Range Coder编码比特流

本文简述如何实际应用Range Coder编码比特流

上文中介绍过，Range Coder编码需要预先设定编码符号各自的概率，即全体符号的概率分布。二进制比特流由符号0和符号1构成，作为整体而言，自然是有一个固定的概率分布，以该分布对其进行编码是完全可行的。但是，这种方法编码很难达到理想的压缩效果，原因和解决方法如下：

首先，在实际应用中，待编码比特流往往有着复杂的内部逻辑结构，往往由若干概率分布不同的子比特流嵌合而成————即在同一个子比特流内部，相邻的比特倾向于呈现相同的概率分布，而不同的子比特流的概率分布则可能完全不同。上文提到过，编码时使用的概率分布和实际概率分布越相近，压缩效率就越高；反之就越低。使用整体概率分布对二进制流进行编码时，整体概率可能跟各个同分布子比特流的概率分布都有出入，因此压缩性能可能不尽理想。因此优化的第一步是分析出每个嵌合在待编码比特流中的子流，编码时对每个子流进行独立的Range Coding。

举一个例子：
需要编码如下整数：

2 5 3 1 0

可以将它们写成指数哥伦布编码的形式，即

2: 011
5: 00110
3: 00100
1: 010
0: 1

一共17比特，其中0占10个，概率分布为(10/17, 7/17) 约等于 (0.588, 0.412)
然后，通过观察将该比特流分成两个子比特流：指数（前缀），偏移量（后缀），分别是：
前缀：

01 001 001 01 1

后缀（解码时先解前缀，根据前缀来解码后缀，0没有后缀比特）：

1 10 00 0

它们各自的概率分布：
前缀：

(6/11, 5/11) 约等于 (0.545, 0.455)

后缀：

<