实验（四）DPCM编码的实现和分析

最新推荐文章于 2022-06-12 16:16:04 发布
最新推荐文章于 2022-06-12 16:16:04 发布
阅读量2.4k 收藏 11
点赞数
分类专栏： Experiment 文章标签： c++ 信息压缩
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43175007/article/details/105934036
版权
本文介绍了DPCM编码原理及其实现过程，通过对比不同量化位数下的图像重建质量和PSNR值，展示了DPCM在去除空间冗余信息、提高编码效率方面的作用。同时，文章还探讨了熵编码对压缩比的影响。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

DPCM编码原理简介

DPCM全称差分脉冲编码调制（Differential Pulse Code Modulation），是一种利用相邻像素的相关性去除空间冗余信息达到压缩目的的算法。

在这里插入图片描述

其中xn为输入信号，Q为量化器，dn=pn+xn为预测误差，P为延时器。

本实验采用前向预测，即每个像素左边的像素，大致算法如下：

以8bit图像为例，收到的灰度取值为[0，255]，与前一个像素作差和得到误差范围为[-255,255]。

需要将其范围转变为计算机可以表示的范围，先转变为单极性，即加上255，范围变为[0,510]。

8bit量化时，对其除以2（9-1）=2，510/2=255<28。

同理，4bit量化时，除以2（9-4）=32，510/32=15.94<24。

2bit量化时，除以2（9-2）=128，510\128=3.99<22。

重建图像时，即将预测值和误差值相加即可（编程时要注意误差计算时取值范围的变化）。

DPCM编码实验结果

对256*256的8bit灰度yuv（4:2:0)图像进行DPCM量化编码，并对原题和误差图像进行概率分布统计。
实验代码和结果如下：
其中针对第一列的误差值设为128.

#include<iostream>
#include<stdio.h>
#include<stdlib.h>
#include<malloc.h>
#include<math.h>
#include<stdint.h>
using namespace std;
void dpcm(unsigned char *yBuf, unsigned char *qBuf, unsigned char *reBuf, int w, int h, int depth)
{	
	int r = pow(2, (double)(9 - depth));
	for (int i = 0; i < h; i++)
		for(int j = 0; j < w; j++)
		{
			if (j == 0)//第一列
			{
				qBuf[i * w] = ((yBuf[i * w] - 128) + 255) / pow(2, (double)(9 - depth)) ;
				reBuf[i * w] = qBuf[i * w] * pow(2, (double)(9 - depth)) + 255 - 128;
			}
			else
			{
				qBuf[i * w + j] = ((yBuf[i * w + j] - reBuf[i * w + j - 1]) + 255) / pow(2, (double)(9 - depth));
				reBuf[i * w + j] = qBuf[i * w + j] * pow(2, (double)(9 - depth)) - 255 + reBuf[i * w + j - 1];
			}
			if (qBuf[i * w + j] > 255)
				qBuf[i * w + j] = 255;
			if (qBuf[i * w + j] < 0)
				qBuf[i * w + j] = 0;
			if (reBuf[i * w + j] > 255)
				reBuf[i * w + j] = 255;
			if (reBuf[i * w + j] < 0)
				reBuf[i * w + j] = 0;
		}
}


int main(void)
{
	int bits_depth = 2;
	unsigned char *yBuf, *uBuf, *vBuf;
	int w = 256, h = 256;
	yBuf =  (unsigned char*)malloc(sizeof(unsigned char) * (w * h));
	uBuf =  (unsigned char*)malloc(sizeof(unsigned char) * (w * h / 4));
	vBuf =  (unsigned char*)malloc(sizeof(unsigned char) * (w * h / 4));
	FILE* src = NULL;
	src = fopen("E:\\大三下\\数据压缩\\实验四\\Lena.yuv","rb");
	if (src == NULL)
	{
		printf("error opening source file!\n");
		system("pause");
		exit(-1);
	}
	fread(yBuf, sizeof(unsigned char), w * h, src);
	fread(uBuf, sizeof(unsigned char), w * h / 4, src);
	fread(vBuf, sizeof(unsigned char), w * h / 4, src);
	fclose(src);
	unsigned char *qBuf, *reBuf;
	qBuf =  (unsigned char*)malloc(sizeof(unsigned char) * (w * h));
	reBuf =  (unsigned char*)malloc(sizeof(unsigned char) * (w * h));


	dpcm(yBuf, qBuf, reBuf, w,  h, bits_depth);


