C# 对图片进行哈夫曼编码与解码

时间: 2023-07-19 21:05:24 浏览: 67
C# 中可以使用 System.Drawing 命名空间中的 Bitmap 类来处理图片的编码和解码。下面是使用哈夫曼编码对图片进行压缩和解压缩的示例代码: ```csharp using System; using System.Drawing; using System.IO; using System.Linq; namespace HuffmanCompression { public class Huffman { private class HuffmanNode : IComparable<HuffmanNode> { public byte Value { get; set; } public int Frequency { get; set; } public HuffmanNode Left { get; set; } public HuffmanNode Right { get; set; } public int CompareTo(HuffmanNode other) { return Frequency.CompareTo(other.Frequency); } } private static HuffmanNode BuildHuffmanTree(byte[] data) { var freq = new int[256]; foreach (var b in data) { freq[b]++; } var nodes = freq.Select((f, i) => new HuffmanNode { Value = (byte)i, Frequency = f }) .Where(n => n.Frequency > 0) .ToList(); while (nodes.Count > 1) { nodes.Sort(); var left = nodes[0]; var right = nodes[1]; nodes.RemoveRange(0, 2); var parent = new HuffmanNode { Value = 0, Frequency = left.Frequency + right.Frequency, Left = left, Right = right }; nodes.Add(parent); } return nodes.FirstOrDefault(); } private static void BuildHuffmanTable(HuffmanNode node, string code, string[] table) { if (node.Left == null && node.Right == null) { table[node.Value] = code; return; } if (node.Left != null) { BuildHuffmanTable(node.Left, code + "0", table); } if (node.Right != null) { BuildHuffmanTable(node.Right, code + "1", table); } } public static byte[] Compress(byte[] data) { var root = BuildHuffmanTree(data); var table = new string[256]; BuildHuffmanTable(root, "", table); using (var ms = new MemoryStream()) using (var bw = new BinaryWriter(ms)) { // Write the Huffman tree to the stream WriteHuffmanTree(root, bw); // Write the compressed data to the stream var code = ""; foreach (var b in data) { code += table[b]; while (code.Length >= 8) { var c = Convert.ToByte(code.Substring(0, 8), 2); bw.Write(c); code = code.Substring(8); } } if (code.Length > 0) { code = code.PadRight(8, '0'); var c = Convert.ToByte(code, 2); bw.Write(c); } return ms.ToArray(); } } private static void WriteHuffmanTree(HuffmanNode node, BinaryWriter bw) { if (node.Left == null && node.Right == null) { bw.Write(true); bw.Write(node.Value); return; } bw.Write(false); WriteHuffmanTree(node.Left, bw); WriteHuffmanTree(node.Right, bw); } public static byte[] Decompress(byte[] data) { using (var ms = new MemoryStream(data)) using (var br = new BinaryReader(ms)) { // Read the Huffman tree from the stream var root = ReadHuffmanTree(br); // Read the compressed data from the stream var result = new byte[ms.Length - ms.Position]; var node = root; var i = 0; while (ms.Position < ms.Length) { var b = br.ReadByte(); for (var j = 0; j < 8; j++) { if (((b >> (7 - j)) & 1) == 1) { node = node.Right; } else { node = node.Left; } if (node.Left == null && node.Right == null) { result[i] = node.Value; node = root; i++; } } } return result.Take(i).ToArray(); } } private static HuffmanNode ReadHuffmanTree(BinaryReader br) { if (br.ReadBoolean()) { return new HuffmanNode { Value = br.ReadByte(), Frequency = 1 }; } var left = ReadHuffmanTree(br); var right = ReadHuffmanTree(br); return new HuffmanNode { Value = 0, Frequency = left.Frequency + right.Frequency, Left = left, Right = right }; } } class Program { static void Main(string[] args) { var inputFileName = "input.bmp"; var outputFileName = "output.bmp"; // Load the image var bitmap = new Bitmap(inputFileName); // Convert the image to a byte array var data = new byte[bitmap.Width * bitmap.Height * 3]; for (var y = 0; y < bitmap.Height; y++) { for (var x = 0; x < bitmap.Width; x++) { var color = bitmap.GetPixel(x, y); data[(y * bitmap.Width + x) * 3] = color.R; data[(y * bitmap.Width + x) * 3 + 1] = color.G; data[(y * bitmap.Width + x) * 3 + 2] = color.B; } } // Compress the data var compressedData = Huffman.Compress(data); // Save the compressed data to a file File.WriteAllBytes(outputFileName, compressedData); // Read the compressed data from the file var input = File.ReadAllBytes(outputFileName); // Decompress the data var decompressedData = Huffman.Decompress(input); // Convert the byte array back to an image for (var y = 0; y < bitmap.Height; y++) { for (var x = 0; x < bitmap.Width; x++) { var r = decompressedData[(y * bitmap.Width + x) * 3]; var g = decompressedData[(y * bitmap.Width + x) * 3 + 1]; var b = decompressedData[(y * bitmap.Width + x) * 3 + 2]; bitmap.SetPixel(x, y, Color.FromArgb(r, g, b)); } } // Save the decompressed image to a file bitmap.Save("output.bmp"); } } } ``` 请注意,此示例代码仅支持 24 位 RGB 格式的位图。其他格式的图片需要进行相应的修改。

