[数据压缩作业] 实验四

实验名称：DPCM压缩系统的实现和分析

文章目录

• 实验目的
• 一、实验内容  
• 二、实验步骤
  • 1.DPCM
  • 2.PSNR
  • 3.实验结果分析
  • 4.Huffman编码
  • 5.预测误差图像概率分布
• 总结

---

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。

---

一、实验内容

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，需要注意的是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 

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

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。预测器采用左侧预测。量化器采用8比特均匀量化。本实验的目标是验证DPCM编码的编码效率。

首先读取一个256级的灰度图像，采用自己设定的预测方法计算预测误差，并对预测误差进行8比特均匀量化

在DPCM编码器实现的过程中可同时输出预测误差图像和重建图像。

将预测误差图像写入文件并将该文件输入Huffman编码器，得到输出码流、给出概率分布图并计算压缩比。

将原始图像文件输入Huffman编码器，得到输出码流、给出概率分布图并计算压缩比。

最后比较两种系统（1.DPCM+熵编码和2.仅进行熵编码）之间的编码效率（压缩比和图像质量）。压缩质量以PSNR进行计算。

3.PSNR峰值信噪比

计算量化误差时需要计算其均方误差MSE。若图像大小为m×n，I与K分别为原始图像和重建噪声图像，则其均方误差计算公式为：

 峰值信噪比（单位为dB）的计算公式为：

 其中表示图像点颜色的最大数值，如果每个样点用8位表示=255

图像高度m-1 图像宽度 n-1

 PSNR是最普遍和使用最为广泛的一种图像客观评价指标，然而它是基于对应像素点间的误差，即基于误差敏感的图像质量评价。由于并未考虑到人眼的视觉特性（人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个区域的感知结果会受到其周围邻近区域的影响等），因而经常出现评价结果与人的主观感觉不一致的情况。

• PSNR40dB说明图像质量极好（即非常接近原始图像）
• 30PSNR40dB通常表示图像质量是好的（即失真可以察觉但可以接受）
• 20PSNR30dB说明图像质量差
• PSNR20dB图像质量已无法接受 

4. Huffman编码

Huffman是一种无失真信源编码算法，主要目的是根据使用频率来最大化节省字符（编码）的存储空间，编码后可以得到即时的最佳码。

5. 编码效率与压缩量分析

压缩量依据PSNR分析
编码效率（压缩比和图像质量）
压缩比计算公式：
（1）原图像大小/DPCM+熵编码生成的预测误差图像大小
（2）原图像大小/仅进行熵编码生成的预测误差图像大小