Hamming Huffman

Département d’informatique et de génie logiciel
Compression de données
IFT-4003/IFT-7023
Notes de cours
Codage de Huffman
Édition Hiver 2012
Mohamed Haj Taieb

Local: PLT 2113
Courriel: mohamed.haj-taieb.1@ulaval.ca
Faculté des sciences et de génie
Département de génie électrique et de
génie informatique
Plan
• Codage de Huffman:
• Codage de Shannon-Fano
• Procédure de construction des codes de
Huffman
• Extension des codes de Huffman
• Code de Huffman non binaires
• Codes de Huffman adaptatif
• Codes de Golomb
IFT-4003/7023 Compression de données Mohamed Haj Taieb, Département de génie électrique et de génie informatique
Codage de Shannon-Fano
• Construction d’un code préfixe basé sur la théorie de
Shannon.
• Code développé en 1960 par Claude E. Shannon (MIT) et
Robert M. Fano (Laboratoires de Bell).
• Assignation du code selon la probabilité de chaque symbole.
• Algorithme simple avec des performances élevées.
• Cependant c’est un code sous-optimal en terme de longueur
moyenne des mot code.
• A partir de ce code un étudiant gradué a développé un autre
code assurant l’optimalité: David A. Huffman.
• Exemple d’utilisation: format ZIP.
Algorithme de Shannon-Fano
1. Détermination des probabilités de chacun des symboles soit
par mesure ou soit par estimation.
2. Ordonner les symboles selon leurs probabilité d’apparence
croissant ou décroissant.
3. Diviser l’ensemble des symboles en deux sous-groupes
ayant une différence de probabilité minimale.
4. Assigner un ‘0’ pour le premier sous-groupe et un ‘1’ pour
le second sous-groupes.
5. Réitérer à la 3ème étape en subdivisant les sous-groupes.
6. Condition d’arrêt: tous sous-groupes sont formés d’un
singleton.
Exemple: codage de Shannon-Fano (1)
Étape 1: Lettres a b c m r s
calcul des Fréquence 9 3 6 8 5 7
fréquences
9 8 7 6 5 3
Étape 2: a m s c r b
ordonner les 9 28 28-9= 19
fréquences
15 20 20-15= 5
Étape 3: 24 14 24-14= 10
Division en
groupes de
fréquences
rapprochées
9 8 7 6 5 3
a m s c r b
0 0 1 1 1 1
0 1
a m s c r b
9 8 7 6 5 3
9 8 7 6 5 3
a m s c r b
00 01 1 1 1 1
0 1
s c r b
0 1 7 6 5 3
a m
9 8
9 8 7 6 5 3
a m s c r b
00 01 1 1 1 1
0 1
s c r b
0 1 7 6 5 3
a m
9 8
9 8 7 6 5 3
a m s c r b
00 01 10 10 11 11
0 1
0 1 0 1
a m s c r b
9 8 7 6 5 3
9 8 7 6 5 3
a m s c r b
00 01 10 10 11 11
0 1
0 1 0 1
a m s c r b
9 8 7 6 5 3
9 8 7 6 5 3
a m s c r b
Code assigné: 00 01 100 101 110 111
0 1
Condition 0 1 0 1
d’arrêt:
Sous groupes a m
0 0 1
1
formés par des 9 8
singletons s c r b
7 6 5 3
Remarques: codage de Shannon-Fano
Lettres a b c m r s
Fréquence 9 3 6 8 5 7
Code 00 111 101 01 110 100
Probabilité 0.23684 0.078947 0.15789 0.21053 0.13158 0.18421
Longueur moyenne du code: 2.5526