	FILE* obj1 = NULL;
	FILE* obj2 = NULL;
	obj1 = fopen("E:\\大三下\\数据压缩\\实验四\\q_Lena(2bit).yuv","wb");
	obj2 = fopen("E:\\大三下\\数据压缩\\实验四\\re_Lena(2bit).yuv","wb");
	if (obj1 == NULL || obj2 == NULL)
	{
		printf("error opening objective file!\n");
		system("pause");
		exit(-1);
	}
	fwrite(qBuf, sizeof(unsigned char), w * h, obj1);
	fwrite(uBuf, sizeof(unsigned char), w * h / 4, obj1);
	fwrite(vBuf, sizeof(unsigned char), w * h / 4, obj1);
	fwrite(reBuf, sizeof(unsigned char), w * h, obj2);
	fwrite(uBuf, sizeof(unsigned char), w * h / 4, obj2);
	fwrite(vBuf, sizeof(unsigned char), w * h / 4, obj2);
	fclose(obj1);
	fclose(obj2);


	//计算分布概率
	double fre_q[256] = {0};
	double fre_org[256] = {0};
	for (int i = 0; i < 256; i++)
	{
	    int count_q = 0, count_org = 0;
		for (int j = 0; j < w * h; j++)
		{
			if ((int)qBuf[j] == i)
				count_q ++;
			if ((int)yBuf[j] == i)
				count_org ++;
		}
		fre_q[i] = (double)count_q / w / h;
		fre_org[i] = (double)count_org / w / h;
	}
	char s[] = "symbol\tfrequency\n";
	FILE* data_q = fopen("E:\\大三下\\数据压缩\\实验四\\q_Lena(2bit).txt","w");
	FILE* data_org = fopen("E:\\大三下\\数据压缩\\实验四\\org_Lena.txt","w");
	if (data_q == NULL || data_org == NULL)
	{
		printf("error opening txt file!\n");
		system("pause");
		exit(-1);
	}
	fprintf(data_org, s);	
	fprintf(data_q, s);
	for (int i = 0;i < 256; i++)
	{
		fprintf(data_q,"%d\t%f\n",i, fre_q[i]);
		fprintf(data_org,"%d\t%f\n",i, fre_org[i]);
	}
	fclose(data_q);
	fclose(data_org);

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
其他图象略。
可以看出，8bit量化可以较好的重建图像。误差图像的灰度大多集中再128附近。因为误差0归一化为128.

评价重建图像：PSNR

PSNR，即Peak Signal to Noise Ratio，峰值信噪比，是一种评价图像的客观标准。其数学公式为：
P S N R = 10 ∗ lg ⁡ ( M A X 2 M S E ） PSNR=10*\lg(\frac{MAX^2}{MSE}） PSNR=10∗lg(MSEMAX2​）

其中：MAX指最大值，在8bit灰度图中即等于255.

MSE指均方误差Mean Square Error
M S E = ∑ i = 0 M ∑ j = 0 N ( f ( i , j ) − f ′ ( i , j ) ) 2 M N MSE=\frac{\sum_{i=0}^{M}{\sum_{j=0}^{N}{(f(i,j)-f'(i,j))^2}}}{MN} MSE=MN∑i=0M​∑j=0N​(f(i,j)−f′(i,j))2​
具体到本实验中，f(x,y)和f’(x,y)即原图像和重建图像，MN即为图像的宽和高。

一般来说，PSNR值在20-40，越大还原质量越好。PSNR只是客观指标，与人眼主观特性有差别。

通过不同bit量化（8，4，2）的重建图像和PSNR如下：

要实现PSNR功能，可添加如下代码：

//计算PSNR
	int max = 255;
	double mse = 0;
	for (int i = 0; i < h; i++)
		for (int j = 0; j < w; j++)
		{
			mse += (yBuf[i * w + j] - reBuf[i * w + j]) * (yBuf[i * w + j] - reBuf[i * w + j]);
		}
	mse = (double)mse / (double)(w * h);
	double psnr = 10 * log10((double)(max * max) / mse);
	cout << "PSNR = " << psnr;
	system("pause");

所得实验结果如下，以Lena和photographer为例：
在这里插入图片描述

量化比特数8421
Lena.yuv51.122714.84827.663447.60348
photographer.yuv27.07569.915537.194897.05763

可以看出，8bit量化可以较好地还原原始8bit图像，但4bit量化开始就损失了很多信息，图像出现明显失真，已经无法成功较好地重建图像。PSNR也说明图像质量很低，比特数越低越明显。

编码效率

本实验比较了两种系统的编码效率：

  1. 仅使用了熵编码
  2. DPCM后进行熵编码

本实验熵编码使用地是Huffman编码，工具为老师提供的可执行文件huffcode.exe，具体cmd输入参数为：

huffcode -i test.yuv -o test.huff -c>test.txt

对量化误差图像进行压缩。

最后通过压缩比比较两者效率，结果如下：

图像名称压缩前（yuv）(kB)压缩后（huff）(kB)压缩比（%）
Lena(without DPCM)9672.275.2
Lena(8bit)9646.148.02
Lena(4bit)962526.04
Lena(2bit)9623.324.27
photographer(without DPCM)9672.175.1
photographer(8bit)9641.743.44
photographer(4bit)9628.830.0
photographer(2bit)9625.726.77

