【数据压缩作业6】DPCM压缩系统的实现和分析

本文主要介绍了DPCM(Differential Pulse Code Modulation)编码系统的实现和分析,通过C/C++/Python编程实现DPCM编码器,探讨了预测器和量化器的设计,并利用固定预测器和均匀量化器进行实验。实验结果显示,DPCM编码结合熵编码相比仅使用熵编码能显著提高图像压缩比,且重建图像质量良好。
摘要由CSDN通过智能技术生成

一、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。

二、实验原理

如图所示:

左图编码器,右图解码器。图中显示,在编码器里内嵌一个反馈机制(解码器),是为了避免用原始样本做预测,否则会得到误差很大的重建值。

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。

在本次实验中,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。

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。

PSNR

PSNR(Peak Signal to Noise Ratio&#x

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值