Zadanie

    Naprogramuj nástroj na kompresiu a dekompresiu.

    Na kompresiu použite aspoň dva kompresné algoritmy, napr. : Huffmanovo kódovanie, LZ77, LZ78, Run Length kódovanie alebo iný. Môžete vymyslieť aj vlastný algoritmus.

    Maximálne hodnotenie za riešenie obsahujúce iba algoritmus RLE je 30 percent.

    Kompresor a dekompresor by mal byť schopný pracovať s ľubovoľným binárnym súborom do 10 MB. Súbor by mal byť po skomprimovaní menší minimálne o 10 percent a po dekomprimovaní by mal byť zhodný s pôvodným súborom. Pri práci s binárnymi súbormi môžete využiť funkcie fopen(), fread() a fwrite().

    Na otestovanie kompresora a dekompresora použite súbory z Canterbury corpus.

    Riešenie nesmie využívať inú ako štandardnú knižnicu. Riešenie sa môže inšpirovať voľne dostupným cudzím riešením za predpokladu, že uvediete zdroj, ste podrobne oboznámený so zdrojovým kódom a viete odpovedať na otázky týkajúce sa kódu. Vaše riešenie nemôže kopírovať cudzie riešenie. V prípade, že použijete generatívny model, napíšte ktorý a napíšte aj prompt ktorý ste použili.

    Program by mal mať takéto rozhranie pri spustení z príkazového riadka:

        # skomprimuje infile do súboru outfile
        ./compressor -c infile outfile
        # dekomprimuje súbor compressed a zapíše do súboru uncompressed.
        ./compressor -d compressed uncompressed
        # vypíše pomoc
        ./compressor -h

Opis funkčnosti

    Program vykonáva kompresiu a dekompresiu súborov pomocou dvoch algoritmov:

    Huffmanovo kódovanie (implementované v compress_1 a decompress_1).

    LZ77 (implementované v compress_2 a decompress_2).

    Pri kompresii sa vstupný súbor analyzuje a prevádza do skomprimovaného formátu, ktorý zaberá menej miesta. Pri dekompresii sa súbor obnovuje do pôvodnej podoby.

    Program podporuje prácu s ľubovoľnými binárnymi súbormi do veľkosti 10 MB.

Opis riešenia

    Huffmanovo kódovanie:

        Vstupný súbor sa analyzuje a vytvorí sa frekvenčná tabuľka znakov.

        Na základe tejto tabuľky sa zostaví Huffmanov strom.

    Každému znaku sa priradí binárny kód, ktorý je následne použitý na zápis skomprimovaných dát.

    LZ77:

        Algoritmus používa sliding window techniku na hľadanie opakujúcich sa reťazcov v dátach.

        Zápis pozostáva z trojíc (offset, length, next_symbol), ktoré umožňujú rekonštrukciu pôvodného súboru.

    Spracovanie binárnych súborov:

        Na čítanie a zápis sa používajú funkcie fopen(), fread(), fwrite().

        Dáta sa spracovávajú v pamäťových bufferoch.

Podmienky spustenia :

    Súbor musí byť menší ako 10 MB.

    Program pracuje iba s binárnymi a textovými súbormi.

    Súbor musí byť dostupný a čitateľný (program kontroluje chyby pri otváraní súborov).

Zoznam použitých zdrojov

    Canterbury corpus - Súbory použité na testovanie: https://corpus.canterbury.ac.nz/

    Dokumentácia k Huffmanovmu kódovaniu: https://en.wikipedia.org/wiki/Huffman_coding

    Dokumentácia k LZ77: https://en.wikipedia.org/wiki/LZ77_and_LZ78