实验四 DPCM压缩系统的实现和分析

本文详细介绍了DPCM编码原理,包括预测器和量化器的设计,并通过实验展示了DPCM编码的过程,分析了压缩效率,以PSNR值评估了图像质量。实验中采用固定预测器和8比特均匀量化,观察了预测误差图像和重建图像,结果显示DPCM编码能有效减少量化误差累积。
摘要由CSDN通过智能技术生成

DPCM编码原理:

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,如编码器中虚线框中所示。
在这里插入图片描述
为防止量化误差累积,采用上一个样点的重建值对当前样点进行预测,故编码器中应内嵌一个解码器(如虚线所示),需要在编码端获得解码重建值。

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。

DPCM编码系统设计:

在本次实验中,我们采用固定预测器和均匀量化器。预测器采用左侧、上方预测均可。2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。

具体内容:
本实验代码只需在实验二BMPtoYUV基础上加上少量代码实现DPCM编码即可。

  1. 写入BMP文件,转化为YUV文件,提取Y部分(256级的灰度图像)。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值