LZ78




LZ78 – słownikowa metoda bezstratnej kompresji danych. Została opracowana w 1978 roku przez Jacoba Ziva i Abrahama Lempela i opisana w IEEE Transactions on Information Theory, w artykule pt. "Compression of individual sequences via variable-rate encoding" (str. 530-536).


Kompresja polega na zastępowaniu ciągów symboli indeksami do słownika przechowującego ciągi symboli, które wcześniej wystąpiły w kompresowanych danych. Dzięki temu wielokrotnie powtarzające się ciągi symboli (np. te same słowa, czy frazy w tekście) są zastępowane o wiele krótszymi indeksami (liczbami).


Autorzy LZ78 rok wcześniej opracowali metodę LZ77, w której słownik miał stałą wielkość, co powodowało, że jego zawartość zmieniała się cały czas wraz z napływaniem nowych danych. Skutkiem tego, jeśli na wejściu powtórzył się pewien ciąg, który co prawda występował wcześniej, ale w słowniku już go nie było, musiał zostać zapamiętany raz jeszcze.


Ogólnie metoda LZ78 jest bardzo zbliżona do LZ77, z tym jednak wyjątkiem, że słownik jest zewnętrzny i rozszerzany w miarę potrzeb, tak że żaden ciąg występujący w przetworzonych już danych nie jest tracony. Dzięki temu uzyskuje się lepszy współczynnik kompresji kosztem skomplikowania dostępu do słownika – ze względu na szybkość dostępu do poszczególnych słów jest on realizowany jako drzewo (binarne, trie) albo tablica haszująca.


Dużą zaletą metody jest to, że potencjalnie bardzo dużego słownika w ogóle nie trzeba zapamiętywać – zostanie on odtworzony przez dekoder na podstawie zakodowanych danych (patrz: przykład dekompresji). Jednak pewną wadą jest praktycznie jednakowa złożoność kodu kompresującego i dekompresującego.


W praktyce powszechnie używany jest wariant LZ78 nazywany LZW.




Spis treści






  • 1 Algorytm kompresji


  • 2 Algorytm dekompresji


  • 3 Modyfikacje algorytmu


  • 4 Przykład kompresji


  • 5 Przykład dekompresji


  • 6 Przykładowy program


  • 7 Bibliografia


  • 8 Linki zewnętrzne


  • 9 Zobacz też





Algorytm kompresji |


Kompresowany jest ciąg S{displaystyle S}S zawierający n{displaystyle n}n symboli.



  1. Wyczyść słownik.


  2. i:=0{displaystyle i:=0}{displaystyle i:=0} (i{displaystyle i}i – indeks pierwszego, nieprzetworzonego symbolu w S{displaystyle S}S).

  3. Dopóki i<n{displaystyle i<n}{displaystyle i<n}, wykonuj:
    1. Wyszukaj w słowniku najdłuższy podciąg równy początkowi nieprzetworzonych jeszcze symboli (podciąg S[i…]{displaystyle S[ildots ]}{displaystyle S[ildots ]}).

      • Jeśli udało się znaleźć taki podciąg, to wynikiem wyszukiwania jest jego indeks k{displaystyle k}k w słowniku; dodatkowo słowo wskazywane przez ten indeks ma pewną długość m{displaystyle m}m. Na wyjście wypisz parę (indeks, pierwszy niedopasowany symbol), czyli (k{displaystyle k}k, S[i+m]{displaystyle S[i+m]}{displaystyle S[i+m]}) oraz dodaj do słownika znaleziony podciąg przedłużony o symbol S[i+m]{displaystyle S[i+m]}{displaystyle S[i+m]} (innymi słowy podciąg S[i…i+m]{displaystyle S[ildots i+m]}{displaystyle S[ildots i+m]}). Zwiększ i:=i+m{displaystyle i:=i+m}{displaystyle i:=i+m}.

      • Jeśli nie udało się znaleźć żadnego podciągu, to znaczy, że w słowniku nie ma jeszcze symbolu S[i]{displaystyle S[i]}{displaystyle S[i]}. Wówczas do słownika dodawany jest ten symbol, a na wyjście wypisywana para (0{displaystyle 0}{displaystyle 0}, S[i]{displaystyle S[i]}{displaystyle S[i]}). Indeks 0 jest tutaj umowny, w ogólnym przypadku chodzi o jakąś wyróżnioną liczbę. Zwiększ i{displaystyle i}i o jeden.





