Original
Economisit

Metodă

Mai multe informații despre compresie

Demonstrator de compresie

Cum poate un fișier să devină mai mic fără să piardă nicio literă? Observând că se repetă. Lipiți un text sau alegeți un exemplu și urmăriți trei metode clasice la lucru: LZ77 trimite înapoi la textul apărut mai devreme, LZW învață un dicționar de șiruri pe măsură ce citește, iar codarea lungimii secvențelor numără secvențele aceluiași caracter. Fiecare metodă este decomprimată din nou pentru a arăta că nu s-a pierdut nimic, iar un grafic le compară cu ZIP și cu limita entropiei. Scrieți sau lipiți un text ori alegeți un exemplu și alegeți o metodă. LZ77 înlocuiește repetițiile cu referințe la textul anterior: faceți clic pe o porțiune evidențiată pentru a vedea ce copiază. LZW construiește un dicționar de șiruri pe măsură ce citește și trimite numerele lor. RLE comprimă secvențele aceluiași caracter. Graficul compară fiecare metodă cu ZIP și cu limita entropiei, iar aplicația decomprimă din nou rezultatul pentru a verifica dacă nu s-a pierdut nimic.

Cum funcționează

  1. Scrieți sau lipiți un text ori alegeți un exemplu: un paragraf, un cântec cu refren, un rând de pixeli, un tabel de date, litere aleatorii sau ADN.
  2. Alegeți LZ77, LZW sau RLE. Pentru LZ77, stabiliți cât de departe înapoi poate privi și faceți clic pe o referință evidențiată pentru a vedea textul anterior pe care îl copiază.
  3. Comparați mărimile din casete și din grafic cu ZIP și cu limita entropiei; verificarea de sub text confirmă că decomprimarea redă originalul.

Repetițiile sunt cheia

Compresia fără pierderi funcționează pentru că datele reale se repetă. LZ77 păstrează o fereastră cu textul pe care tocmai l-a citit; ori de câte ori caracterele următoare au apărut deja în acea fereastră, scrie o referință scurtă, mergi atât de departe înapoi și copiază atâtea caractere, în locul caracterelor însele. O referință costă un număr fix de biți oricât de lungă ar fi copia, așa că repetițiile lungi și frecvente economisesc cel mai mult. LZW obține același efect altfel: construiește un dicționar cu fiecare șir nou pe care îl întâlnește și de atunci înainte trimite numărul șirului.

De ce unele date nu se micșorează

O metodă care face unele fișiere mai mici trebuie să le facă pe altele mai mari: există mai puține fișiere scurte decât lungi, așa că nu pot deveni toate mai scurte. Compresia câștigă la datele cu tipare, precum textul, tabelele și imaginile simple, și pierde la datele fără tipare. Literele aleatorii, datele criptate și fișierele deja comprimate nu le oferă metodelor nimic spre care să trimită înapoi, iar ieșirea iese la fel de mare ca intrarea sau mai mare. Codarea lungimii secvențelor arată cel mai clar acest lucru: pe un text fără secvențe, dublează mărimea.

Întrebări frecvente

Care este diferența dintre compresia fără pierderi și cea cu pierderi?

Compresia fără pierderi redă exact originalul, bit cu bit; este necesară pentru text, programe și date, iar acest demonstrator arată doar metode fără pierderi. Compresia cu pierderi, ca la fotografiile JPEG, muzica MP3 și video, renunță la detalii pe care oamenii abia le observă și obține fișiere mult mai mici, dar originalul nu mai poate fi recuperat.

Cum comprimă ZIP fișierele?

ZIP și gzip folosesc deflate, care aplică mai întâi LZ77 cu o fereastră de 32 KB și apoi scrie literalii și referințele cu coduri Huffman, coduri scurte pentru valorile frecvente și lungi pentru cele rare. Acest al doilea pas este motivul pentru care ZIP întrece de obicei LZ77 simplu prezentat aici, care cheltuiește un număr fix de biți pe fiecare token.

Poate LZ77 să coboare sub entropie?

Entropia afișată numără caracterele unul câte unul, fără context. LZ77 și LZW folosesc contextul, pentru că o referință copiază o întreagă porțiune de text anterior, așa că pe un text repetitiv pot întrece cu mult acest număr. Nu pot întrece niciodată adevărata entropie a sursei, care ține seama de tot contextul.

De ce diferă mărimile de cele ale unui fișier ZIP real?

Demonstratorul numără doar biții datelor codate. Un fișier ZIP real adaugă anteturi, numele fișierului, o sumă de control și tabelele Huffman, care fac fișierele foarte mici mai degrabă mai mari decât mai mici.

Este textul meu trimis undeva?

Nu. Fiecare metodă, inclusiv comparația cu ZIP, rulează în browserul dumneavoastră, iar textul rămâne în stocarea locală a acestui browser.

Ești gata să încerci?

Deschide PictorX în browser – fără instalare și fără card de credit.

Mergi la editor