江苏龙网

  1. 首页 > 人文 > >

二维码|一个二维码能装10T电影？我来科普压缩是怎么回事儿！( 二 )


但是在仔细观察后 ， 可以发现在字符串中存在着多个重复的字符串「 abc 」 ， 「 aac 」以及「 abd 」 。
那么只要我们建立一个对照翻译表 ， 用「 1 」代替字符串「 abc 」 ， 用数字「 2 」代替字符串「 aac 」 ， 用数字「 3 」代替字符串「 abd 」 。
整个字符串可以简化为了「 112323 」的数字串 ， 相较于原始字符串已经精简了许多 。
如果更进一步 ， 用「Ⅰ」代表「 11 」 ， 用「Ⅱ」代表「 23 」 ， 这样字符串还可以精简为「 Ⅰ Ⅱ Ⅱ 」 。
电脑里的压缩文件过程原理大概就是如此 ， 只不过实际上文件不是只有字符串 ， 而且数据量比这个大得多 。
解压缩的原理自然也很容易想到 ， 回到前面的例子中 ， 我们只需要对照翻译表将数字重新还原 ， 就能够得到原始字符串 。
这样一套操作逻辑就叫做字典编码算法 ， 所谓的翻译对照表也就是算法中的「 字典 」 ， 不论是什么压缩算法 ， 都得带着这本「 字典 」 ， 也就是解码参数 。
当然聪明的你可能已经发现了 ， 这本字典完全可以换个方式写：我们还可以将字符串分解成 abc abc acca bd acca bd， 就又得到了一种全新的压缩方式 。
不同的压缩方式对应不同的文件格式 ， 我们常见的有 rar/zip/7z 等等 ， 其实就是在告诉电脑这是用什么方式压缩的 。
【二维码|一个二维码能装10T电影？我来科普压缩是怎么回事儿！】而相应的的翻译工具 ， 则就是常见的压缩软件 ， 相信不少人都被这张图骚扰过↓
理论上来说 ， 我们可以搞一波智障操作 ， 这么写翻译表：abcabcaacabdaacabd = 1， 整个字符串只用一个数字就能代替了 。
但这么干的话 ， 字典本身的大小就和原文一样了 ， 再加上压缩后的数字 ， 信息量反倒变大了 。
换成现实比方 ， 就意味着你把一个 1 KB 的文件反向压缩成了一个 1.1 KB 的玩意儿 ， 所以说这是波智障操作 。。。
所以说这事儿挺不简单的 ， 目前为止工程师们研究出了很多方法 ， 最快的压缩效率也只是接近 2 : 1。
所以才说开头那个万亿分之一的消息惊得让我摔在了地上 。
事实上 ， 工程师怎么实现是一回事 ， 压缩的极限比例其实能用数学工具算出来 。
这就不得不提到一位天降猛男 ， 信息论之父——克劳德 · 香农 。
作为一个伟大的科学家 ， 克劳德 · 香农提出了信息熵函数 ， 而在后续学者的配合下 ， 终结了这个疑问 。
信息熵公式▼
总而言之 ， 在这个宇宙里 ， 信息压缩的比例是存在理论上限的 ， 和信息的复杂程度有关 ， 但是远远达不到万亿分之一 ， 这个专利要真能达到万亿分之一 ， 香农的棺材板都要压不住了 。。。
所以关于这篇专利的说法是真的吗？为了求证 ， 我去查看了一下专利的原始文档 。
果然 ， 在文章并没有与万亿级相关的字眼和描述 ， 取而代之的则是千分之一和万分之一的描述 。
所以 。。。 又是一场营销号折腾出来的闹剧吗？
也不是 ， 尽管在文章中没有提到万亿级压缩 ， 但是申请者对自己的专利也是信心满满：理论上任何数据都可以压缩到只剩 2 个比特和解码参数 。
还记得前面提到的智障操作吗？ 。。。 压缩到 2 个比特情况下没提解码参数有多大 ， 这不耍流氓么？
而且就算不谈万亿级别的压缩率 ， 仅仅是万分之一的压缩率可以实现吗？
可以 ， 很简单 ， 但没有任何意义：
假设我有个由 100 万个 a 组成的字符串 ， 那我就只需要用「 100 万个 a 」这句话 ， 就完成了这波极限操作 。
说白了 ， 这都是重复信息 ， 原有信息那 100 万个 a 看着长 ， 根本就不包含有意义的内容 。
还记得差评君以前介绍过的压缩炸弹吗？一个 42 KB 文件通过自我复制 N 遍达到 4.5 PB， 这玩意儿就是压缩比高得吓人 ， 但一点卵用都没 。


推荐阅读


上一篇：魅族17|魅族 17 Pro「月白天青」色上线：白色面板 + 天青后盖

下一篇：小米科技|荣耀高管扯开小米“遮羞布”，向卢伟冰发出三连问，卢伟冰无法可说