无损数据压缩
此条目没有列出任何参考或来源。 (2021年4月12日) |
此条目可参照英语维基百科相应条目来扩充。 |
无损数据压缩(Lossless Compression),是指资料经过压缩后,资讯不被破坏,还能完全恢复到压缩前的原样。相比之下,有损数据压缩只允许一个近似原始资料进行重建,以换取更好的压缩率。
![](http://upload.wikimedia.org/wikipedia/commons/thumb/0/01/Veri_s%C4%B1k%C4%B1%C5%9Ft%C4%B1rma.jpg/220px-Veri_s%C4%B1k%C4%B1%C5%9Ft%C4%B1rma.jpg)
无损数据压缩通常用于严格要求“经过压缩、解压缩的资料必须与原始资料一致”的场合。典型的例子包括文字档、程序可执行文件、程序原始码。有些图片文件格式,例如PNG和GIF,使用的是无损数据压缩。其他例如TIFF、MNG则可以采用非破坏性或破坏性压缩。非破坏性音频格式最常用于归档或制作用途。破坏性音频格式则常用于便携式播放器或存储空间受限制的装置,或不要求音频完全还原的情况。
无损数据压缩技术
编辑多数的无损数据压缩程序会依序进行这两个步骤:
- 产生输入资料的统计模型
- 利用这个统计模型将较常出现的资料用较短的位元序列表示,较不常出现的资料用较长的位元序列表示
生成位元序列的编码算法主要有霍夫曼编码(也用于DEFLATE)和算术编码。算术编码能使压缩率接近资讯熵所给出的最佳可能压缩率。而霍夫曼编码较简单快速,但在符号的出现几率接近1的时候效果不彰。
有两种建构统计模型的主要方法:
- 在 静态 模型中,会分析资料并建立一个模型,然后将这个模型存储在压缩资料中。这个方法较简单且模块化,但缺点是模型本身可能耗费庞大的空间来存储。而且这个方法对单次的全部压缩资料都使用同一个统计模型,所以如果各个文件之间差异甚大,压缩效果并不好。
- 在 自适应 模型中,压缩资料的同时模型会不断的更新。虽然会导致压缩初期的压缩率不理想,但随着读取的资料增加,压缩效果也会提升。目前最热门的压缩方法都采用自适应编码方法。
霍夫曼编码与算术编码比较
编辑- 霍夫曼编码是将每一笔资料分开编码
- 算术编码则是将多笔资料一起编码,因此压缩效率比霍夫曼编码更高,近年来的资料压缩技术大多使用算术编码
常见的无损数据压缩格式
编辑通用格式
编辑- 变动长度编码法 (RLE) – 一个非常简单的方法,在资料连续重复的情况下有不错的压缩率
- LZ77与LZ78、LZW – 用于GIF和多种应用
- LZF (页面存档备份,存于互联网档案馆) – 基本的LZ压缩法(deflate),对于快速压缩有做优化(Lempel-Ziv Fast)
- DEFLATE – 用于gzip、ZIP (从2.0版开始),也是PNG、点对点协议(PPP)、HTTP、SSH的一部分
- bzip2 – 使用Burrows-Wheeler变换,速度较DEFLATE慢但压缩率更高
- LZMA – 用于7zip、xz等程序,相较于bzip2有更好的压缩率和更快的速度
- LZO – 专为高速压缩/解压缩设计的方法,代价是压缩率较差
- Statistical Lempel Ziv – 结合统计方法和字典方法,相较于只采用单一方法有更好的压缩率
- Brotli – 一个现代的基于LZ的压缩方法,速度大约与DEFLATE一样快,但拥有与LZMA相近的压缩率
图帧式
编辑3D图帧式
编辑- OpenCTM – 用于3D三角网格的无损数据压缩
音频格式
编辑- WAV(无压缩)
视频格式
编辑常见的无损数据压缩算法
编辑