相对于时间复杂度分析，哈夫曼算法的空间复杂度分析要简单得多。在本文给出的示例程序中，仅在main()程序中为算法分配了空间，其他函数中都是通过参数指针传入，并没有实际分配内存空间，因此，只需分析main()函数中分配的空间即可。在main()函数中，为要编码的符号分配了n+1个空间，其中，第一个空间未使用，可用于改进程序是考虑作为边界标志以进一步提高程序效率。同样，另外分配的数组也都未使用第一个元素空间。为哈夫曼树分配的空间为2n个。因此，总的而言，算法对内存空间的需求很小。这表明，哈夫曼算法不是计算密集型的算法，几乎可以在当前流行的任何计算平台上实现。
本文中的示例程序为了保持思路的严谨和结构的清晰，采用了多个函数来实现哈夫曼编码方案，很显然，在函数调用的过程中会存在一定的效率损失。因为本文的目的在于阐述哈夫曼编码的实现思路，因此选择了效率上的轻微损失来换取程序上的易理解性。在实际的工程应用中，应该尽可能的将编码算法写在一个函数中，减少函数调用造成的损失。同时还应该尽可能地进一步减少算法所占用的内存空间。同时，对于不同的具体应用，还应该有针对性地对算法进行优化。
在本文附录的参考文献中，刘金岭、刘国香对图像压缩中常用的Huffman编码进行了讨论，给出了在多种Huffman编码中寻找平均偏离方差最小的一种编码方法[16]；韩俊英，韩虎提出的改进Huffman算法,首先保证了WPL最小，其次使得Huffan编码的长度趋于均匀,从而在信息的传输与辨识过程中减少了出错机率[17]；高长铎提出的均衡Huffman树的构造算法与普通Huffman树造算法不同,均衡Huffman树构造算法不是每次将任意两个最小权重的结点合并成一个内部结点,而是每次将两个最小权重并且最小高度的结点合成并成一个内部结点，

目录
第一章 绪论 5
1.1 本课题研究的内容 5
1.2 本课题研究的意义 5
1.3 本文的主要工作和安排 5
第二章 信息论概述 6
2.1 信息的定义、性质与分类 6
2.2 信息论历史回顾 8
2.3 自信息量和条件自信息量 9
2.4 互信息量和条件互信息量 10
2.5 通信熵 12
2.6 小结 14
第三章 信源编码 15
3.1 信源的定义 15
3.2 信源的分类 15
3.3 离散信源的熵 16
3.4 离散信源的冗余度 17
3.5 离散信源编码 18
3.5.1 离散信源编码的目的和模型 18
3.5.2 离散信源编码的编码效率 20
3.5.3 最佳编码 20
3.5.4 信源编码定理 22
3.5.5 香农第一编码定理 22
3.5.6 最佳编码方法 23
3.6 小结 25
第四章 哈夫曼编码的实现 26
4.1 算法简介 26
4.1.1 哈夫曼树（最优二叉树） 26
4.1.2 哈夫曼编码 28
4.2 应用领域 29
4.3 在信源编码中的实现 29
4.4 实验结果分析 32
4.5 算法复杂度分析 33
4.6 改进思路 34
4.7 小结 35
第五章 总结 36
5.1 结论 36
5.2 优点和不足 36
参考文献 37
致谢 39