数据压缩实验四——DPCM压缩与分析
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。
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( 基本要求)。
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。
三、实验步骤:
实现代码如下:
#include<stdio.h>
#include<stdlib.h>
#include<malloc.h>
#include<math.h>
#include<iostream>
using namespace std;
double PSNR( unsigned char* standard, unsigned char* image,int height,int width,int bitNum )
{
double psnr = 0, MSE = 0;
for( int i = 0; i < height * width; i++ )
{
MSE += 1ll* (image[i] - standard[i]) * (image[i] - standard[i]);
}
MSE /= height * width;
long long t = 1 << bitNum; t -= 1; t *= t;
psnr = 10 * log10( t / MSE);
return psnr;
}
void GetFrequency( unsigned char* buffer, double* frequency,int height,int width )
{
int length = height * width;
for( int i = 0; i < length; i++ ) frequency[buffer[i]] ++;
for( int i = 0; i < 256; i++ ) frequency[i] /= length;
}
int main(int argc,char** argv)
{
char *yuvfilename=NULL;
char *re_y_filename=NULL;
char *err_filename=NULL;
FILE* yuvfile=NULL;
FILE* re_y_file=NULL;
FILE* err_file=NULL;
int width,height;
yuvfilename=argv[1];
re_y_filename=argv[2];
err_filename=argv[3];
width=atoi(argv[4]);
height=atoi(argv[5]);
unsigned char* u_buffer=NULL;
unsigned char* v_buffer=NULL;
unsigned char* y_buffer=NULL;//原始图像
unsigned char* re_y_buffer=NULL;//重建值
unsigned char* err_buffer=NULL;//预测误差
yuvfile=fopen(yuvfilename,"rb");
y_buffer=(unsigned char*)malloc(width*height);
u_buffer=(unsigned char*)malloc(width*height/4);
v_buffer=(unsigned char*)malloc(width*height/4);
err_buffer=(unsigned char*)malloc(width*height*1.5);
re_y_buffer=(unsigned char*)malloc(width*height*1.5);
fread(y_buffer,1,width*height,yuvfile);
fread(u_buffer,1,width*height/4,yuvfile);
fread(v_buffer,1,width*height/4,yuvfile);
FILE *orig;
orig=fopen("F:/数据压缩/text/dpcm/orig.txt","wb");
double frequency[256]={0};
GetFrequency(y_buffer,frequency,height,width);
for(int i=0;i<256;i++)
{
fprintf(orig,"%d\t%f\n",i,frequency[i]);
}
//DPCM编码
for(int i=0;i<width*height;i++)
{
float err;//误差
if(i%width==0)
{
err=float(y_buffer[i])-128;//假设预测值为128
err_buffer[i]=(unsigned char)(err/2+128);//对预测误差量化
re_y_buffer[i]=(unsigned char)(128+(err_buffer[i]-128)*2);//重建值=反量化后的误差+预测值
}
else
{
err=float(y_buffer[i]-re_y_buffer[i-1]);//选取前一像素的重建值作为预测值
err_buffer[i]=(unsigned char)(err/2+128);
re_y_buffer[i]=(unsigned char)(re_y_buffer[i-1]+(err_buffer[i]-128)*2);
}
}
FILE *err;
err=fopen("F:/数据压缩/text/dpcm/err.txt","wb");
double frequency_[256]={0};
GetFrequency(err_buffer,frequency_,height,width);
for(int i=0;i<256;i++)
{
fprintf(err,"%d\t%f\n",i,frequency_[i]);
}
cout<<"PSNR="<<PSNR(y_buffer,re_y_buffer,height,width,8)<<endl;
re_y_file=fopen(re_y_filename,"wb");
err_file=fopen(err_filename,"wb");
fwrite(re_y_buffer,width*height,1,re_y_file);
fwrite(u_buffer,width*height/4,1,re_y_file);
fwrite(v_buffer,width*height/4,1,re_y_file);
fwrite(err_buffer,width*height,1,err_file);
fwrite(u_buffer,width*height/4,1,err_file);
fwrite(v_buffer,width*height/4,1,err_file);
fclose(re_y_file);
fclose(err_file);
}
PSNR结果:
原图像、误差图像、恢复图像
原始图像:
误差图像:
dcmp+熵编码效率=46/96100%=47.92%
仅进行熵编码效率=69/96100%=71.88%
四、实验结论:
DPCM+熵编码的压缩比高,编码效率高