Datenkompression und Dateiformate

Warum sind diese Formate aber Platzverschwendung?

Dazu muss man sich den Aufbau genauer ansehen. Alle diese Dateiformate lassen einen gewissen Spielraum für Abstufungen / weitere Inhalte, die sich nur minimal von den anderen unterscheiden bzw ein breites Spektrum anbieten. So können Bitmap-Grafiken bis zu 64 Millionen Farben pro Pixel (Bildpunkt), Text bis zu 65.536 verschiedene Zeichen und Sounddatein Töne in jedem Frequenzbereich ohne Einschränkung abspeichern. Wie sieht das aber nun in einer Datei aus? Schauen wir es uns an einer Bilddatei an. Die Farbinformationen erhält man nur wenn man die Datei im Hexadezimalcode darstellt. Anstatt Hexadezimalcode könnte man auch Binärcode verwenden, da dieser aber unübersichtlicher ist und wesentlich mehr Platz zur Darstellung benötigt verwende ich den Hexadezimalcode. Diesen Code kann man sich mit dem kleinen Tool fxEdit (siehe Internet-Links) anzeigen lassen, welches ich auch für meine Screenshots verwende.

Wer eine langsame Internetverbindung hat oder der Schulserver gerade mal ein wenig überlastet war, der wird gemerkt haben, dass das rein blaue Bild sehr lange zum Laden benötigt hat. Immerhin ist dieses Bild mit der geringen Auflösung von 400* 300 Pixel 300 kb groß. Schaut man sich den Aufbau an erkennt man, dass für jedes Pixel 3 Byte verwendet werden (diese BMP ist auf 16 mio Farben eingerichtet), obwohl immer wieder der gleiche Inhalt da ist. Dieser 3-Byte-Code ist schon sehr alt und heißt RGB-Code. es lassen sich alle Farben aus den 3 Farben rot, grün und blau zusammensetzen. in diesem Beispiel sind rot und grün auf 00 gesetzt und blau auf das Maximum von FF (meist 255 - ist das gleiche) gesetzt. Man erhält ein reines blau.

Ein weiteres Beispiel für eine Bitmap-Grafik, bei der aber die fehlende Kompression nicht so stark ins Gewicht fällt:

Da hier sehr viele verschiedene Farben verwendet werden sind die bestimmten RGB-Kombinationen seltener vertreten und immerhin bis zu 75000 der 16 mio möglichen Farben verwendet. Es lässt sich aber immer noch eine Möglichkeit erkennen diese Datei zu komprimieren - so sieht man auf dem Screenshot noch sehr häufig die Kombination 00.

Die älteste computertechnische Komprimierung - das RLE - die Lauflängenkodierung (Run Length Encoding)

Dieses Verfahren wird heute nur noch sehr selten eingesetzt, maximal noch durch Kompressionsprogramme wie WinZip oder WinRAR wenn es sich anbietet. RLE ist denkbar einfach: Man nimmt sich eine Zeichenkette die besonders häufig hintereinander auftaucht und kodiert diese durch 1. die Zeichenkette, 2. die Anzahl der Zeichenketten hintereinander und ein Byte woran man erkennt, dass die Zahl zu 2. zu Ende ist.

Am einfachsten kann man sich das an einem Männchen vorstellen, dass man durch die Gegend wandern lassen soll. Robot Karol bietet eine gute Möglichkeit das Nachzuvollziehen. Man kann das Männchen 10 Schritte nach vorn gehen lassen indem man ihm 10 mal hintereinander den Befehl "schritt vorwärts" gibt (in Screenshot 1 wird nach jedem Schritt eine Marke gesetzt um den Schritt darzustellen) bzw. man sagt ihm gehe 10 mal hintereinander eine schritt nach vorn (und, um es zu verdeutlichen, setze eine Marke), wie in Screenshot 2 erkennbar ist. So funktioniert RLE.

An unserem Beispiel des blauen Bildes würde das sehr gut funktionieren (Dateiinformationen wie Header und Signatur bleiben natürlich wie sie sind): Die Datei besteht aus 400*300, also 120.000 Bildpunkten - in Hexadezimal wären das 1D4C0. Definieren wir AA als Endbyte für die Anzahl, so könnte unsere Datei wiefolgt aufgebaut sein: 00 00 FF 01 D4 C0 AA. Dies ist schon wesentlich kürzer als die originalen 300 Kilobyte. Ich wiederhole nocheinmal: der Dateiheader mit Informationen zu Auflösung und Farbtiefe des Bildes kommt natürlich noch dazu, ebenso wie die Dateisignatur am Ende.

RLE wurde viel eingesetzt als nur monochrome Bilder möglich waren. Heute hat diese Kompression aber weitestgehend an Bedeutung verloren, da die Farbtiefe und Detailreichtum von Bildern eine so starke Wiederholung einfach nicht mehr zulässt. Texte sind sowieso schwer per RLE zu komprimieren, da selten sehr oft der gleiche Buchstabe hintereinander auftaucht.

Wörterbücher - Bäume - wovon bitte redet der hier? Begriffe rund um die Kodierung

Kodierung & Komprimierung - wo ist da jetzt der Unterschied? Komprimierung heißt etwas verdichten, d.h. die gleiche Menge von etwas nimmt nach der Kompression (=Komprimierung) weniger Platz / Raum / Volumen ein. In der Informatik realisiert man das, indem man die zu komprimierenden Daten kodiert. Kodieren hat hier weniger etwas mit verschlüsseln zu tun, sondern eher mit umwandeln. Nartürlich sind kodierte Daten schwerer lesbar als die originalen, da aber die Verfahren in der Datenkompression allgemein bekannt sind zählt diese Art der Kodierung nicht zu den Verschlüsselungen.

Für alle Kodierungen und Komprimierungen benötigt man ein Wörterbuch. Dieses variiert für jede Kodierung. Dafür gibt es grundsätzlch 3 Möglichkeiten. Zum einen kann es einmal bei der Kodierung erzeugt werden und mit abgespeichert und beim Zurückübersetzen ausgewertet werden. Die andere Möglcihkeit ist die Generierung des Wörterbuchs sowohl beim Speichern als auch beim Öffnen der Datei. Die letzte Variante wird sehr selten verwendet, da sie nicht Eingabewort-spezifisch sondern allgemein ist. Gemeint ist ein Standard-Wörterbuch, dass immer verwendet wird und auf jedem System als Grundlage vorhanden sein muss. Ein praktisches Beispiel für ein solches System ist der Morse-Code.
Wenn solche Wörtbücher übertragen werden müssen dann speichert man sie meist nach Codes sortiert, da dann das auffinden sich erleichtert.