【实验四】DPCM 压缩系统的实现和分析

最新推荐文章于 2022-06-20 14:35:57 发布

Arrebol_

最新推荐文章于 2022-06-20 14:35:57 发布

阅读量236

点赞数

分类专栏：数据压缩文章标签：算法 c++

本文链接：https://blog.csdn.net/Arrebol_/article/details/124579272

版权

数据压缩专栏收录该内容

3 篇文章 0 订阅

订阅专栏

1.Lena.yuv 原始图片大小为96KB，分辨率为256*256

2.Birds.yuv 原始图像大小为576KB,分辨率为768*512

3.结果分析

一、实验目的

掌握DPCM编解码系统的基本原理。初步掌握实验用C/C++/Python等语言编程实现DPCM编码器，并分析其压缩效率。

二、实验原理

1.DPCM编解码原理

DPCM是差分预测编码调制的缩写，是比较典型的预测编码系统。在DPCM系统中，预测器的输入是已经解码以后的样本。之所以不用原始样本来做预测，是因为在解码端无法得到原始样本，只能得到存在误差的样本。因此，在DPCM编码器中实际内嵌了一个解码器，如编码器中虚线框中所示。

在一个DPCM系统中，有两个因素需要设计：预测器和量化器。理想情况下，预测器和量化器应进行联合优化。实际中，采用一种次优的设计方法：分别进行线性预测器和量化器的优化设计。

次优化方法的解释：在这种方法中，前提条件是量化电平数必须足够大，在该条件下，重建样本和原始样本近似相等，可以将量化器与预测器分开设计，使它们各自最优，从而达到整体最优。

2.DPCM编码系统的设计

在本次实验中，采用固定预测器和均匀量化器。预测器采用左方预测。对预测误差分别进行8bit、4bit、2bit均匀量化。在DPCM编码器实现的过程中同时输出预测误差图像和重建图像，将原始图像和预测误差图像输入Huffman编码器得到输出码流、给出概率分布并计算压缩比。最后比较两种系统之间的编码效率。

三、实验步骤

1.将bmp文件转换为yuv文件作为输入

2.根据给定的量化比特数进行量化和预测

3.输出预测误差图像和重建图像

4.计算PSNR

5.对原始图像和预测误差图像进行Huffman编码

6.根据输出码流画概率分布图、计算压缩比

四、代码实现

/***
* ori_buf:原始图像
* pred_buf:预测误差图像
* rec_buf:重建图像
* n:量化比特数
*/
void quantify(unsigned char* ori_buf, unsigned char* pred_buf, unsigned char* rec_buf,int n) {
    int count = 0;
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            count = i * width + j;
            if (count == i * width) {//第一列 参考值为128
                pred_buf[count] = (ori_buf[count] - 128) / pow(2, (9 - n)) + 128;
                rec_buf[count] = (pred_buf[count] - 128) * pow(2, (9 - n)) + 128;
            }
            else {//量化后上抬128便于观察  重建值=反量化后的误差+上一个重建值
                pred_buf[count] = (ori_buf[count] - rec_buf[count - 1]) / pow(2, (9 - n)) + 128;
                rec_buf[count] = (pred_buf[count] - 128) * pow(2, (9 - n)) + rec_buf[count - 1];
            }
        }
    }
}