GIF图像格式（一）——基础算法（上）

首先道个歉：昨天写着写着突然熄灯，以至于写了80%的这篇文章不得不灰飞烟灭，我可怜的电脑也被裸关一次，没有办法，校有校规啊，所以只好今天从头开始再写一遍。
言归正传。

写着篇文章之前，我县假定你已经对于什么是GIF很清楚了，如果你不清楚的话，建议你到网上搜索一下“GIF文件简介”看看。

GIF作为一种面向网络的图像格式，他的种种设计都是以“便于在网络上使用”为原则的。网络使用的第一个原则就是文件大小。如何使用有效的压缩算法使文件的大小得以减小，是GIF文件要解决的首要问题。对于这个问题，GIF采用的是压缩效率很好的LZW压缩算法。这个算法的压缩效率、压缩比都是极高的，但是有一点不好：它是有版权的。

因此我的第一部分，是介绍LZW算法，与GIF文件格式的内容无关，只是一种算法，但是它是LZW-GIF压缩算法（GIF使用的压缩算法）的基础。

1、概述
LZW算法的基本思想很简单：在一个输入的未压缩的字节流中，一定有很多的重复出现的字符串，那么用一个字节来表示这个字符串，不就起到了压缩的作用了吗？

下面我们先看几个概念，这几个概念将会在下面的介绍中反复出现，因此请记住他们。

Char Stream（未编码的字节流）：作为编码的输入和解码的输出，使未经压缩的字节流，我们要处理的对象。
Code Stream（已编码的流）：我没有写作字节流，因为不一定输出的是字节，事实上大多数时候也不是字节。
String Table（编码表）：作为编码和解码的字典，它的格式是一个index对应一个string，在初始化的时候，从0开始的index依次对应字符集中的相应的字符。LZW的编码表有一个很大的优势就是他不需要很大的存储空间，它是在编码、解码的过程中动态生成的，而生成他指需要一个变量：初始的根项的数目。
Root Item（编码表根项）：生成编码表时初始的只有一个字符的那些项，他们有一系列的特点，我在算法描述的时候再详述。

好了，概念说完了。现在开始介绍编码的算法：

2、编码算法
首先是算法的伪码描述：
initial_string_table(root_number);                                   
current_prefix = '' ;             //空字符串                          
while (能够从Char Stream中取出一个Char c) {                            
    current_string = current_prefix+c ;                              
    if (current_string在string_table中存在) {                         
        current_prefix = current_string;                             
    } else {                                                         
        把current_string加入到string_table的末端;                      
        向Code Stream中输出current_prefix在string_table中对应的index;  
        current_prefix = c;                                          
    }                                                                
}                                                                    
向Code Stream中输出current_prefix在string_table中对应的index;          
// 编码结束                                                          
现在我们看看每一步是怎么做的：

第一步：初始化我们的编码表。刚才说了，初始化编码表只需要一个参数：root_number，也就是根项的数目。其实他就是我们要编码的Char Stream中的字符集的数目。初始化也很简单：根据一个事先的约定对所有的Char进行排序，然后从零开始对其编上一个index，形成一个item，再把这些items从小到大排列好，就形成了初始的编码表。

第二步：初始化一些局部变量：主要是current_prefix和current_string，把他们都设为空字符串。

第三步：开始循环编码，方法如下：
从Char Stream中读出一个Char c，然后把它接到current_prefix的后面形成current_string。
在string_table中进行查找，看有没有这个current_string。
有：说明这个current_string是“老的”，于是什么都不做，仅仅把current_string赋给current_prefix；
无：说明这个current_string是“新的”，因此第一步把它变成“老的”，也就是把它插入到string_table的末端；紧接着输出current_prefix在string_table中的index到Code Stream；最后重新开始找重复的字符串，也就是把c赋给current_prefix。

这样循环结束，最后肯定还余下一个prefix，输出它的index即可。

举个例子吧。

假设我们的Code Stream是BBBCBBA，字符集是{A,B,C}，我们约定排列方式是ASCII升序。
初始化的string_table如下： 
-----------------------
index            string
00                'A'
01                'B'
02                'C'
-----------------------
这三项就是所谓的Root Items。
然后开始编码：简单期间，我只是列出各个量的值，并作简单说明。
Step        Prefix    Char c        CurrentString            Exist?       Operation            Code Stream(OUT)
01            []            B            []B=B                      yes              no                             X
02            [B]           B            [B]B=BB                  no            insert BB                index(B) = 01
03            [B]           B            [B]B=BB                  yes               no                            X
04            [BB]         C            [BB]C=BBC                no            insert BBC            index(BB)=03
05            [C]           B            [C]B=CB                   no            insert CB             index(C)=02
06            [B]           B            [B]B=BB                  yes               no                            X
07            [BB]         A            [BB]A=BBA                no            insert BBA            index(BB)=03
08            [A]          no
Output [A]'s index: index(A)=00
这样，编码结束了，Code Stream为：01 03 02 03 00
最终的编码表如下：
-------------------------
index            string
00                'A'
01                'B'
02                'C'
03                'BB'
04                'BBC'
05                'CB'
06                'BBA'
-------------------------
由此可见，编码压缩率的大小，取决于其中重复字符串的多少。
编码就讲到这里，下面是解码。

(To be continue...)