目录
实验目的
掌握DPCM编解码系统的基本原理。初步掌握实验用C/C++/Python等语言编程实现DPCM编码器,并分析其压缩效率。
实验原理
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。
实验流程
- 采用固定预测器和均匀量化器
- 预测器采用左侧、上方预测
- 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;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。
相关代码
#include <stdio.h>
#include <stdlib.h>
#include <sys/malloc.h>
#include <math.h>
int main(int argc, char** argv)
{
unsigned width = 256;
unsigned height = 256;
char *image = NULL;
char *newimage = NULL;
char *preimage = NULL;
FILE* image256 = NULL;
FILE* image1 = NULL;
FILE* image2 = NULL;
image = argv[1];
newimage = argv[2];
preimage= argv[3];
image256 = fopen(image, "rb");
image1 = fopen(newimage, "wb");
image2 = fopen(preimage, "wb");
unsigned char* yuvbuf = NULL;
unsigned char* ubuf = NULL;
unsigned char* vbuf = NULL;
unsigned char * prebuf = NULL;
unsigned char* newbuf = NULL;
yuvbuf = (unsigned char*)malloc(width * height);
ubuf = (unsigned char*)malloc(width * height / 4);
vbuf = (unsigned char*)malloc(width * height / 4);
prebuf = (unsigned char*)malloc(width * height);
newbuf = (unsigned char*)malloc(width * height);
float* ppbuf = NULL;
ppbuf = (float*)malloc(width * height * 4);
unsigned char* abuf =NULL;
abuf = (unsigned char*)malloc(width * height * 4);
fread(yuvbuf, 1, width * height * 1, image256);
for (int i = 0; i < height; i++) {
for (int j = 0; j < width; j++) {
if (j == 0) {
prebuf[i * width + j] = 0;
newbuf[i * width + j] = yuvbuf[i * width + j];
ppbuf[i * width + j] = 0;
}
else {
ppbuf[(i * width + j)] = float(yuvbuf[i * width + j]) - float(newbuf[i * width + j - 1]);
if (ppbuf[ (i * width + j)] >= 0) {
prebuf[i * width + j] = floor(ppbuf[(i * width + j)] + 0.5);
newbuf[i * width + j] = newbuf[i * width + j - 1] + prebuf[i * width + j] * 1;
}
else {
prebuf[i * width + j] = floor(fabs(float(ppbuf[i * width + j]) + 0.5));
newbuf[i * width + j] = newbuf[i * width + j - 1] - prebuf[i * width + j] * 1;
}
}
}
}
for (int i = 0; i < width*height / 4; i++) {
ubuf[i] = 128;
vbuf[i] = 128;
}
fwrite(newbuf, 1, width * height, image1);
fwrite(ubuf, 1, width * height / 4, image1);
fwrite(vbuf, 1, width * height / 4, image1);
for (int i = 0; i < width*height ; i++) {
abuf[i] = (unsigned char)(ppbuf[i]) + 128;
}
int sum=0;
for (int i = 0; i < height; i++) {
for (int j = 0; j < width; j++) {
sum += abs(prebuf[i * width + j]);
}
}
float MSE = float(sum) / float(width*height);
float PSNR = 10 * log10(65025 / MSE);
printf("PSNR=%f", PSNR);
fwrite(abuf, 1, width*height, image2);
fwrite(ubuf, 1, width * height / 4, image2);
fwrite(vbuf, 1, width * height / 4, image2);
free(yuvbuf);
free(ubuf);
free(vbuf);
free(prebuf);
free(newbuf);
fclose(image1);
fclose(image256);
fclose(image2);
return 0;
实验结果
原图Lena
预测误差图像
重建的图像
输出txt文件
计算压缩比
文件 | 处理方式 | 文件大小(KB) | 编码后文件大小(KB) | 压缩比 |
---|---|---|---|---|
Lena | 仅熵编码 | 96 | 69 | 0.72 |
Lena | DPCM+熵编码 | 96 | 43 | 0.45 |
计算PSNR的值