数据压缩原理与应用 DPCM编码

一.实验原理

1.预测编码

本次实验采用的是DPCM编码，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。
预测编码是利用信源相邻符号之间的相关性进行编码的一种编码过程，一般的图像前后像素都会存在一定的关联性，而且前后像素的差值（预测误差）将小于原像素的值，所以仅仅存储预测误差将会大大降低数据率。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，最后对这一误差值进行编码。如果模型足够好，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。


在框图中可以看出，pn是对xn的预测值，而dn即为预测误差，上图第二幅图是预测误差的yuv显示。

2.量化

量化是一种有失真的压缩。

一般量化器可视为

而设计一个量化器，需
①：决定量化区间数，设区间数为M
②：确定判决电平，
③：量化器的输出（每个量化区间的索引号）；
④：量化区间的索引码字；
⑤：重建电平
量化器的设计是码率与失真之间的折中，为了降低编码的比特数。
量化分为两种，一为均匀量化，二为非均匀量化。
均匀量化为每个量化区间的大小相同，除了最外面两个区间趋近于无穷。有均匀分布Midrise（中升型），和非均匀分布Midtread（中平型）。

非均匀量化，对给定的M，为了减小MSE，我们应该在概率较大时缩小量化区间，而在较小时增大量化区间。比如Lloyd-Max标量量化器，是很常规的非均匀量化。

门限（判决）电平应取在相邻量化输出电平的中点。量化电平（重建电平）应取在量化间隔的质心上。

3.设计DPCM系统

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。
DCPM算法中将当前像素与前一个像素进行相减，差值即为预测误差，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。
假定均值为0，误差信号的方差比原信号的方差小。和实际信号的分布相比，预测误差是关于0的高尖峰。因此，预测误差总是具有比原始密度更小的熵。这意味着预测的过程是把样值间的大部分冗余（统计冗余）去掉。

---

二.实验流程