数据压缩_作业八_DPCM编码

一、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 （本实验采用的时左侧编码） 。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，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 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。

二、实现方法

1、基本思路

• 读取一个yuv文件，提取其中的Y、U、V分量（本实验主要对Y分量进行编码），计算Y分量的概率分布；
• 将Y分量进行DPCM变换，期间得出误差图像和重建图像并输出，DPCM编码后传输的时误差图像，计算误差图像各分量的概率分布，与原始图像进行对比；
• 将原始图像和误差图像分别输入Huffman编码器，计算压缩比；
• 计算psnr，作为判断压缩质量的标准；
• 分别比较原始图像和不同量化比特下的误差图像的压缩比、压缩质量（psnr），观察概率分布，得出实验结论。

2、具体问题及其主要模块

1、量化

• 在DPCM编码过程中要实现量化和反量化这两个过程，不同的量化比特数会产生不同的压缩效果（量化比特数越小，压缩比越大，压缩质量越差）；
• 本实验中对误差值（也就是最后传输的数据）进行量化后输出，同时对其进行反量化，将复原后（但与原数值已存在偏差）某点的数值与该点左侧的重建值相加，得该点重建值；
• 具体方法是先将范围在[-255,255]的原数值映射到[0,255]的区间上，再根据不同的量化比特数将数值量化到 $[0,2^{bit}-1]$上，最后进行归一化，将数值映射到各自的量化级上，最后数值范围仍为[0，255]；
• 实现方法如下：

//量化
int Quantify(int temp, int bit)
{
   
 temp = (temp + 255) / 2;
 temp = floor(temp / pow(2, 8 - bit));
 temp = temp * pow(2, 8 - bit);
 if (temp > 255)
  temp = 255;
 if (temp < 0)
  temp = 0;
 return temp;
}

//反量化
int Re_Quantify(int temp)
{
   
 temp = temp * 2 - 255;
 return temp;
}

2、DPCM编码

• 本次实验采用左侧编码的方法，先将原图像第一列的值赋给重建图像第一列，第一列误差值都赋为0，从第二列开始，将该点原图数值与左侧重建值相减后进行量化，得到要传输的误差值，再进行反量化，将恢复后的误差值再与左侧重建值相加，得该点重建值；
• 具体实现过程如下：

unsigned char * DpcmCoder(unsigned char buffer[], int bit)
{
   
 int temp;
 unsigned char pre[w*h] = {
    0 }, d[w*h] = {
    0 }, Q_d[w*h] = {
    0 };
 for (int line = 0; line < h; line++)
  {
     
  pre[line*w] = buffer[line*w];
  Q_d[line*w] = Quantify(0, bit);

  for (int i = 1; i < w; i++)
  {
   
   temp = buffer[i + line * w] - pre[i + line * w - 1];
   //temp = d[i + line * w];//原始差值
   temp = Quantify(temp, bit);//对差值量化
   Q_d[i + line * w] = temp;
   temp = Re_Quantify(temp);//反量化
   temp = pre[i + line * w - 1] + temp;
    if (temp > 255)
    temp = 255;
   if (temp < 0)
    temp = 0;
   //防止溢出
   pre[i + line * w] = temp;
  }
 } 
 //以下部分为差值图像和重建图像两组数据返回主函数的工作
 unsigned char ret[w*h * 2] = {
    0 };
 for (int i = 0; i < w*h ; i++)
 {
   
  ret[i] = Q_d[i];
 }