相关推荐

最新推荐

recommend-type

哈夫曼编码-译码器课程设计报告.docx

设计一个利用哈夫曼算法的编码和译码系统,重复地显示并处理以下项目,直到选择退出为止。 基本要求: (1)将权值数据存放在数据文件(文件名为data.txt,位于执行程序的当前目录中) (2)分别采用动态和静态存储...
recommend-type

哈夫曼编码(贪心算法)报告.doc

算法设计与分析实验报告,附已通过源码,供学习参考,共勉♪ 目录摘要如下: 1.问题描述 2.实验目的 3.实验原理 4.实验设计 (包括输入格式、算法、输出格式) 5.实验结果与分析 (除了截图外,实验结果还用...
recommend-type

哈夫曼编码算法与分析(java实现)

哈夫曼编码是一种广泛用于数据文件压缩的十分有效的编码方法,它通过对文件中各个字符出现的频率进行分析,生成各个字符的哈夫曼编码方案。哈夫曼编码的主要思想是通过构造一棵二叉树,利用贪心算法来生成最优前缀码...
recommend-type

三元哈夫曼编码 哈夫曼树

"三元哈夫曼编码 哈夫曼树" 哈夫曼树是一种特殊的二叉树结构,它可以用于数据压缩、图像处理和网络通讯等领域。哈夫曼树的构造方法是根据给定的权值来构造一棵二叉树,使其带权路径长度 WPL 最小。哈夫曼树的优点是...
recommend-type

利用迪杰斯特拉算法的全国交通咨询系统设计与实现

全国交通咨询模拟系统是一个基于互联网的应用程序,旨在提供实时的交通咨询服务,帮助用户找到花费最少时间和金钱的交通路线。系统主要功能包括需求分析、个人工作管理、概要设计以及源程序实现。 首先,在需求分析阶段,系统明确了解用户的需求,可能是针对长途旅行、通勤或日常出行,用户可能关心的是时间效率和成本效益。这个阶段对系统的功能、性能指标以及用户界面有明确的定义。 概要设计部分详细地阐述了系统的流程。主程序流程图展示了程序的基本结构,从开始到结束的整体运行流程,包括用户输入起始和终止城市名称,系统查找路径并显示结果等步骤。创建图算法流程图则关注于核心算法——迪杰斯特拉算法的应用,该算法用于计算从一个节点到所有其他节点的最短路径,对于求解交通咨询问题至关重要。 具体到源程序,设计者实现了输入城市名称的功能,通过 LocateVex 函数查找图中的城市节点,如果城市不存在,则给出提示。咨询钱最少模块图是针对用户查询花费最少的交通方式,通过 LeastMoneyPath 和 print_Money 函数来计算并输出路径及其费用。这些函数的设计体现了算法的核心逻辑,如初始化每条路径的距离为最大值,然后通过循环更新路径直到找到最短路径。 在设计和调试分析阶段,开发者对源代码进行了严谨的测试,确保算法的正确性和性能。程序的执行过程中,会进行错误处理和异常检测,以保证用户获得准确的信息。 程序设计体会部分,可能包含了作者在开发过程中的心得,比如对迪杰斯特拉算法的理解,如何优化代码以提高运行效率,以及如何平衡用户体验与性能的关系。此外,可能还讨论了在实际应用中遇到的问题以及解决策略。 全国交通咨询模拟系统是一个结合了数据结构(如图和路径)以及优化算法(迪杰斯特拉)的实用工具,旨在通过互联网为用户提供便捷、高效的交通咨询服务。它的设计不仅体现了技术实现,也充分考虑了用户需求和实际应用场景中的复杂性。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】基于TensorFlow的卷积神经网络图像识别项目