Entropie de la source: 2.5096
Code de Huffman
• Le code de Shannon-Fano ne permette pas d’obtenir un code
optimale.
• Le code de Huffman est code presque aussi simple que le
code de Shannon-Fano.
• Le code permet d’avoir un code à préfixe aussi.
• Le code de Huffman est optimal et il est basé sur deux
observation:
• Dans un code optimal, on assigne moins de bits aux
symboles les plus fréquents et plus de bits au symboles
les moins fréquents.
• Dans un code optimal, les deux moins fréquents
symboles ont la même longueur.
Longueur du code de Huffman (1)
• La longueur moyenne de se code peut atteindre l’entropie de
la source (code optimal). Cependant il faut que chaque mot
code puisse être représenté par un nombre entier de bits.
• Ceci étant possible si les probabilités des symboles sont des
puissances négatives de 2, i.e.: 2-1, 2-2 ..
• Longueur moyenne d’un code de Huffman:
H ( S ) lmoy H (S ) 1
• Pour démontrer ce point on utilise l’inégalité de Kraft-
McMillan. Soit C un code uniquement décodable formé par
K mots code de longueurs li=1..K alors:
K
li
2 1
i 1
• Soit un code 1 qui est uniquement décodable et un code 2

qui ne l’est pas. Vérifions l’inégalité de Kraft-McMillan:
Lettres a b c m r s
Code 1 00 111 101 01 110 100
Code 2 00 11 10 01 110 100
K
• Code 1: 2 li
2 2
2 3
2 3
2 2
2 3
2 3
1 1
i 1
K
li 2 2 2 2 3 3
• Code 2: 2 2 2 2 2 2 2 1.25 1
i 1
• Nous avons dit que la longueur moyenne d’un code de
Huffman:
H ( S ) lmoy H (S ) 1
• La bande supérieure est en fait un peu lousse. En effet soit

une liste de symboles tel que la probabilité maximale
d’apparition d’un d’eux est pmax. Alors on a:
H ( S ) lmoy H (S ) pmax , pmax 0.5

H ( S ) lmoy H (S ) pmax 0.086, pmax 0.5
Génération d’un code de Huffman (1)
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 0 1
b(0.4) b (0.4)
a(0.2) a(0.2)
c(0.2) c(0.2)
0 de(0.2)
d(0.1)
e(0.1)
1
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 0 10 11
b(0.4) b (0.4) b (0.4)
a(0.2) a(0.2) dce(0.4)
c(0.2) c(0.2) 0 a(0.2)
0 de(0.2)
d(0.1)
1
e(0.1)
1
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 1 00 010 011
b(0.4) b (0.4) b (0.4) adce(0.6)
0
a(0.2) a(0.2) dce(0.4) b(0.2)
c(0.2) c(0.2) 0 a(0.2)

1
0 de(0.2)
d(0.1)
1
e(0.1)
1
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 1 000 0010 0011
0
b(0.4) b (0.4) b (0.4) adce(0.6)
adceb(1)
0
a(0.2) a(0.2) dce(0.4) b(0.4)
1
c(0.2) c(0.2) 0 a(0.2)

1
0 de(0.2)
d(0.1)
1
Longueur moyenne: 2.2
e(0.1)
1
Génération d’un code de Huffman avec
un arbre
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 1 000 0010 0011
0
1
0 1
b
0 1 a
c
0 1
d e
Remarques: Code Huffman (1)
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 1 000 0010 0011
Longueur 2 1 3 4 4
• Longueur moyenne du code: l=2.2 bits/symbole

• Entropie de la source: H= 2.1219 bits /symbole
• Redondance du code: l-H= 0.078072 bits /symbole
• Efficacité du code: H X 2.1219
96,45%
lmoy 2.2
• Redondance>0 car les probabilités ne sont pas des
puissances négative de 2.
• Variance de la longueur du code: 1.36
Remarques: Code Huffman (2)
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 1 011 0110 0111
Longueur 2 1 3 4 4
• Longueur moyenne du code: l=2.2 bits/symbole

• Entropie de la source: H= 2.1219 bits /symbole
H X lmoy H X pmax 0.087
2.1219 2.2 2.1219 0.4 0.087
2.1219 2.2 2.6089
K
• Kraft-McMillan: 2 li
2 2
2 2
2 3
2 4
2 4
1 1
i 1
Code de Huffman à variance minimale
• Dans la plupart des applications de transfert de données, le
taux de transmission est fixe même si on utilise des codes à
longueur variable.
• Pour gérer l’envoi d’une séquence à longueur variable avec
un taux, on utilise une mémoire tampon pour amortir la
variation du débit.
• La variabilité de la longueur du code complique le design de
la mémoire tampon. Il faut alors minimiser cette variabilité.
• Exemple:
• Soit une source qui génère une source à un rythme de
10000 symboles/seconde
• Soit un canal avec un taux de transmission fixe 22000
bits /seconde.
Inconvénient de la variance élevée
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 1 011 0110 0111
Longueur 2 1 3 4 4
10.000 symb/s Buffer

