Python LZ77压缩器 python中LZ77压缩算法的简化实现。 实作 压缩器遵循标准LZ77压缩算法的实现。 在特定位置使用超前缓冲区，可以从数据历史记录的固定大小窗口中找到最长的匹配项。 如果找到匹配项，则将子字符串替换为指向匹配项开始处的指针（距离）以及匹配项的长度。 设置和依赖项 首先，您需要克隆存储库： git clone https://github.com/manassra/LZ77-Compressor.git LZ77Compressor使用 python模块作为唯一的依赖项。 可以使用python软件包管理器来安装此依赖项，如下所示： pip install -r requirements.txt 用法 from LZ77 import LZ77Compressor compressor = LZ77Compressor ( window_size = 20 ) # window_size is optional 选件 window_size一个可选的整数，用于指定历史记录窗口的长度。 默认值为20。 压缩档案 input_file_p

matlab有损压缩代码有损音频压缩 MPEG音频压缩的实现。 Encoder_main_script.m只需输入.wav文件并量化频域系数。 该算法基于人类听力系统的心理声学模型。 创建了使用DFT和DCT的抽取器，量化器，变换编码，并通过MATLAB对MPEG /音频编码器的某些缺失部分进行了音频压缩。 可以找到详细的技术报告

Matlab dpcm编码代码Image_compression_using_DPCM 该存储库包含用MATLAB编写的差分脉冲编码调制（DPCM）的示例。

深度压缩压缩深度神经网络，并带有经过修剪训练的量化和霍夫曼算法 这是文件的pytorch实现。 Pytorch版本：0.4.0

论文笔记Literature Review of Deep Network Compression对应逻辑结构图，xmind软件可打开

(eWiley) H.264 & MPEG-4 Video Compression节选中文文档

jpeg压缩的matlab代码JPEG压缩 Matlab项目的主要目的是使用JPEG压缩技术压缩预加载的图像。 该图像将采用一组二进制代码（1和0）。 然后将压缩的图像解压缩以构造原始图像。 解压缩和重构将在图像中引入一些噪声，这意味着原始图像和最终输出图像将不完全相同。 在该项目中，还计算了所应用图像压缩技术的信噪比。 程序 然后将图像转换为矩阵形式以开始执行计算。 在图像上应用了8X8 DCT 进行量化。 在我的算法中，默认情况下使用量化因子Qk = 1。 在量化位上对DC（1数）和AC系数（63数）进行可变游程编码。 输出位被解码为bit_stream并将其保存到输出文件中。 开始使用“ bit_stream”重建图像。 在接收器端，我们将以相反的顺序执行上述操作，以恢复原始图像。

ARC格式的压缩文件工具，DOS版本的，很难找到的哦

离散余弦压缩代码matlab JPEG压缩式Matlab 在Matlab中使用DCT（离散余弦变换）和DWT（离散小波变换）进行JPEG压缩。 压缩阶段包含的步骤如下： 色彩变换 范围映射 补丁生成 DCT 量化 之字形编码 霍夫曼编码 减压阶段包含的步骤如下： 霍夫曼解码 之字形解码 逆量化 逆DCT 逆补丁生成 逆范围映射 反色变换 色彩变换 这是从RGB到YCbCr的简单转换。 范围映射 这是从图像中简单减去128以获得[-128,127]中图像范围的步骤。 补丁生成 在此步骤中，将对输入图像生成8 * 8色块，并且所有其他操作将按色块进行。 DCT 在此步骤中，将离散余弦变换应用于补丁。 量化 它只是简单地将像素划分为不同通道的一定数量。 我将以下量化表用于Y通道 Y_Q = [16 11 10 16 24 15 1 61; 12 12 14 19 26 58 60 55; 14 13 16 24 40 57 69 56; 14 17 22 29 51 81 80 62; 18 22 37 56 68 109 103 77; 24 35 55 64 81 104 113 92；

该著作比较系统、完整的给出了一般信源的信息率失真函数及其定理证明。做音视频编码的童鞋必读。