DPCM编码

实验原理

预测编码的原理

在数字图像中，如果不是随机的噪声，那么每个像素与其周围的像素都会存在着一定的关联，像素值很大程度上依赖于其邻域中其它像素的值。也就是预测误差（在这个实验中用当前像素值与前一个像素值的差来表示）应该非常接近，通常比单个的像素值要小。因此如果只存储预测误差，由预测误差也可以重构出原图像，而且这样可以降低图像中的冗余信息，实现图像的压缩。
  如果用前面几个样值的线性组合来预测当前的样值，称为线性预测，只用前一个样值进行预测，就称为 DPCM

DPCM

                                       编码器

                                               解码器

 在一个DPCM系统中需要设计两个部分

预测器 量化器 

理想情况下，应同时优化预测器和量化器，但 实际应用中，采用一种次优化方法 在这种方法中，量化电平数必须足够大 （M>=8)才能获得好的性能

实验流程及代码分析

1. 写入BMP文件，利用实验2的程序将其转化为YUV文件，并提取Y部分。

2. 对该灰度图像进行预测，计算预测误差（预测器的输入为上一个样点的重建值）。

3. 对预测误差进行8bit均匀量化。

4. 对量化后的预测误差进行反量化，求出重建值。

5. 将预测误差图像写入文件，并将该文件输入Huffman编码器，得到输出码字的必要信息。将原始灰度图像输入Huffman编码器，得到码字必要信息。比较两种系统（DPCM+熵编码和仅进行熵编码）之间的编码效率 

            for ( int i = 0; i < height; i++)  
            {  
                float yp=128;//yp为预测值  
                for (int j = 0; j < width; j++)  
                {  
                    float m=(float)*(yBuf+i*width+j)-yp;//差值  
                    m/=2;//量化  
                    *(q+i*width+j)=(u_int8_t)(m+128);//量化误差  
                    //m*=2;//反量化  
                    *(yBuf+i*width+j)=(u_int8_t)(m+yp);//重建后的样本  
                    yp=(float)*(yBuf+i*width+j);//更新预测值  
                }  
            }  
          
  
                //将重建后的值写入文件  
                fwrite(yBuf, 1, width*height, yuv1File);  
  
                ++videoFramesWritten;  
                //将量化误差写入文件  
                fwrite(q,1,width*height,qFile);   

实验结果分析

实验结论

对于相邻像素相关性高的灰度图像，量化误差集中在 0 附近，DPCM+熵编码的系统性能最优