱们采用图例来看:

 

一、开始

二、滑动窗口中没有数据，因此没有匹配到短语，将字符A标记为A

三、滑动窗口中有A,没有从缓冲区中字符（BABC）中匹配到短语，依然把B标记为B

四、缓冲区字符（ABCB）在滑动窗口的位移6位置找到AB,成功匹配到短语AB,将AB编码为(6,2,C)

五、缓冲区字符（BABA）在滑动窗口位移4的位置匹配到短语BAB,将BAB编码为(4,3,A)

六、缓冲区字符（BCAD）在滑动窗口位移2的位置匹配到短语BC，将BC编码为（2,2,A）

七、缓冲区字符D,在滑动窗口中没有找到匹配短语，标记为D

八、缓冲区中没有数据进入了，结束

 

解压

解压相似于压缩的逆向过程，经过解码标记和保持滑动窗口中的符号来更新解压数据。

当解码字符标记:将标记编码成字符拷贝到滑动窗口中

解码短语标记:在滑动窗口中查找响应偏移量，同时找到指定长短的短语进行替换。

 

咱们仍是采用图例来看下:

一、开始

二、符号标记A解码

三、符号标记B解码

四、短语标记(6,2,C)解码

五、短语标记(4,3,A)解码

六、短语标记(2,2,A)解码

七、符号标记D解码

 

优缺点

大多数状况下LZ77压缩算法的压缩比至关高，固然了也和你选择滑动窗口大小，以及前向缓冲区大小，以及数据熵有关系。其压缩过程是比较耗时的，由于要花费不少时间寻找滑动窗口中的短语匹配，不过解压过程会很快，由于每一个标记都明确告知在哪一个位置能够读取了。

 

-----------------------------------------------------------------------------

想看更多有趣原创的技术文章，扫描关注公众号。

关注我的成长和游戏研发，推进国内游戏社区的成长与进步。