Source 18000 bits
40000 bits /s
Une seconde
de d et e
Canal
22000 bits
22.000
bit /s
Inconvénient de la variance élevée
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 1 011 0110 0111
Longueur 2 1 3 4 4

Source
10000 bits /s 0 bits
Une seconde
de b
Canal
10000 bits
22.000
Déficit:12000 bits
bit /s
Génération du code de Huffman à
variance minimale
• Lorsque la variance de la longueur du code est élevée la
mémoire tampon à l’encodage doit être large: 18000 bits.
• Le déficit de transmission peut atteindre 12000 bits.
• I faut concevoir un code de Huffman tout en minimisant la
variance.
• C’est quasiment la même procédure de codage.
• Lorsqu’il y a une égalité dans les probabilités placer
l’ensemble formé par le plus de lettre en haut.
• Dans l’exemple qu’on a présenté avant la variance est de
1.36. On va construire un code de Huffman à variance
minimale de 0.24.
Génération d’un code de Huffman
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 1 011 0110 0111
0
b(0.4) b (0.4) b (0.4) adce(0.6)
0
a(0.2) a(0.2) dce(0.4) b(0.4)
1
c(0.2) c(0.2) 0 a(0.2)

1
0 de(0.2)
d(0.1)
1
e(0.1)
1 Variance: 1.36
Génération d’un code de Huffman à
variance minimale
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 00 10 110 111
0
b(0.4) b (0.4) dce(0.4) ab(0.6)
0
a(0.2) a(0.2) b(0.4) dce(0.4)
1
c(0.2) c(0.2) 0 a(0.2)

1
0 de(0.2)
d(0.1)
1
e(0.1)
1 Variance: 0.24
Minimisation de la variance
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 00 10 110 111

Source
20000 bits /s 0 bits
Une seconde
de b
Canal
20000 bits
22.000
Déficit:2000 bits
bit /s
au lieu de 12000
Minimisation de la variance
Lettres a b c d e
Probabilité 0.2 0.4 0.2 0.1 0.1
Code 01 00 10 110 111

Source 8000 bits
30000 bits /s Au lieu de
Une seconde 18000
de d et e
Canal
22000 bits
22.000
bit /s
Extension des codes de Huffman
• Dans les application où la taille de l’alphabet est large, la
valeur de pmax est relativement faible. Ainsi le code est
performant vu que sa longueur moyenne est proche de
l’entropie:
H (X ) lmoy H (X ) pmax 0.087
pmax 1 lmoy H (X )
• Cependant pour un alphabet de taille faible et une

probabilité de symbole débalancée et biaisée valeur de pmax
devient élevée et la longueur moyenne risque d’être élevée.
• Dans cette situation l’efficacité du code risque de devenir
faible
Inefficacité du code de Huffman
• Soit le code de Huffman de la source suivante:
Lettres a b c
Probabilité 0.8 0.02 0.18
Code 0 11 10
• Entropie de la source: H=0.816 bit/symbole

• lmoy=1.2 bit/symbole
• Redondance=1.2-0.816=0.384 bit/symbole=47% de
l’entropie
• Le code nécessite 47% plus de bits que le code optimal.
• Efficacité du code
H 0.816
68%
lmoy 1.2
Regroupement des symboles (1)
• Soit une source S qui émet des éléments indépendants d’un
alphabet A={a1, a2,..,am}. L’entropie de la source est:
m
H (S ) P(ai ) log 2 P(ai )
i 1
• Comme indiqué précédemment, on peut générer un code de