可以看出，经过DPCM后再熵编码的压缩质量明显高于不进行DPCM的图像。

此外，为了维持图像质量，还得使用8bit量化的DPCM量化编码，不能贸然使用更低位数的DPCM，可能会导致重要图像信息的丢失。

DPCM编码
lr__by的博客
05-14 7785
一.实验原理 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，如下图编码器中虚线框中所示。 2.均匀量化 除最外两个区间趋于无穷外，均匀量化的量化区间大小
实验8.1DPCM编码的实现和分析
远离起点的博客
04-22 754
文章目录实验目的实验原理DPCM编解码原理DPCM编码系统的设计实验要求实验步骤 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，只将前1个抽样值当预测值，再取代当前抽样值和预测值之差进行编码并进行传输。 原理方框图中，xnx_nxn​为当前抽样值，pnp_npn​为预测值，dnd_ndn​为当前值与预测值的差值，d
实验四—— ：DPCM 压缩系统的实现和分析
weixin_48462510的博客
05-03 727
文章目录DPCMB编解码原理PSNR实验目的实验要求实验过程结果分析： DPCMB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.
DPCM压缩系统的原理及实现
weixin_45442965的博客
05-10 1537
DPCM 压缩系统 原理介绍 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。 代码实现 编写代码实现量化比
差分脉冲编码调制算法研究 ： 用Matlab实现DPCM算法
06-12
本文件详细介绍了如何利用Matlab环境来实现DPCM算法，包括编码和解码过程，并通过实验分析了其性能。 DPCM的核心思想是通过对原始信号的差分进行量化，而不是直接量化原始信号本身。它基于预测模型，预测下一个样本...
[数据压缩]实验四 DPCM编码
alexgcz的博客
06-12 265
三、DPCM编码系统设计 具体步骤： 四：主要函数实现和量化效率分析 附具体分析 预测误差（8，4，2bit下）原图和重建图像（8，4，2bit下） 预测误差和其分布概率（原始图像） （8bit) (4bit)......
DPCM 压缩系统的实现和分析 数据压缩实验4
05-14
在本实验中，我们将深入探讨数字预测差分脉冲编码调制（DPCM）这一数据压缩技术，并通过C语言实现DPCM编码器来理解和分析其压缩效率。DPCM是一种常用的预测编码方法，常用于音频和图像数据的压缩，它利用了信号的...
数据压缩实验四：DPCM 压缩系统的实现和分析
weixin_46723979的博客
06-08 418
2.量化与反量化 3.DPCM 4.PSNR 峰值信噪比 利用PSNR的值对图像质量进行评判： PSNR高于40dB说明图像质量极好，即非常接近原始图像； PSNR在30~40dB通常表示图像质量是好的，即失真可以察觉但是可以接受； PSNR在20~30dB说明图像质量差； PSNR低于20dB的图像通常不可以被接受。 5.概率计算器 6.主函数 四、实验结果分析 1.设置命令行参数 图片从左到右分别是原图、预测误差图、重建图①lena PSNR=51.1338②
MATLAB实现DPCM编码
08-08
采用MAYLAB 实现基本的预测编码DPCM 可以直接读取图像数据
DPCM编码压缩
06-12
根据DPCM原理对图像进行编码处理，实现压缩
DPCM的基本原理,DPCM就是通过预测和差分编码方式来减少冗余,实现数据压缩的目的
04-15
DPCM的基本原理 任何信号,不论语音或图像,采用直接采样-量化-编码的方式进行编码,都会发现码组之间具有很强的相关性。由于相关性的存在,传输数据中存在大量不需要传输的信息,称为冗余。 DPCM就是通过预测和差分编码方式来减少冗余,实现数据压缩的目的。
DPCM编码算法实现
m0_51642395的博客
05-26 461
DPCM编码算法原理 DPCM全称差分脉冲编码调制（Differential Pulse Code Modulation），是一种利用相邻像素的相关性去除空间冗余信息达到压缩目的的算法。 DPCM编码实验 void dpcm(unsigned char *yBuf, unsigned char *qBuf, unsigned char *reBuf, int w, int h, int depth) { int r = pow(2, (double)(9 - depth)); for (int i
DPCM 压缩系统的实现和分析
csy201710413030的博客
05-10 287
【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。 DPCM for(int i=0;i&
【实验】DPCM 压缩系统的实现和分析
weixin_43878172的博客
04-22 339
目录实验目的实验内容1.DPCM编解码原理2.DPCM编码系统的设计实验结果代码 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
实验四 DPCM 压缩系统的实现和分析
Mr_Starlna的博客
05-09 212
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 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，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。 可以由一个具体例子来进行解释说明。 三.实验所需结果 在DPCM编码器实现的过
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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