檢視无损的原始碼

{| class="wikitable" align="right"
|-
| style="background: #FF2400" align= center|  '''<big>无损</big>'''
|-
|<center><img src=http://pic.baike.soso.com/p/20100423/bki-20100423145554-884477888.jpg width="300"></center>
<small>[https://baike.sogou.com/v8918772.htm 来自 网络网 的图片]</small>
|}

'''<big>无损<big>'''  即无损数据[[压缩]](Lossless Compression)指数据经过压缩后，[[信息]]不受损失，还能完全恢复到压缩前的[[原样]]。"无损"一词是相对于[[有损]]数据压缩，有损数据压缩只允许一个近似原始数据进行[[重建]]，以[[换取]]更好的[[压缩率]]。

==基本信息==

中文名
无损 <ref>[https://baike.so.com/doc/9865859-10212893.html 混凝土静力无损切割]</ref>

外文名
Lossless Compression
 
别称
无损数据压缩

释义
数据经过压缩后，信息不受损失

==简介==

无损数据压缩(Lossless Compression)指数据经过压缩后，信息不受损失，还能完全恢复到压缩前的原样。"无损"一词是相对于有损数据压缩，有损数据压缩只允许一个近似原始数据进行重建，以换取更好的压缩率。

无损压缩通常用于严格要求"经过压缩、解压缩的数据必须与原始数据一致"的场合。典型的例子包括文字文件、程序可执行文件、程序源代码。有些图片文件格式，例如PNG和GIF，使用的是无损压缩。其他例如TIFF、MNG则可以采用无损或有损压缩。无损音频格式最常用于归档或制作用途。有损音频格式则常用于便携式播放器或存储空间受限制的设备，或不要求音频完全还原的情况。

==无损压缩技术==

多数的无损压缩程序会依序进行这两个步骤:

产生输入数据的统计模型
利用这个统计模型将较常出现的数据用较短的比特序列表示，较不常出现的数据用较长的比特序列表示
生成比特序列的编码算法主要有霍夫曼编码(也用于DEFLATE)和算术编码。算术编码能使压缩率接近信息熵所给出的最佳可能压缩率。而霍夫曼编码较简单快速，但在符号的出现机率接近1的时候效果不彰。

有两种建构统计模型的主要方法:

在静态模型中，会分析数据并创建一个模型，然后将这个模型存储在压缩数据中。这个方法较简单且模块化，但缺点是模型本身可能耗费庞大的空间来存储。而且这个方法对单次的全部压缩数据都使用同一个统计模型，所以如果各个文件之间差异甚大，压缩效果并不好。
在自适应模型中，压缩数据的同时模型会不断的更新。虽然会导致压缩初期的压缩率不理想，但随着读取的数据增加，压缩效果也会提升。目前最热门的压缩方法都采用自适应编码方法。

==常见的无损压缩格式==

参见:无损压缩算法

'''通用格式'''

变动长度编码法(RLE) – 一个非常简单的方法，在数据连续重复的情况下有不错的压缩率
LZ77与LZ78、LZW– 用于GIF和多种应用
LZF– 基本的LZ压缩法(deflate)，对于快速压缩有做最优化(Lempel-Ziv Fast)
DEFLATE– 用于gzip、ZIP(从2.0版开始)，也是PNG、点对点协议(PPP)、HTTP、SSH的一部分
bzip2– 使用Burrows-Wheeler变换，速度较DEFLATE慢但压缩率更高
LZMA– 用于7zip、xz等程序，相较于bzip2有更好的压缩率和更快的速度
LZO– 专为高速压缩/解压缩设计的方法，代价是压缩率较差
Statistical Lempel Ziv– 结合统计方法和字典方法，相较于只采用单一方法有更好的压缩率
Brotli– 一个现代的基于LZ的压缩方法，速度大约与DEFLATE一样快，但拥有与LZMA相近的压缩率
  
==參考來源== 

{{Reflist}}  

[[Category:揭密生活]]