Golomb-Code

Der Code arbeitet mit der Idee, die darzustellende Zahl ${\displaystyle n}$  durch einen Quotienten ${\displaystyle q}$  und den Rest ${\displaystyle r}$  bei einer Division mit einem Parameter ${\displaystyle b}$  zu ersetzen.

Die Zahl ${\displaystyle n}$  mit ${\displaystyle n\geq 0}$  wird durch

${\displaystyle q=\left\lfloor {\frac {n}{b}}\right\rfloor }$ 

und

${\displaystyle r=n-qb\,}$ 

beschrieben. Zur besseren Beschreibung wird noch die Zahl

${\displaystyle c=\left\lceil \log _{2}b\right\rceil }$ 

benötigt. Als erstes wird q + 1 unär ausgegeben, d. h., es werden ${\displaystyle q}$  „1“-Bits gefolgt von einer „0“ abgelegt.

Der Rest wird dann in einer „abgeschnittenen binären Darstellung“ (Truncated-Binary-Encoding) genannten Codierung abgelegt. Diese Darstellung legt einen Teil der Werte, falls möglich, mit ${\displaystyle c-1}$  Bits und den anderen Teil mit ${\displaystyle c}$  Bits ab. Die Anzahl der Werte, die mit ${\displaystyle c-1}$  Bits abgelegt werden können, ist ${\displaystyle 2^{c}-b}$ .

Die Darstellung der Zahl 10 mit einem Parameter 4:

${\displaystyle q=\left\lfloor {\frac {10}{4}}\right\rfloor =2}$ 

${\displaystyle r=10-2\cdot 4=2}$ 

${\displaystyle c=\left\lceil \log _{2}4\right\rceil =2}$ 

Abhängig von ${\displaystyle c}$  wird die Codierung vervollständigt:

• falls ${\displaystyle r}$  < ${\displaystyle 2^{c}-b}$  ist, wird ${\displaystyle r}$  als Binärcode mit der Länge ${\displaystyle c-1}$  geschrieben.
• falls ${\displaystyle r}$  ≥ ${\displaystyle 2^{c}-b}$  ist, wird ${\displaystyle r+2^{c}-b}$  als Binärcode mit der Länge ${\displaystyle c}$  geschrieben.

Daraus resultiert die Bitfolge 110 10. Das Leerzeichen zeigt den Übergang vom Quotienten zum Rest.

Ein paar weitere Beispiele:

 

Der Golomb-Code kann angewendet werden, wenn Zahlen unbekannter Größe abgespeichert werden sollen, doch das eigentliche Anwendungsgebiet liegt in der Datenkompression.

Wenn die Wahrscheinlichkeiten der Zahlen eine bestimmte Verteilung (geometrische Verteilung) aufweisen, dann kann der Golomb-Code ähnlich effizient wie der Huffman-Code sein, ist dabei aber sparsamer mit Speicher, leichter zu implementieren und schneller in der Ausführung.

Der Rice-Code ist eine Variante des Golomb-Codes, bei dem der Parameter ${\displaystyle b}$  eine Potenz von 2 ist. Diese Codes lassen sich sehr einfach mit Bitshiften und logischen Bitoperationen umsetzen.

Angenommen, es gilt ${\displaystyle b=2^{p}}$ . Dann ist

${\displaystyle q=n\gg p}$ 

und

${\displaystyle r=n\land (b-1)}$ 

Das Symbol ${\displaystyle \gg }$  steht dabei für bitweises Verschieben nach rechts und ${\displaystyle \land }$  für bitweise Und-Verknüpfung. ${\displaystyle r}$  wird dabei immer mit genau ${\displaystyle p}$  Bits und normal binär dargestellt.

Der exponentielle Golomb-Code ist eine weitere Variante des Rice-Codes und gleichzeitig identisch zum Elias-γ-Code, würde dort ${\displaystyle n+1}$  statt ${\displaystyle n}$  kodiert.

${\displaystyle p}$  wird für jede Zahl genau als ${\displaystyle p=\left\lceil \log _{2}(n+1)\right\rceil }$  gewählt, was der „natürlichen“ Bitbreite von ${\displaystyle n+1}$  entspricht. Dann wird die unäre Codierung von ${\displaystyle q}$  nicht mit „1“-Bits gefolgt von „0“, sondern mit „0“-Bits gefolgt von „1“ umgesetzt. Da die binär gespeicherte Zahl ${\displaystyle r}$  immer an höchster Stelle eine „1“ aufweist, muss diese höchste „1“ nicht doppelt gespeichert werden. Die Enkodierung und Dekodierung vereinfachen sich somit zu folgenden Schritten:

• Zum Kodieren von ${\displaystyle n}$ : Schreibe ${\displaystyle p}$  viele „0“-Bits, danach schreibe ${\displaystyle n+1}$  mit der natürlichen Anzahl Bits.
• Zum Dekodieren von ${\displaystyle n}$ : Lese „0“-Bits bis einschließlich des ersten „1“-Bits, und lese so viele darauffolgende Bits, wie zuvor „0“-Bits gelesen wurden. Das Ergebnis ist dieser hintere Teil der kodierten Zahl minus 1.

Es zeigt sich, dass eine separate Speicherung von ${\displaystyle p}$  nicht notwendig ist, da es selbst Teil der kodierten Zahl ist.

