【数据压缩】DPCM 压缩系统的实现和分析

最新推荐文章于 2022-07-17 18:44:53 发布

caidejun

最新推荐文章于 2022-07-17 18:44:53 发布

阅读量775

点赞数 1

本文链接：https://blog.csdn.net/caidejun/article/details/71480181

版权

本文探讨了预测编码的基本原理，重点介绍了DPCM（差分预测编码调制）系统。通过利用信源相邻符号的相关性，DPCM通过预测和误差编码实现数据压缩。在实验中，采用固定预测器和均匀量化器，分析了DPCM编码器和解码器的工作流程，并在不同类型的图像上进行了应用，展示DPCM对空间冗余较大图像的高效压缩能力。实验结果显示，DPCM结合熵编码（如Huffman编码），在高空间冗余图像上能获得更好的压缩效果。

摘要由CSDN通过智能技术生成

一.实验原理

1.预测编码的基本原理

由于信源的相邻符号通常是相关的，利用信源相邻之间的相关性。根据某一模型利用以往的样本值对新样本进行预测，然后将样本的实际值与其预测值相减得到一个误差值，最后对这个误差值进行编码。
如果这个模型足够好，且样本序列在时间上相关性较强，则误差信号的幅度将远远小于原始信号，从而得到较大的数据压缩。

2.DPCM

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中，需要注意的是预测器输入的是预测器的输入是已经编码的样本。因为在解码端，同样无法得到原始样本，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：预测器与量化器。理想情况下，预测器和量化器应该联合设计。但在实际中，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。下图则为DPCM编码端与解码端的图示：
dpcm图示
在本次实验中，采用的是固定预测器和均匀量化器。预测器采用的是左侧量化，对于图像中处于最左侧的一列像素，前面没有像素可以预测，则用预测灰度值的平均值128进行量化。

二.代码分析

    int limit(int x)
    {
        if(x>255) return 255;
        if(x<0) return 0;
        return x;
    }

    ......
    qn = (int *)malloc(Info_header.biWidth*Info_header.biHeight*sizeof(int));
    q = (unsigned char *)malloc(Info_header.biWidth*Info_header.biHeight);
    rebuild = (unsigned char *)malloc(Info_header.biWidth*Info_header.biHeight);
    int scale = 512 / (1 << Qbits);

    for (int i = 0; i < Info_header.biHeight; i++)
    {
            qn[i*Info_header.biWidth ] = y_buf[i*Info_header.biWidth ] - 128;           
            qn[i*Info_header.biWidth ] = qn[i*Info_header.biWidth ] +1/ scale;
            rebuild[i*Info_header.biWidth + j] = limit(qn[i*Info_header.biWidth &#