【实验四】DPCM压缩系统的实现与分析

一.实验设备

安装 Windows 和 Visual Studio 等编程平台的个人计算机。

二.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。

三.实验内容

1.实验原理

1.1 DPCM系统：

xn是输入信号，x^n是重建信号，作为预测器确定下一个信号估计值的输入信号。pn是预测语音信号，dn是预测误差信号，dn=xn-pn。DPCM系统对差值信号dn进行量化编码，用来补偿过去编码中产生的量化误差,它是一个反馈系统，采用这种结构可以避免量化误差的积累。d^n是量化后的差值信号。最后将量化后的差值信号送入编码器编码。有趣的是，该系统内嵌了一个解码器如右上图所示。

1.2 什么是PSRN？

2.具体实现

2.1 代码实现

开辟三个buffer分别用来存放原始图像数据，量化后的预测图像数据，重建图像数据。

qFile = fopen(qFileName, "wb");
	reFile = fopen(reFileName, "wb");
	qBuf = (u_int8_t*)malloc(frameWidth * frameHeight);
	reBuf = (u_int8_t*)malloc(frameWidth * frameHeight);
	yBuf = (u_int8_t*)malloc(frameWidth * frameHeight);
	fillBuf = (u_int8_t*)malloc(frameWidth * frameHeight/2);
	fread(yBuf, 1, frameWidth * frameHeight, yuvFile);

调用函数进行量化：

DPCM(frameHeight, frameWidth, yBuf, qBuf, reBuf);

void DPCM(short int height, short int width, unsigned char* yuvBuf, unsigned char* qBuf, unsigned char* reBuf)
{
    int size = width * height;

     for (int i = 0; i < size; i++) {
         if (i % width == 0) {           //判断是否是每行第一个像素

             qBuf[i] = yuvBuf[i];
             reBuf[i] = yuvBuf[i];
         }
         else {
             int dn = yuvBuf[i] - reBuf[i - 1];//    dn的范围是-255 — 255
             //8比特量化，为0-255
             dn >>= 1;//-127 - 127
             int temp = dn + 128;//0 - 255
             qBuf[i] = temp;
             reBuf[i] = qBuf[i] * 2 + reBuf[i - 1];

         }
     }
 }

在此基础上实现1比特，2比特，4比特量化：

/*
    //4比特量化
    for (int i = 0; i < size; i++) {
        if (i % width == 0) {           //判断是否是每行第一个像素
            int k = 256 / pow(2, 4);
            qBuf[i] = int(yuvBuf[i] / k);
            reBuf[i] = int(yuvBuf[i] / k);
        }
        else {
            int dn = yuvBuf[i] - reBuf[i - 1];//    dn的范围是-255 — 255
            //4比特量化
            dn >>= 5;//-7 - 7
            int temp = dn + 8;//0 - 15
            qBuf[i] = temp;
            reBuf[i] = qBuf[i] * 16 + reBuf[i - 1];

        }
    }
}


   //2比特量化
       for (int i = 0; i < size; i++) {
           if (i % width == 0) {           //判断是否是每行第一个像素
               int k = 256 / pow(2, 6);
               qBuf[i] = int(yuvBuf[i] / k);
               reBuf[i] = int(yuvBuf[i] / k);
           }
           else {
               int dn = yuvBuf[i] - reBuf[i - 1];//    dn的范围是-255 — 255
               //2比特量化
               dn >>= 7;//-1 - 1
               int temp = dn + 2;//0 - 3
               qBuf[i] = temp;
               reBuf[i] = qBuf[i] * 64 + reBuf[i - 1];

           }
       }
}

   //1比特量化
    for (int i = 0; i < size; i++) {
        if (i % width == 0) {           //判断是否是每行第一个像素
            int k = 256 / pow(2, 7);
            qBuf[i] = int(yuvBuf[i] / k);
            reBuf[i] = int(yuvBuf[i] / k);
        }
        else {
            int dn = yuvBuf[i] - reBuf[i - 1];//    dn的范围是-255 — 255
            //1比特量化
            dn >>=8;
            int temp = dn + 1;
            qBuf[i] = temp;
            reBuf[i] = qBuf[i] * 128 + reBuf[i - 1];

        }
    }
}
*/

2.2 实验结果展示：

先将选用的RGB图像转为YUV图像再进行后续实验：

	原图	预测图像	重建图像
8比特
4比特
2比特
1比特

 

从结果可以看出，8比特量化完全可以重建图像，随着量化比特数的减少，重建图像效果越来越差。

3.PSNR的计算

​​根据计算公式编写代码可求得，代码一并提交邮箱:

double thepsnr(unsigned char* buf1, unsigned char* buf2)
{

	double mse = 0;
	double div = 0;
	double psnr = 0;
	int width = 768;
	int height = 512;
	int k = width * height;
	for (int i = 0; i < k; i++)
	{
		div = buf1[i] - buf2[i];
		mse += div * div;

	}
	mse = mse / (width * height);
	psnr = 10 * log10(255 * 255 / mse);
	return psnr;
}

统计计算所得实验结果为：

图像	PSNR
1比特量化	8.708083
2比特量化	6.655150
4比特量化	7.568289
8比特量化	51.155397

4.比较编码效率

使用huffman编码器进行压缩，比较DPCM+熵编码和只用熵编码的效率：

使用matlab 绘制概率分布图：

 

原图	1比特量化	2比特量化	4比特量化	8比特量化

统计结果：

方式	压缩比
仅进行熵编码压缩比	28.125%
1比特量化+熵编码压缩比	81.076%
2比特量化+熵编码压缩比	71.875%
4比特量化+熵编码压缩比	62.326%
8比特量化+熵编码压缩比	67.708%

四.实验总结与分析

1.根据实验结果可以看出，DPCM+熵编码的压缩效率明显更好，能达到更高的压缩率，而从PSNR可知8比特量化图像效果最好，在利用DPCM进行预测编码时，空间冗余越大，压缩效率越高。

2.注意算法中的先算出量化间隔再取整是下取整，不会导致溢出。