实验四 DPCM压缩系统的实现和分析

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。

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）。
2. 对该灰度图像进行预测，计算预测误差（预测器的输入为上一个样点的重建值）。
3. 对预测误差进行8bit均匀量化。
4. 对量化后的预测误差进行反量化，求重建值。

实现过程：

1.DCPM编码：

	for(int i=0;i < frameWidth*frameHeight;i++)
	{
		if(i % frameWidth==0)
	{   
			prebuf[i]=(yBuf[i]-128)/2+128;
			
		resconbuf[i]=(prebuf[i]-128)*2+ 128;
		}
		else{
				prebuf[i]=(yBuf[i]- resconbuf[i-1])/2+128;/
				resconbuf[i]=((prebuf[i]-128)*2+resconbuf[i-1]);
	}

2.运行结果：
原始图像：

重现图像：

预测图像：

分析压缩效率

PSNR一般是用于最大值信号和背景噪音之间的一个工程项目。通常在经过影像压缩之后，输出的影像都会在某种程度与原始影像不同。为了衡量经过处理后的影像品质，我们通常会参考PSNR值来衡量某个处理程序能否令人满意。

Peak就是指8bits表示法的最大值255。MSE指MeanSquareError，I(角标n)指原始影像第n个pixel值，P(角标n)指经处理后的影像第n个pixel值。PSNR的单位为dB。所以PSNR值越大，就代表失真越少。

PNSR结果：

概率分布结果：

总结

预测误差图像的概率分布更集中，而原始图像的概率分布则更均匀。DPCM+熵编码的编码效率比仅熵编码的压缩比低。