一種基于XML的圖像高效存儲方法

郝 偉

XML(Extensible Markup Language)即可擴展標記語言，它與HTML一樣，都是SGML(Standard Generalized Markup Language,標準通用標記語言)，即使用標記對內(nèi)容進行區(qū)分。由于Xml是Internet環(huán)境中跨平臺的，依賴于內(nèi)容的技術(shù)，是當前處理結(jié)構(gòu)化文檔信息的有力工具[1]。

由于XML使用了大量的標記符，所以使用XML會占用更多的空間，但由于XML極其簡單易于掌握和使用，加上現(xiàn)在硬件技術(shù)和軟件水平的不斷發(fā)揮，所以XML已經(jīng)廣泛應(yīng)用于數(shù)據(jù)庫技術(shù)和網(wǎng)絡(luò)傳輸中[2]。

1 問題

圖形和圖片在Internet中，是最常見到的文件格式，圖片都是使用二進制進行存儲，所以如果在基于文本的XML文件中傳輸?shù)脑?，就很可能是破壞XML的內(nèi)容。如，在二進制數(shù)據(jù)中，如果正好包含 “<>”這樣的標記，原XML文件的內(nèi)容就很可能會被破壞，接收端就無法正確的解析XML數(shù)據(jù)，從而造成數(shù)據(jù)傳輸?shù)氖?，所以一般圖片都是與文本分開傳輸?shù)摹Ｈ欢鴶?shù)據(jù)分開傳輸雖然能解決問題，但是傳輸?shù)慕y(tǒng)一性就會被破壞，而且存儲也需要在不同的空間完成，對于一些有一定安全性要求的場合就會不太適用。

筆者在之前的文章中已經(jīng)提出了一種算法《一種基于XML的圖像存儲方法》，已經(jīng)初步解決了這個問題，但是所使用的方法沒有充分考慮效率，平均每一個碼元會增加大量的冗余數(shù)據(jù)，所以當前的問題是進一步提高轉(zhuǎn)換效率，從而適應(yīng)提高傳輸效率。

2 分析

現(xiàn)在各類壓縮和加密算法很多，但是全都是基于二進制的，即都是取字節(jié)0-255的所有段來進行的，這些段時，除了包括數(shù)字，大小寫字母，標點符號這些可見元素，還包括一些非可見的控件符，如回車，退格，表格等，同時還有一定幾率包括一些XML的關(guān)鍵字和XML標記的左右括號等，所以使用XML進行傳輸可能會出現(xiàn)一定的問題。因此現(xiàn)有的加密算法不能解決這個問題[3]。

解決這個問題最關(guān)鍵的就是將圖片中的所有二進制轉(zhuǎn)換為可識別的二進制，即可以使用ASCII正常表示的，可以選用的包括大小寫字母和數(shù)字。

在《一種基于XML的圖像存儲方法》一文中，所提出的方法是使用的是2個字節(jié)表示一個二進制碼的辦法，從而使一個字節(jié)變成了2個字符的表示方式，而在長度上，其容量增加了一倍。如果在大量的數(shù)據(jù)傳輸，那么增加的一倍會降低傳輸效率，同時也會導(dǎo)致數(shù)據(jù)傳輸時間的加長[4]。

因此，本方提出了一種新方法，減少轉(zhuǎn)換后的數(shù)據(jù)量，從而增加傳輸效率。由于二進制中可顯示的碼元有限，常見的只有48-59，65-90，97-122這62的可用碼元。要表示一個字節(jié)的二進制完全是不夠的。

由于3個可見碼元空間是62*62*62 = 238328>65536=256*256，所以可以采取用3個可見碼元表示2個二進制數(shù)據(jù)的方法，從而減少了冗余數(shù)據(jù)量。

另外，由于52個碼元的效果和62的碼元的效果在減少碼元長度上并沒有區(qū)別，因為3個52進制編碼所表示的范圍是：52*52*52=140608>65536，即三個52進制的碼元是可以完全包括4位16進制編碼三元的，所以從簡化的角度出發(fā)，只使用大小寫字母的52個碼元，不再使用數(shù)數(shù)字。當然，如果仍然使用數(shù)據(jù)除了計算上略有影響，與只使用字母沒有任何區(qū)別。

3 算法設(shè)計與實現(xiàn)

將圖片文件中的數(shù)據(jù)的每個字節(jié)轉(zhuǎn)換成可識別的ASCII碼，本方法將2字節(jié)二進制數(shù)據(jù)轉(zhuǎn)換為3的52進制編碼，計算方法如下：

1)設(shè)2字節(jié)的二進制編碼為B1 B2，那么可以計算出其對應(yīng)的十進制編碼

D10 =B1*256+B2。 (D表示10進制編碼，B1表示原碼高位，B2表示原碼低位)

2)將十進制轉(zhuǎn)換為52進制，轉(zhuǎn)換方法采取余的方式，轉(zhuǎn)換后會有三位52進制碼，轉(zhuǎn)換公式如下：

bl = D10 % 52(bl表示低位)

bm = (D10 / 52) % 52 (bm表示中間位)

bh = (D10 / 52) / 52(bh表示高位)

3)將52進制轉(zhuǎn)換為對應(yīng)的大小寫字母，轉(zhuǎn)換方法如下：

C = C + 65 C∈[0, 25]

C + 97 - 26 C∈[26, 51]