![【实战演练】基于TensorFlow的卷积神经网络图像识别项目](https://img-blog.csdnimg.cn/20200419235252200.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQ4OTQw,size_16,color_FFFFFF,t_70) # 1. TensorFlow简介** TensorFlow是一个开源的机器学习库,用于构建和训练机器学习模型。它由谷歌开发,广泛应用于自然语言
recommend-type

CD40110工作原理

CD40110是一种双四线双向译码器,它的工作原理基于逻辑编码和译码技术。它将输入的二进制代码(一般为4位)转换成对应的输出信号,可以控制多达16个输出线中的任意一条。以下是CD40110的主要工作步骤: 1. **输入与编码**: CD40110的输入端有A3-A0四个引脚,每个引脚对应一个二进制位。当你给这些引脚提供不同的逻辑电平(高或低),就形成一个四位的输入编码。 2. **内部逻辑处理**: 内部有一个编码逻辑电路,根据输入的四位二进制代码决定哪个输出线应该导通(高电平)或保持低电平(断开)。 3. **输出**: 输出端Y7-Y0有16个,它们分别与输入的编码相对应。当特定的
recommend-type

全国交通咨询系统C++实现源码解析

"全国交通咨询系统C++代码.pdf是一个C++编程实现的交通咨询系统,主要功能是查询全国范围内的交通线路信息。该系统由JUNE于2011年6月11日编写,使用了C++标准库,包括iostream、stdio.h、windows.h和string.h等头文件。代码中定义了多个数据结构,如CityType、TrafficNode和VNode,用于存储城市、交通班次和线路信息。系统中包含城市节点、交通节点和路径节点的定义,以及相关的数据成员,如城市名称、班次、起止时间和票价。" 在这份C++代码中,核心的知识点包括: 1. **数据结构设计**: - 定义了`CityType`为short int类型,用于表示城市节点。 - `TrafficNodeDat`结构体用于存储交通班次信息,包括班次名称(`name`)、起止时间(原本注释掉了`StartTime`和`StopTime`)、运行时间(`Time`)、目的地城市编号(`EndCity`)和票价(`Cost`)。 - `VNodeDat`结构体代表城市节点,包含了城市编号(`city`)、火车班次数(`TrainNum`)、航班班次数(`FlightNum`)以及两个`TrafficNodeDat`数组,分别用于存储火车和航班信息。 - `PNodeDat`结构体则用于表示路径中的一个节点,包含城市编号(`City`)和交通班次号(`TraNo`)。 2. **数组和变量声明**: - `CityName`数组用于存储每个城市的名称,按城市编号进行索引。 - `CityNum`用于记录城市的数量。 - `AdjList`数组存储各个城市的线路信息,下标对应城市编号。 3. **算法与功能**: - 系统可能实现了Dijkstra算法或类似算法来寻找最短路径,因为有`MinTime`和`StartTime`变量,这些通常与路径规划算法有关。 - `curPath`可能用于存储当前路径的信息。 - `SeekCity`函数可能是用来查找特定城市的函数,其参数是一个城市名称。 4. **编程语言特性**: - 使用了`#define`预处理器指令来设置常量,如城市节点的最大数量(`MAX_VERTEX_NUM`)、字符串的最大长度(`MAX_STRING_NUM`)和交通班次的最大数量(`MAX_TRAFFIC_NUM`)。 - `using namespace std`导入标准命名空间,方便使用iostream库中的输入输出操作。 5. **编程实践**: - 代码的日期和作者注释显示了良好的编程习惯,这对于代码维护和团队合作非常重要。 - 结构体的设计使得数据组织有序,方便查询和操作。 这个C++代码实现了全国交通咨询系统的核心功能,涉及城市节点管理、交通班次存储和查询,以及可能的路径规划算法。通过这些数据结构和算法,用户可以查询不同城市间的交通信息,并获取最优路径建议。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依