W praktycznych realizacjach słownik ma jednak ograniczoną wielkość – koder (i dekoder) różnie reaguje na fakt przepełnienia słownika; słownik może być:



  • zerowany;

  • dodawanie nowych słów zostaje wstrzymane;

  • usuwane są te słowa, które zostały dodane najwcześniej;

  • usuwane są te słowa, które występowały najrzadziej.


W uniksowym programie compress dodawanie słów zostaje wstrzymane, ale gdy współczynnik kompresji spadnie poniżej określonego poziomu, słownik jest zerowany.



Algorytm dekompresji |



  1. Wyczyść słownik.

  2. Dla wszystkich par (indeks, symbol – ozn. k{displaystyle k}k, s{displaystyle s}s) wykonuj:

    1. Jeśli k=0{displaystyle k=0}{displaystyle k=0}, dodaj symbol s{displaystyle s}s do słownika. Na wyjście wypisz symbol s{displaystyle s}s.

    2. Jeśli k>0{displaystyle k>0}k>0, weź ze słownika słowo w{displaystyle w}w spod indeksu k{displaystyle k}k. Na wyjście wypisz słowo w{displaystyle w}w oraz symbol s{displaystyle s}s. Do słownika pod kolejnym indeksem dodaj słowo w+s{displaystyle w+s}{displaystyle w+s}.





Modyfikacje algorytmu |


Metoda LZ78 na przestrzeni lat była ulepszana, oto lista najbardziej znaczących modyfikacji:




  • LZW (Terry Welch, 1984), LZC (1985) – praktyczna implementacja LZW


  • LZJ (Matti Jakobson, 1985)


  • LZT (J. Tischer, 1987), modyfikacja LZW


  • LZMW (1985), LZAP (1988) – modyfikacja LZW



Przykład kompresji |


Zostanie skompresowany ciąg: abbbcaabbcbbcaaac.





































































wejście
wyjście
SŁOWNIK
komentarz
indeks
słowo
a (0,a) 1
a
w słowniku nie ma symbolu a
b (0,b) 2
b
w słowniku nie ma symbolu b
bb (2,b) 3
bb
w słowniku jest ciąg b (indeks 2), nie ma natomiast bb; na wyjście zapisywana jest para (istniejące słowo, symbol), a do słownika dodawane nowe słowo bb
c (0,c) 4
c
w słowniku nie ma symbolu c
aa (1,a) 5
aa
w słowniku jest ciąg a (indeks 1), nie ma natomiast aa; na wyjście zapisywana jest para (istniejące słowo, symbol), a do słownika dodawane nowe słowo aa
bbc (3,c) 6
bbc
w słowniku jest ciąg bb (indeks 3), nie ma natomiast bbc; na wyjście zapisywana jest para (istniejące słowo, symbol), a do słownika dodawane nowe słowo bbc
bbca (6,a) 7

bbca
w słowniku jest ciąg bbc (indeks 6), nie ma natomiast bbca; na wyjście zapisywana jest para (istniejące słowo, symbol), a do słownika dodawane nowe słowo bbca
aac (5,c) 8
aac
w słowniku jest ciąg aa (indeks 5), nie ma natomiast aac; na wyjście zapisywana jest para (istniejące słowo, symbol), a do słownika dodawane nowe słowo aac

Można zauważyć, że do słownika dodawane są coraz dłuższe słowa.



Przykład dekompresji |


Zostaną zdekompresowane dane z poprzedniego przykładu.





































































wejście
wyjście
SŁOWNIK
komentarz
indeks
słowo
(0,a) a 1
a
symbol a jest wyprowadzany na wyjście, do słownika jest dodawany ciąg jednoelementowy a
(0,b) b 2
b
symbol b jest wyprowadzany na wyjście, do słownika jest dodawany ciąg jednoelementowy b
(2,b) bb 3
bb
na wyjście wypisywane jest słowo b ze słownika (indeks 2), wypisywany jest także symbol b; do słownika dodawany jest nowy ciąg będący sklejeniem słowa 2. i symbolu: bb
(0,c) c 4
c
symbol c jest wyprowadzany na wyjście, do słownika jest dodawany ciąg jednoelementowy c
(1,a) aa 5
aa
na wyjście wypisywane jest słowo a ze słownika (indeks 1), wypisywany jest także symbol a; do słownika dodawany jest nowy ciąg będący sklejeniem słowa 1. i symbolu: aa
(3,c) bbc 6
bbc
na wyjście wypisywane jest słowo bb ze słownika (indeks 3), wypisywany jest także symbol c; do słownika dodawany jest nowy ciąg będący sklejeniem słowa 2. i symbolu: bbc
(6,a) bbca 7

