数据压缩实验 | DPCM压缩系统的实现和分析

实验内容：

1.DPCM编解码原理
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。
2．DPCM编码系统的设计
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。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（基本要求）
。还可对预测误差进行1比特、2比特和4比特的量化设计。
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。将预测误差图像写入文件并将该文件输入Huffman编码器，得到输出码流、给出概率分布图并计算压缩比。将原始图像文件输入Huffman编码器，得到输出码流、给出概率分布图并计算压缩比。最后比较两种系统（1.DPCM+熵编码和2.仅进行熵编码）之间的编码效率（压缩比和图像质量）。压缩质量以PSNR进行计算。

代码实现

#include <iostream>
#include<fstream>
using namespace std;
int main()
{
    ifstream originalFile("down.yuv", ios::binary);
    ofstream rebuildFile("rebuild8.yuv", ios::binary);
    ofstream differenceFile("difference8.yuv", ios::binary);
    if (!originalFile)
    {
        cout << "Cannot open originalFile !" << endl;
    }
    else
    {
        cout << "originalFile opened successfully !" << endl;
    }
    if (!rebuildFile)
    {
        cout << "Cannot open rebuildFile !" << endl;
    }
    else
    {
        cout << "rebuildFile opened successfully !" << endl;
    }
    if (!differenceFile)
    {
        cout << "Cannot open differenceFile !" << endl;
    }
    else
    {
        cout << "differenceFile opened successfully !" << endl;
    }
    
    int width = 256;
    int height = 256;
    int size = width * height;
    unsigned char* yBuffer = new unsigned char[size];
    unsigned char* uvBuffer = new unsigned char[size * 2];
    originalFile.read((char*)yBuffer, size);
    originalFile.read((char*)uvBuffer, size * 2);
    
    unsigned char* previous = new unsigned char[size];
    unsigned char* rebuildDifference = new unsigned char[size];
    unsigned char* quantify = new unsigned char[size];
    
    int bit = 8;
    for (int i = 0; i < height; i++)
    {
        previous[i * width] = yBuffer[i * width];
    }
    int x = 0;
    for (int i = 0; i < height; i++)
    {
        for (int j = 0; j < width; j++)
        {
            x = yBuffer[i * width + j] - previous[i * width + j];
            if (x < 0)
                quantify[i * width + j] = 128 - (int)(abs(x) / pow(2, 9 - bit) + 0.5);
            else
                quantify[i * width + j] = 128 + (int)(abs(x) / pow(2,9-bit) + 0.5);
            previous[i * width + j + 1] = previous[i * width + j] + (quantify[i * width + j] - 128) * 2;
        }
    }
    rebuildFile.write((char*)previous, size);
    rebuildFile.write((char*)uvBuffer, size * 2);
    for (int i = 0; i < size; i++)
    {
        rebuildDifference[i] = yBuffer[i] - previous[i] + 128;
    }
    for (int i = 0; i < size * 2; i++)
    {
        uvBuffer[i] = 128;
    }
    differenceFile.write((char*)rebuildDifference, size);
    differenceFile.write((char*)uvBuffer, size * 2);
    
    //信号噪声比计算
    double PNSR = 0;
    double mse = 0;
    for (int i = 0; i < height; i++)
    {
        for (int j = 0; j < width; j++)
            mse += pow((yBuffer[i * width + j] - previous[i * width + j]), 2);
    }
    mse = mse / (width * height);
    PNSR = 10 * log10(pow((pow(2, 8) - 1), 2) / mse);
    cout << bit << "bit quantify PSNR = " << PNSR << "\n";
    
    delete[]yBuffer;
    delete[]uvBuffer;
    delete[]previous;
    delete[]rebuildDifference;
    delete[]quantify;
    originalFile.close();
    rebuildFile.close();
    differenceFile.close();
    return 0;
}

输出结果：重建图像以及预测误差图像
8bit

4bit

2bit

1bit

信号噪声比计算：
信噪比越高，图像质量越好；量化比越高的图像质量越好。

预测误差概率分布：

两种系统之间的比较（8bit）