![\"Data](\"http:\/\/clementandjohn.weebly.com\/uploads\/5\/1\/7\/0\/51709693\/4028555_orig.png\")
<\/p>\n<\/p>\n
Der Prozess der Codierung von Informationen mit weniger Bits als die urspr\u00fcngliche Darstellung<\/p>\n
![\"Data](\"https:\/\/static.javatpoint.com\/blog\/images\/lossless-lossy-data-compression.png\")
<\/p>\n
In der Informatik und Informationstheorie ist die Datenkomprimierung oder Quellcodierung der Prozess der Darstellung von Informationen mit weniger Datenbits (oder anderen informationsbezogenen Einheiten), als wenn sie nicht codiert w\u00e4ren, gem\u00e4\u00df einem spezifischen Codierungsmechanismus. Wenn wir beispielsweise \u201ecompression\u201c als \u201ecomp\u201c codieren, kann das Element mit weniger Datenbits dargestellt werden. Ein g\u00e4ngiges Beispiel ist das ZIP-Archivformat, das nicht nur eine Komprimierung bietet, sondern auch als Archivierer fungiert und viele Dateien im selben Archiv speichern kann.<\/p>\n
Wir k\u00f6nnen Datenkonsistenz (dargestellt durch Informationsentropie, Entropie), Regelm\u00e4\u00dfigkeit und Vorhersagbarkeit verwenden, um eine Datenkomprimierung zu erreichen. Die zuerst von Menschen entwickelte Komprimierungstechnologie stellt eigentlich nat\u00fcrliche Sprache dar. Allgemein gesagt, wenn eine Sache in einer relativ vereinfachten nat\u00fcrlichen Sprache beschrieben werden kann, dann wird sie solche Dinge besser komprimieren k\u00f6nnen. Je konsistenter die Daten sind, desto konzentrierter sind ihre statistischen Merkmale. Nehmen Sie als Beispiel die Bildkomprimierung, die den Zeit- und Frequenzbereich der Fourier-Transformation, das Histogramm und die Eigenwerte zentral ber\u00fccksichtigt.<\/p>\n
Eine Datenkomprimierung ist m\u00f6glich, da die meisten realen Daten statistische Redundanz aufweisen. Beispielsweise wird der Buchstabe \u201ee\u201c im Englischen h\u00e4ufiger verwendet als der Buchstabe \u201ez\u201c, und es ist sehr unwahrscheinlich, dass auf den Buchstaben \u201eq\u201c ein \u201ez\u201c folgt. Die zerst\u00f6rungsfreie Datenkomprimierung nutzt im Allgemeinen die statistische Redundanz aus, damit die Daten des Absenders pr\u00e4gnanter, aber vollst\u00e4ndiger dargestellt werden k\u00f6nnen.<\/p>\n
Das Komprimierungsverh\u00e4ltnis der zerst\u00f6rungsfreien Datenkomprimierung reicht nicht aus, um die gro\u00dfe Menge an Audio- und Videodaten zu verarbeiten, aber wenn ein gewisser Verlust an Wiedergabetreue zugelassen wird, kann eine h\u00f6here Komprimierung erreicht werden. Wenn Menschen beispielsweise Fotos oder Fernsehbilder betrachten, erkennen sie m\u00f6glicherweise nicht, dass einige Details nicht perfekt sind. In \u00e4hnlicher Weise k\u00f6nnen zwei Audioaufzeichnungs-Sample-Streams gleich klingen, aber sie sind nicht genau gleich. Die destruktive Datenkomprimierung verwendet weniger Bits, um Bilder, Video oder Audio mit akzeptablen oder nicht wahrnehmbaren Zahlen darzustellen.<\/p>\n
Es gibt jedoch h\u00e4ufig Dateien, die nicht mit destruktiver Datenkomprimierung komprimiert werden k\u00f6nnen, und tats\u00e4chlich k\u00f6nnen sie mit keinem Komprimierungsalgorithmus f\u00fcr Daten komprimiert werden, die keine erkennbaren Muster enthalten. Au\u00dferdem f\u00fchrt der Versuch, bereits komprimierte Daten zu komprimieren, h\u00e4ufig zu einer Daten\u00fcberflutung.<\/p>\n
Tats\u00e4chlich wird die destruktive Datenkomprimierung irgendwann an den Punkt gelangen, an dem sie nicht mehr funktioniert. Ein extremes Beispiel: Der Komprimierungsalgorithmus l\u00f6scht jedes Mal das letzte Byte der Datei, und nachdem dieser Algorithmus weiter komprimiert, bis die Datei leer ist, funktioniert der Komprimierungsalgorithmus nicht weiter.<\/p>\n
Die Komprimierung ist wichtig, da sie dazu beitr\u00e4gt, den Verbrauch teurer Ressourcen wie Festplattenspeicher und Verbindungsbandbreite zu reduzieren. Die Komprimierung erfordert jedoch Informationsverarbeitungsressourcen, die ebenfalls teuer sein k\u00f6nnen. Daher erfordert das Design des Datenkomprimierungsmechanismus einen Kompromiss zwischen der Komprimierungskapazit\u00e4t, dem Verzerrungsgrad, den erforderlichen Rechenressourcen und verschiedenen anderen Faktoren, die ber\u00fccksichtigt werden m\u00fcssen.<\/p>\n
Wie jede Form der Kommunikation funktioniert auch die komprimierte Datenkommunikation nur, wenn sowohl Sender als auch Empf\u00e4nger der Informationen den Verschl\u00fcsselungsmechanismus verstehen. Der Artikel macht zum Beispiel nur Sinn, wenn der Empf\u00e4nger wei\u00df, dass der Artikel in chinesischen Schriftzeichen interpretiert werden soll. Au\u00dferdem k\u00f6nnen komprimierte Daten vom Empf\u00e4nger nur verstanden werden, wenn er das Verschl\u00fcsselungsverfahren kennt.<\/p>\n","protected":false},"excerpt":{"rendered":"