一、实验原理
DPCM是差分预测编码调制技术,采用预测编码的方式传输信号。预测编码是根据过去的信号样值来预测下一个信号样值,并仅对预测值与现实样值的差值进行量化,编码后进行数字信号传输。DPCM是采用固定预测器与固定量化器的差值脉冲调制。以下是DPCM编码的发送端与接收端:
s(n)是输入语音信号,sr(n)是重建语音信号,作为预测器确定下一个信号估计值的输入信号。sp(n)是预测语音信号,d(n)是预测误差信号,也称为差值信号。dq(n)是量化后的差值信号,I(n)是dq(n)的代码。
当前样本的重建值=当前样本的反量化误差+当前样本的预测值(即前一样本的重建值)
DPCM的核心思想是负反馈,采用这种结构可以避免量化误差的累积。所以编解码端预测器的输入都是重建值。在DPCM编码器中实际内嵌了一个解码器。
二、实验步骤
本次实验是在实验二(BMP2YUV)8bit量化的基础上,增加一个for循环即可。
①读取一个灰度图像文件,对亮度信号Y的左侧像素做预测。
②开辟三个Buffer,分别存放原始Y(yBuffer)、重建后的样本(pBuffer)和量化后的预测误差(eBuffer)。
③将量化后的误差信号输送给huffman编码器进行编码。
三、相关代码
for (i = 0; i < Height; i++)
{
for (j = 0; j < Width; j++)
{
if (j == 0)
{
*eBuffer = ((*yBuffer - 128)/ 2 + 128);
//将第一列的预测值设为128,则预测误差范围为-255到+255。对其进行8bit量化,除以2并下取整,量化后误差范围变为-127-127,而预测误差范围应为0-255,所以要加上128
*pBuffer = 128 + (*eBuffer - 128) * 2;
//将量化后的误差进行反量化,再加上预测值,得到对应像素的重建值
eBuffer++;
yBuffer++;
pBuffer++;
}
else
{
*eBuffer = (*yBuffer - *(pBuffer - 1)) / 2 + 128;
//上一轮的重建值作为下一像素的预测值,进行新一轮的预测编码
*pBuffer = *(yBuffer - 1) + (*eBuffer - 128) * 2;
//当前重建信号为反量化后的差值信号与上一个重建信号的和
eBuffer++;
yBuffer++;
pBuffer++;
}
}
}
四、实验结果
左图为原始图像,中间为重建图像,右边为差值图像。
分别对以上三幅图做误差图像的概率分布,如下所示:
五、实验结论
1、重建图像和原始图像从肉眼看区别不大,量化误差的概率分布集中在中间(大约128处)。
2、对以上三幅图进行huffman编码和DPCM编码的比较:
图片 | 原图像大小 | 原图像huffman | 原图像压缩比 | 预测误差+huffman | 现图像压缩比 |
---|---|---|---|---|---|
1 | 64 | 53 | 1.2075 | 31 | 2.0645 |
2 | 64 | 13 | 4.9231 | 9 | 7.1111 |
3 | 64 | 61 | 1.0491 | 33 | 1.9394 |
结合概率分布图,可以看出预测误差图像概率分布更加集中,压缩比也更大,所以编码效率更高。