zoukankan      html  css  js  c++  java
  • 第二次作业

    3-2  利用程序huff_enc和huff­_dec进行以下操作(在每种情况下,利用由被压缩图像生成的码本)。

         (a)       对Sena、Sensin和Omaha图像时行编码。

         (b)编写一段程序,得到相邻之差,然后利用huffman对差值图像进行编码。

         (c) 使用adap_huff重复(a)和(b)。

          答:

    文件名 压缩前 压缩后 压缩比(后/前)
    OMAHA 64KB 58KB 91%
    SINAN 64KB 61KB 95%
    SENA 64KB 56.1KB 88%

    3-4  一个信源从符号集A={a1, a2, a3, a4, a5}中选择字母,概率为P(a1)=0.15,P(a2)=0.04,P(a3)=0.26,P(a4)=0.05,P(a5)=0.50。

         (a)       计算这个信源的熵。

         (b)       求这个信源的霍夫曼码。

         (c)       求(b)中代码的平均长度及其冗余度。

          答:(a).H(X)=H(0.15,0.04,0.26,0.05,0.5)= 2.368 bit
                (b).信源的霍夫曼编码如下:a5 0;a3 10;a1 110;a4 1110;a2 1111;

                (c).平均码长L=1*0.5+2*0.26+3*0.15+4*0.05+4*0.04=1.83

    3-5  一个符号集A={a1, a2, a3, a4,},其概率为P(a1)=0.1,P(a2)=0.3,P(a3)=0.25,P(a4)=0.35,使用以下过程找出一种霍夫曼码:

         (a)       本章概述的第一种过程:

         (b)       最小方差过程。

    解释这两种霍夫曼码的区别。

          答:(a).霍夫曼码为a1=000  a2=01  a3=001   a4=1

               (b).霍夫曼码为a1=00    a2=10  a3=10     a4=11

                两种方法得到的霍夫曼码的平均长度都是2

                而第一种方法的方差为

                S2=0.1(3-2)2+0.3(2-2)2+0.25(3-2)2+0.35(1-2)2

                   =0.70

                  第二种方法的方差为

               S2=0.1(2-2)2+0.3(2-2)2+0.25(2-2)2+0.35(2-2)2

                  =0

    2-6在本书配套的数据中有几个图像和语音文件。

    (a) 编写一段程序,计算其中一些图像和语音文件的一阶熵。

    (b) 选择一个图像文件,计算其二阶熵。试解释一阶熵与二阶熵的差别。

    (c) 对于(b)中所有的图像文件,计算其相邻像素之差的熵,试解释你的发现。

    答:(a)

    文件名

    一阶熵

    SENA 6.834299
    EARTH 4.770801
    BERK 7.151537
    SENSIN 7.317944
    GABE 7.116338
    OMAHA 6.942426

         (b)EARTH的二阶熵为: 2.568358 

             二阶熵比一阶熵都要小

         (c)图像EARTH相邻像素之差的熵为3.962697

            我的发现是:图像的差的熵介于一阶熵和二阶熵之间

  • 相关阅读:
    evernote100个做笔记的好方法
    平衡二叉树的调整模版
    晨间日记的奇迹
    hdu 2952 Counting Sheep
    hdu 1535 Invitation Cards
    poj 3259 Wormholes(spfa)
    poj 2263 Heavy Cargo(floyd)
    poj 3268 Silver Cow Party(SPFA)
    hdu 1690 Bus System
    hdu 3631 Shortest Path(Floyd)
  • 原文地址:https://www.cnblogs.com/QTJZR/p/4784825.html
Copyright © 2011-2022 走看看