Huffman avec un débit R tel que:
H (S ) R H (S ) 1
• Ici le débit R dénote le nombre de bits/symbole (ou encore

la longueur moyenne).
• Les système de communication R réfère au débit de
transmission exprime en bits/seconde.
• Si l’on encode la même source en assignant un mot-code à
l’ensemble de m symboles.
• A={a1, a2,..,am} =>
• A(n=2)={a1a1, a1a2,.., a1am, a2a1, a2a2,.., a2am, … , ama1, ama2,.., amam}
• Pour l’encodage de la source S(n), il faut un débit R(n) tel que:
H (S (n) ) R(n) H (S (n) ) 1
• Le débit R(n) est le débit nécessaire pour encoder n symboles et R
est le débit nécessaire pour encoder un seul symbole.
R( n) nR H (S ( n) ) nR H (S ( n) ) 1
H (S (n) ) H (S ( n) )
R 1
n n
H (S (n) ) nR H (S ( n) ) 1
H (S ( n) ) H (S ( n) ) 1
R
n n n
Et comme les éléments de la séquence sont générés
indépendamment on a: [démonstration comme exercice]
H (S (n) ) nH ( S )
nH ( S ) nH ( S ) 1
R Sans regroupement
n n n
de symboles nous
1
H (S ) R H (S ) avions:
n
H (S ) R H (S ) 1
• Sans regroupement de symboles nous avions:
H (S ) R H (S ) 1
• Avec un encodage de la source utilisant des blocks plus longs le

débit R s’approche de plus en plus de l’entropie:
1
H (S ) R H (S )
n
• Le plus que n augmente le plus le code est plus efficace mais

plus complexe.
Exemple code de Huffman étendu (1)
• Reconsidérons la source de l’exemple précédent:
Lettres a b c • H=0.816 bit/symbole

Probabilité 0.8 0.02 0.18 • lmoy=1.2 bit/symbole
Code 0 11 10 • Redondance=0.384
• Efficacité du code: 68%
• Génération de mots-codes formés de deux symboles.

• L’alphabet étendu contient 32=9 éléments comportant toutes
les combinaisons possibles:
{aa, ab, ac, ba, bb, ac, ca, cb, cc}
Exemple code de Huffman étendu (2)
• L’encodage de Huffman de la source étendue donne:
Lettres aa ab ac ba bb bc ca cb cc
Proba. 0.64 0.016 0.144 0.016 0.0004 0.0036 0.144 0.00036 0.0324
Code 0 1010 11 10100 10100 10100 10 101001 1011

1 0 101 11 00
• Code de Huffman • Code de Huffman étendu

• H=0.816 bit/symbole • lmoy=1.7228 bit/2symbs
• lmoy=1.2 bit/symbole • lmoy=1.7228/2=0.8614 bit/symb
• Redondance=0.384 • Redondance=0.045
• Efficacité du code: 68% • Efficacité du code: 94.73%
Inconvénients des codes de Huffman
étendus
• Dans l’exemple précédent on a vu qu’avec un regroupement
de 2 symboles on a pu atteindre une longueur du code très
proche de l’entropie.
• Le code de Huffman peut être étendu encore plus et
considérer un nouveau alphabet formé par un regroupement
de 3, 4, … n symboles donc 33, 34 , … ,3n éléments dans
l’alphabet.
• Cependant cette croissance exponentielle de la taille de
l’alphabet rend le système complexe:
• Exemple: pour un code d’ASCII de longueur 3 on obtient
un alphabet de taille 2563 =224 =16 Mb
• Dans cette situation, il faut utiliser d’autres méthodes
comme le codage arithmétique.
Code de Huffman M-aire
• Le codage de Huffman non binaire est basé sur les mêmes
principes que le codage binaire avec une petite différence:
• On assigne moins de bits aux symboles les plus fréquents
et plus de bits aux symboles les moins fréquents.
• Les deux M’ (M ou M-1 ou …3 ou 2) moins fréquents
symboles ont la même longueur.
• Détermination de M’
• M’ désigne le nombre de symbole à regrouper en premier lieu
avant de commencer à construire l’arbre.
• Soit un alphabet de longueur n. La valeur de M’ est déterminé
selon la fonction suivante:
• M’=(M-1)+[n mod(M-1)] (i.e; M=3 et n=6 => M’=2+0=2 )
Construction d’un Code de Huffman
ternaire (1)
Lettres a b c d e f
Probabilité 0.25 0.20 0.20 0.20 0.10 0.05
Code 0 1
a(.25) a(.25)
b(.2) b(.2)
c(.2) c(.2)
d(.2) d(.2)
0
e(.1)
fe(.15)
f(.05)
1
ternaire (2)
Lettres a b c d e f
Probabilité 0.25 0.20 0.20 0.20 0.10 0.05
Code 0 1 20 21
a(.25) a(.25) fedc(.55)
b(.2) b(.2) a(.25)
c(.2) c(.2)
0 b(.2)
d(.2) d(.2)
1
0
e(.1)
fe(.15)
2
f(.05)
1
ternaire (3)
Lettres a b c d e f
Probabilité 0.25 0.20 0.20 0.20 0.10 0.05
Code 1 2 00 01 020 021
a(.25) a(.25) fedc(.55)