bbca
na wyjście wypisywane jest słowo bbc ze słownika (indeks 6), wypisywany jest także symbol a; do słownika dodawany jest nowy ciąg będący sklejeniem słowa 6. i symbolu: bbca
(5,c) aac 8
aac
na wyjście wypisywane jest słowo aa ze słownika (indeks 5), wypisywany jest także symbol c; do słownika dodawany jest nowy ciąg będący sklejeniem słowa 5. i symbolu: aac


Przykładowy program |


Poniższy program napisany w języku Python koduje dane metodą LZ78 (LZ78_encode) a następnie dekoduje (LZ78_decode) i na końcu stwierdza, czy proces kodowania i dekodowania przebiegł prawidłowo, wyświetlając przy okazji podsumowanie.


Przykładowe wynik działania programu, gdy kompresji zostało poddane źródło artykułu Python:


$ python LZ78.py python-artykul.txt
Liczba par: 6295
Maks. liczba bitów potrzebna do zapisania kodu: 13
Maks. liczba bitów potrzebna do zapisania pary: 13 + 8 = 21
Rozmiar danych wejściowych: 23805 bajtów
Rozmiar danych skompresowanych: 16525 bajtów
Stopień kompresji: 30.58%

Uwaga: stopień kompresji zależy również od sposobu zapisu kodów – w tym programie do obliczeń rozmiaru danych skompresowanych i stopnia kompresji założono, że każdy kod zajmuje stałą liczbę bitów. W praktycznych aplikacjach rozwiązania mogą być inne.


# -*- coding: iso-8859-2 -*-

def LZ78_encode(data):
D = {}
n = 1
c = ''
result =
for s in data:
if c + s not in D:
if c == '':
# specjalny przypadek: symbol 's'
# nie występuje jeszcze w słowniku
result.append( (0, s) )
D[s] = n
else:
# ciąg 'c' jest w słowniku
result.append( (D[c], s) )
D[c + s] = n
n = n + 1
c = ''
else:
c = c + s

return result


def LZ78_decode(data):
D = {}
n = 1

result =
for i, s in data:
if i == 0:
result.append(s)
D[n] = s
n = n + 1
else:
result.append(D[i] + s)
D[n] = D[i] + s
n = n + 1

return ''.join(result)

if __name__ == '__main__':
import sys
from math import log, ceil

if len(sys.argv) < 2:
print "Podaj nazwę pliku"
sys.exit(1)

data = open(sys.argv[1]).read()
comp = LZ78_encode(data)
decomp = LZ78_decode(comp)

if data == decomp:
k = len(comp)
n = int(ceil(log(max(index for index, symbol in comp), 2.0)))

l1 = len(data)
l2 = (k*(n+8) + 7)/8

print "Liczba par: %d" % k
print "Maks. liczba bitów potrzebna do zapisania kodu: %d" % n
print "Maks. liczba bitów potrzebna do zapisania pary: %d + %d = %d" % (n, 8, n+8)
print "Rozmiar danych wejściowych: %d bajtów" % l1
print "Rozmiar danych skompresowanych: %d bajtów" % l2
print "Stopień kompresji: %.2f%%" % (100.0*(l1-l2)/l1)
# print data
# print decomp
else:
print "Wystąpił jakiś błąd!"


Bibliografia |


  • Adam Drozdek: Wprowadzenie do kompresji danych. Warszawa: Wydawnictwa Naukowo-Techniczne, 1999. ISBN 83-204-2303-1.


Linki zewnętrzne |


  • Jacob Ziv, Abraham Lempel; Compression of Individual Sequences Via Variable-Rate Coding, IEEE Transactions on Information Theory, September 1978.


Zobacz też |



  • LZ77

  • LZSS

  • LZW

  • Sequitur




這個網誌中的熱門文章

12.7 cm/40 Type 89 naval gun

Rikitea

University of Vienna