4)將交換好的值，用對應(yīng)的ASCII碼表示。

即0-65535對應(yīng)三位的大小寫字母，如00 00對應(yīng)AAA，F(xiàn)F FF 對應(yīng)XLO。根據(jù)以上原理編，下面筆者使用程序語言進行編程，以對設(shè)計結(jié)果進行驗證(以下代碼均以C#代碼為例)。

3.1 編碼：將數(shù)據(jù)轉(zhuǎn)換為編碼后的字符串

二進制的數(shù)據(jù)是以字節(jié)數(shù)據(jù)的進行讀取過來，然后傳遞到程序中進行數(shù)據(jù)處理，所使用的數(shù)據(jù)轉(zhuǎn)換程序如下所示。

//用于編碼的函數(shù)

public string Encode(byte[] bts)

{

//建立變長數(shù)組，用于保存數(shù)據(jù)

StringBuilder builder = new StringBuilder();

int len = bts.Length / 2;

for (int i = 0; i < len; i++)

{

int t = bts[i] * 256 + bts[i + 1];

int v0 = t % 52;

t = t / 52;

int v1 = t % 52;

t = t / 52;

int v2 = t;

builder.Append(Transfer(v0));

builder.Append(Transfer(v1));

builder.Append(Transfer(v2));

}

return builder.ToString();

}

private string Transfer(int v)

{

v = v < 26 ? v + 65 : v + 97 - 26;

return ((char)v).ToString();

}

轉(zhuǎn)換時先轉(zhuǎn)換成52進制的編碼，然后再根據(jù)0-25轉(zhuǎn)換成A-Z，26-51轉(zhuǎn)換成a-z的規(guī)則，將所有轉(zhuǎn)換好的數(shù)值轉(zhuǎn)換成字母。

3.2 解碼：將編碼后的字符串轉(zhuǎn)換為原數(shù)據(jù)

加密后的數(shù)據(jù)以字符串的形式存在，讀取后傳遞到程序中進行數(shù)據(jù)處理，所使用的數(shù)據(jù)轉(zhuǎn)換程序如下所示。

//用于解碼的函數(shù)。

public byte[] Decode(string s)

{

//建立用于保存二進制數(shù)據(jù)的數(shù)組。

byte[] bts = new byte[s.Length % 3];

int length = s.Length / 3;

//循環(huán)控制，

for (int i = 0; i < length; i++)

{

int t = Transfer1(s[i]) +

Transfer1(s[i + 1]) * 52 +

Transfer1(s[i + 2]) * 52 * 52;

bts[i] = (byte)(t / 256);

bts[i + 1] = (byte)(t % 256);

}

return bts;

}

private int Transfer1(char c)

{

int v = (int)c;

return v > 90 ? v - 97 + 32 : v - 65;

}

三位字符對應(yīng)的值為A-Z對應(yīng)0-25，a-z對應(yīng)26-51，轉(zhuǎn)換好以的三位a1,a2,a3再按照以下公式進行計算，從而還原原來的值。

計算公式為原先公式的逆運行，分為以下幾步：

1)將大小寫字母轉(zhuǎn)換成52進制的數(shù)據(jù)。

2)將52進制的數(shù)據(jù)轉(zhuǎn)換為10進制，公式為

b = a3*52*52 + a2 * 52 + a1，其中b為原值。

3)將10進制轉(zhuǎn)換為二進制

4 應(yīng)用示例

從原始的二進制的數(shù)據(jù)里可以看到，原始數(shù)據(jù)中里包含著如“<”, “>”等大量這樣的非字符碼元，這些非法碼元的存在有著很大的安全隱患，很可能會導(dǎo)致整個XML數(shù)據(jù)模塊的解析失敗，從而使原有XML文件的相關(guān)數(shù)據(jù)被二進制編碼所破壞。

現(xiàn)在采取將《一種基于XML的圖像存儲方法》一文中的方法將其轉(zhuǎn)換后，以小寫字母和數(shù)字的形式出現(xiàn)，重新編碼后的XML文件如下所示。這樣經(jīng)過編碼以后，再使用XML就不會出現(xiàn)任何問題，但是長度比較度，為原來長度的2倍。于是采取本方中的新的編碼方式，結(jié)果如下所示。

經(jīng)過編碼以后，XML的傳輸就不會出現(xiàn)任何問題，但是長度比較度，為原來長度的2倍。在采取本方中的新的編碼方式，結(jié)果如下所示。

采用新的編碼以后，碼元的長度大大減少，達到了預(yù)期的目的。

5 總結(jié)

本方提出了一種方法，將二進制的圖片轉(zhuǎn)換為可識別的字符串的，從而實現(xiàn)了在XML中傳輸圖片。同時采用新的算法，較《一種基于XML的圖像存儲方法》一文中的方法大幅提高了算法的效率，兼顧了效率，減少了存儲的容量，提高了傳輸效率。

[參 考 文 獻]

[1] 郝 偉.一種基于XML的圖像存儲方法[J].電腦技術(shù)與應(yīng)用, 2011(5).

[2] Steve Holzner. Inside XML[M].WROX PR,2000.

[3] Andrew Troelsen. Advcenced C# & .NET Program Design 4.0[M]．北京：人民郵電出版社，2010.

[4] 李家同.算法設(shè)計與分析導(dǎo)論[M].北京：機械工業(yè)出版社,2008.

[5] 呂國英．算法設(shè)計與分析(第2版)[M]. 北京：清華大學(xué)出版社,2009.