0
b(.2) b(.2) a(.25) fedcba(1)

1
c(.2) c(.2)
0 b(.2)
2
d(.2) d(.2)
1
0
e(.1)
fe(.15)
2
f(.05)
1
ternaire [Arbre]
Lettres a b c d e f
Probabilité 0.25 0.20 0.20 0.20 0.10 0.05
Code 1 2 00 01 020 021
2
0 1
a b
0 2
1
c d
0 1
e f
Code de Huffman Adaptatif

Hamming Huffman

Transféré par

Droits d'auteur :

Formats disponibles

Hamming Huffman

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Hamming Huffman

Transféré par

Droits d'auteur :

Formats disponibles

Département d’informatique et de génie logiciel

Mohamed Haj Taieb

Code 00 111 101 01 110 100

Probabilité 0.23684 0.078947 0.15789 0.21053 0.13158 0.18421

Longueur moyenne du code: 2.5526

• Soit un code 1 qui est uniquement décodable et un code 2

Code 2 00 11 10 01 110 100

• La bande supérieure est en fait un peu lousse. En effet soit

H ( S ) lmoy H (S ) pmax , pmax 0.5

b(0.4) b (0.4) b (0.4)

a(0.2) a(0.2) dce(0.4)

c(0.2) c(0.2) 0 a(0.2)

Code 1 00 010 011

b(0.4) b (0.4) b (0.4) adce(0.6)

c(0.2) c(0.2) 0 a(0.2)

Code 01 1 000 0010 0011

c(0.2) c(0.2) 0 a(0.2)

Code 01 1 000 0010 0011

Code 01 1 000 0010 0011

• Longueur moyenne du code: l=2.2 bits/symbole

Code 01 1 011 0110 0111

• Longueur moyenne du code: l=2.2 bits/symbole

Code 01 1 011 0110 0111

10.000 symb/s Buffer

Code 01 1 011 0110 0111

10.000 symb/s Buffer

Code 01 1 011 0110 0111

c(0.2) c(0.2) 0 a(0.2)

Code 01 00 10 110 111

c(0.2) c(0.2) 0 a(0.2)

Code 01 00 10 110 111

10.000 symb/s Buffer

Code 01 00 10 110 111

10.000 symb/s Buffer

• Cependant pour un alphabet de taille faible et une

• Entropie de la source: H=0.816 bit/symbole

• Comme indiqué précédemment, on peut générer un code de

• Ici le débit R dénote le nombre de bits/symbole (ou encore

• Avec un encodage de la source utilisant des blocks plus longs le

• Le plus que n augmente le plus le code est plus efficace mais

Lettres a b c • H=0.816 bit/symbole

• Génération de mots-codes formés de deux symboles.

Code 0 1010 11 10100 10100 10100 10 101001 1011

• Code de Huffman • Code de Huffman étendu

a(.25) a(.25) fedc(.55)

b(.2) b(.2) a(.25)

Code 1 2 00 01 020 021

a(.25) a(.25) fedc(.55)

b(.2) b(.2) a(.25) fedcba(1)

Code 1 2 00 01 020 021

Vous aimerez peut-être aussi