C语言提供的LZW压缩算法源码，可以作为项目参考

压缩编码有点用，看看吧-coding using a bit, and let's see it

Snappy（旧称：Zippy）是Google基于LZ77的思路用C++语言编写的快速数据压缩与解压程序库，并在2011年开源。其目标并非最大压缩率或与其他压缩程序的兼容性，而是非常高的速度和合理的压缩率。使用一个运行在64位模式下的酷睿i7处理器的单个核心，压缩速度250 MB/s，解压速度500 MB/s。压缩率比gzip低20-100%

LZ4-极快的压缩 LZ4是无损压缩算法，提供每核心大于500 MB / s的压缩速度，可通过多核CPU进行扩展。 它具有极快的解码器，每个内核的速度为多个GB / s，通常在多内核系统上达到RAM速度限制。 速度可以动态调整，选择一个“加速”因数，以权衡压缩比以获得更快的速度。 另一方面，还提供了高压缩导数LZ4_HC，以CPU时间为代价来提高压缩率。 所有版本均具有相同的减压速度。 LZ4还与和级别的兼容。 尽管仅使用最后的64KB，但它可以将任何输入文件作为字典接收。 该功能可以与结合使用，以大大提高小文件的压缩性能。 LZ4库作为使用BSD 2条款许可证的开源软件提供。 科 状

使用SVD和神经网络进行图像压缩 目标：压缩与背景区域相比在语义显着区域中保持较高质量的图像 算法： 图像通过神经网络进行分析：其输出是一个矩阵，该矩阵突出显示了语义上显着的区域 图像分为较小的部分 在图像的每个部分上，使用依赖于重要性图的值的多线性等级应用顺序截断的HOSVD 输入图像 输入图像表示为张量T $$ T \ in \ mathbb {F} ^ {n_1 \ times n_2 \ times 3} $$ 每个条目将包含0到255之间的值 每个切片与特定颜色相关联 如何获得每个像素的重要性 我们将使用卷积网络为每个像素获取介于0和1之间的值，该值表示图像中该像素的重要性。 这些值将被收集在重要性矩阵中。 卷积神经网络 图像和视频识别中经常使用的特定类型的神经网络 分为几层 在每一层中都有一定数量的特征图，每个特征图都在数据中寻找特定的模式 使用的网络 CNN使用Calte

随着手机拍照分辨率的提升，图片的压缩成为一个很重要的问题。单纯对图片进行裁切，压缩已经有很多文章介绍。但是裁切成多少，压缩成多少却很难控制好，裁切过头图片太小，质量压缩过头则显示效果太差。据说微信有一条关于图片流量的数据，所有的照片会被压缩再上传。 此处通过python实现的鲁班压缩图片方法是最接近微信的一种压缩算法，方法实现简洁，不需要特殊库处理，可直接进行调用。

7z压缩算法源码，C,CPP,CS,JAVA,ASM语言都有，都可以用

详细介绍了LZ77的压缩算法，并且基于该算法编写的zip压缩程序和uzip解压程序。

lzo压缩算法源码，比较全面！！

一个无损数据压缩算法原代码．