Die Kodierung kann mithilfe des Konzepts der Ordnung ${\displaystyle k}$  verallgemeinert werden. Das obige Schema entspricht der Ordnung ${\displaystyle k=0}$ . Bei höheren Ordnungen geschieht eine Aufteilung der Zahl ${\displaystyle n}$  (nicht ${\displaystyle n+1}$ !) in Quotient ${\displaystyle q}$  und Rest ${\displaystyle r}$  ähnlich zum normalen Rice-Code. Der Dividend ist nun ${\displaystyle 2^{k}}$ , d. h. ${\displaystyle q=n\gg k}$  und ${\displaystyle r=n\land (k-1)}$ . Bildlich gesprochen werden die Bits der Zahl in den (festen) unteren Teil ${\displaystyle r}$ , der immer ${\displaystyle k}$  Bits hat, und den (variablen) Teil ${\displaystyle q}$  aufgeteilt.

Für die finale Kodierung wird ${\displaystyle q}$  im gewöhnlichen exponentiellen Golomb-Code kodiert, d. h. Ordnung 0 wie oben, und ${\displaystyle r}$  wird mit ${\displaystyle k}$  Bits (die laut Definition immer ausreichen) an das so kodierte ${\displaystyle q}$  angehängt. Eine kodierte Zahl umfasst also drei Teile, hier dargestellt anhand ${\displaystyle k=5}$  und der kodierten Zahl 489:

${\displaystyle 489\longmapsto {\underset {{\text{Bittiefe von }}q{\text{ unär}}}{\underbrace {0000} }}{\underset {q}{\underbrace {10000} }}\quad {\underset {r}{\underbrace {01001} }}}$ 

Der Vorteil dieser Kodierung besteht darin, dass der benötigte Speicherplatz für große Zahlen weniger als die beim Rice-Code benötigten ${\displaystyle 2\left\lceil \log _{2}n+1\right\rceil }$  („doppelt so viele Bits wie die Zahl selbst hat“) beträgt.

Der Parameter ${\displaystyle k}$  muss separat gewählt und gespeichert werden. Bei großen Datensätzen eignet sich häufig nicht ein ${\displaystyle k}$  für alle Daten, daher gibt es verschiedene Verfahren, ein variables ${\displaystyle k}$  zu wählen. Als einfachen Ansatz verwendet FLAC die Möglichkeit, mehrere Blöcke variabler Größe mit einem jeweils eigenen ${\displaystyle k}$  zu kodieren. Der Melcode-Algorithmus und seine Varianten passen ${\displaystyle k}$  automatisch anhand eines einfachen Algorithmus an, welcher symmetrisch auf Enkodier- und Dekodierseite angewandt wird und ohne explizite Speicherung von ${\displaystyle k}$  auskommt.^[4][5]

Rice-Code und allgemeiner exponentieller Golomb-Code können zwar 0, aber keine negativen Zahlen kodieren. Dies wird durch eine der Zickzackkodierungen möglich gemacht, welche die negativen auf die positiven Zahlen abbilden, aber die Eigenschaften der Entropiekodierung erhalten; d. h. betragsmäßig kleine Zahlen werden weiterhin auf kleine Zahlen abgebildet. Konkret bildet man eine Hälfte der ganzen Zahlen auf die geraden natürlichen Zahlen ab und die andere Hälfte auf die ungeraden natürlichen Zahlen:

${\displaystyle n={\begin{cases}2x&{\text{ falls }}x\geq 0\\-2x-1&{\text{ falls }}x<0\end{cases}}\quad {\text{(FLAC)}}\quad \quad n={\begin{cases}-2x&{\text{ falls }}x\leq 0\\2x-1&{\text{ falls }}x>0\end{cases}}\quad {\text{(H.264)}}}$ 

Danach folgt normale Rice-Kodierung oder exponentielle Golomb-Kodierung. In der Praxis lassen sich sowohl De- als auch Enkodierung dieses Formats durch Benutzung von Bitmasken und Shifts beschleunigen.

1. ↑ Solomon W. Golomb: Run-Length Encodings. In: IEEE Transactions on Information Theory IT-12 (3). 1966, S. 399–401, abgerufen am 19. April 2013. 
2. ↑ Robert F. Rice, J. Plaunt: Adaptive Variable-Length Coding for Efficient Compression of Spacecraft Television Data. Hrsg.: IEEE Transactions on Communication Technology. Band 19, Nr. 6. California Institute of Technology, Pasadena 1971, S. 889–897, doi:10.1109/TCOM.1971.1090789. 
3. ↑ van Beurden & Weaver: Free Lossless Audio Codec: 5.4. Residual Coding. In: Internet-Draft. Internet Engineering Task Force, 11. Oktober 2022, abgerufen am 18. Oktober 2022 (englisch). 
4. ↑ Walter D. Leon-Salas, Sina Balkir, Khalid Sayood, Nathan Schemm, Michael W. Hoffman: A CMOS Imager With Focal Plane Compression Using Predictive Coding. In: IEEE Journal of Solid-State Circuits. Band 42, Nr. 11, November 2007, ISSN 0018-9200, S. 2555–2572, doi:10.1109/JSSC.2007.907191 (ieee.org [abgerufen am 16. August 2023]). 
5. ↑ M.J. Weinberger, G. Seroussi, G. Sapiro: The LOCO-I lossless image compression algorithm: principles and standardization into JPEG-LS. In: IEEE Transactions on Image Processing. Band 9, Nr. 8, August 2000, S. 1309–1324, doi:10.1109/83.855427 (ieee.org [abgerufen am 16. August 2023]).