我目前正在研究不同的压缩算法，如霍夫曼，自适应霍夫曼和Lempel Ziv算法，但我真的不明白它应该如何在随机文件上工作。
所以我知道他们在文本文件上工作，但这是他们唯一的工作吗？我可以使用Huffman来压缩音频文件或图像吗？如果是这样，我怎么知道我将用于算法的“块”的大小？
是的，你在那里提到的算法在二进制文件上都能很好地工作 - 这只是为了方便大多数论文在他们的例子中使用字符数据。
至于块大小，虽然这不是必需的，但现代通用压缩算法总是将输入视为字节流（8位值）。
请注意，尽管您原则上可以尝试使用霍夫曼压缩来压缩音频文件，但结果可能是不值得的，因为霍夫曼依赖某些符号比其他符号更频繁。像MPEGx这样的专用压缩算法通常用于音频。
霍夫曼和自适应霍夫曼是编码的例子，它利用符号概率的统计偏差将它们编码成尽可能少的比特。 （还有其他类型的编码，例如算术，范围和非对称数字系统。）
Lempel-Ziv是建模的一个例子，它采用在被压缩的特定类型数据中发现的冗余，在这种情况下是文本，并将其转换成适合编码的一系列符号。 Lempel-Ziv的工作假设是在文本中不再重复各种长度的字符串，这就是自然语言的情况。
这种假设根本不适用于音频或图像文件，其中冗余采用非常不同的形式。作为建模的一部分，对数据执行变换以按频率分离组件。对于人类消耗的音频和图像数据而言，有损压缩也是可接受的，其中数据可以根据其在频域中的位置被抽取或丢弃，以及使用其他方式来利用心理声学或心理 - 视觉有效冗余。
一旦完成那种建模，就可以应用类似的编码来将得到的符号编码成最小尺寸的比特流。
压缩包括建模，其高度依赖于要压缩的数据类型，以及在有损压缩的情况下数据的消费者，接着是编码，其将得到的信息压缩成压缩比特流。