[数据压缩]实验四 DPCM编码

目录

一、实验框架

1.分析并实践DPCM压缩系统

2.掌握DPCM编解码系统原理，使用编程语言实现DPCM编码器。

二、DPCM编解码原理

DPCM函数（附）

三、DPCM编码系统设计 

PSNR函数（附）

四：主要函数实现和量化效率分析

附具体分析

总结

DPCM+熵编码 和 仅熵编码 编码效率的比较

量化比特数对结果的影响

---

一、实验框架

1.分析并实践DPCM压缩系统

2.掌握DPCM编解码系统原理，使用编程语言实现DPCM编码器。

二、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。 

DPCM函数（附）

// 采用左向预测，且第一列误差值预设128
#include
#include
#define uchar unsigned char

using namespace std;

double Quant(int Qbit, int error)
{
	double k = ((error + 255) / pow(2, 9 - Qbit));
	return k;
}

double InverseQuant(int Qbit, uchar pred)
{
	double k = (pred * pow(2, 9 - Qbit) - 255);
	return k;
}
void DPCM(int h, int w, uchar* origin_buf, uchar* rebuild_buf, uchar* error_buf, int Qbit)
{
	int error;
	for(int i=0;i max)
			error_buf[i] = max;
        if (rebuild_buf[i] > 255)
			rebuild_buf[i] = 255;
		if (rebuild_buf[i] < 0)
			rebuild_buf[i] = 0;
	}
}

三、DPCM编码系统设计 

在本次实验中，我们采用固定预测器和均匀量化器。

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。

具体步骤：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。

PSNR函数（附）

double PSNR(int k, int w, uchar* origin_buf, uchar* rebuild_buf, int Qbit)
{
	double mse = 0, PSNR = 0;
	for (int i = 0; i < k * w; i++)
	{
		mse += pow((origin_buf[i] - rebuild_buf[i]), 2);
	}
	mse = mse / ((double)k * (double)w);
	PSNR = 10 * log10(pow(255, 2) / mse);
	cout << Qbit << "比特量化时的PSNR =" << PSNR << endl;
	
    return PSNR;
}

四：主要函数实现和量化效率分析

#define _CRT_SECURE_NO_DEPRECATE
#include
#include
#include"header.h"
#define uchar unsigned char
using namespace std;

int main()
{
	// 1.定义变量
	FILE* originFile = NULL;
	FILE* rebuildFile = NULL;
	FILE* errorFile = NULL;
	FILE* origintxt = NULL;
	FILE* errortxt = NULL;
	BITMAPINFOHEADER INFO_header;
	int Qbit = 2;
	
	
	// 2.打开文件
	if (fopen_s(&originFile, "Lena256B.yuv", "rb") == 0) cout << "原文件打开成功" << endl;
	if (fopen_s(&rebuildFile, "rebuildlena.yuv", "wb") == 0) cout << "重建文件创建成功" << endl;
	if (fopen_s(&errorFile, "errorlena.yuv", "wb") == 0) cout << "预测误差文件创建成功" << endl;
	if (fopen_s(&origintxt, "origin.txt", "wb") == 0) cout << "记录原图概率分布文件创建成功" << endl;
	if (fopen_s(&errortxt, "error.txt", "wb") == 0) cout << "记录预测误差的概率分布的文件创建成功" << endl;
	

	int height = 256;
	int weight = 256;

	// 3.打开缓冲
	uchar* y_buffer = new uchar[weight * height];
	uchar* u_buffer = new uchar[(weight * height) /  4];
	uchar* v_buffer = new uchar[(weight * height) / 4];
	uchar* rebuild_buf = new uchar [height * weight];
	uchar* error_buf = new uchar[height * weight];
	double* origin_prob = new double[256];
	double* error_prob = new double[256];
	
	// 4.读取文件
	fread(y_buffer, sizeof(uchar), height * weight, originFile);
	fread(u_buffer, sizeof(uchar), (weight * height) / 4, originFile);
	fread(v_buffer, sizeof(uchar), (weight * height) / 4, originFile);

	// 5.DPCM
	DPCM(height, weight, y_buffer, rebuild_buf, error_buf,Qbit);

	// 6.PSNR
	PSNR(height, weight, y_buffer, rebuild_buf, Qbit);

	// 7.分布概率统计
	prob(height, weight, y_buffer, origin_prob);
	prob(height, weight, error_buf, error_prob);

	// 8.写入文件
	fwrite(rebuild_buf, sizeof(uchar), height * weight, rebuildFile);
	fwrite(u_buffer, sizeof(uchar), height * weight / 4, rebuildFile);
	fwrite(v_buffer, sizeof(uchar), height * weight / 4, rebuildFile);
	
	fwrite(error_buf, sizeof(uchar), height * weight, errorFile);
	fwrite(u_buffer, sizeof(uchar), height * weight / 4, errorFile);
	fwrite(v_buffer, sizeof(uchar), height * weight / 4, errorFile);
	// 写入txt中

	for (int i = 0; i < 256; i++)
	{
		fprintf(inputtxt, "%lf\n", *(origin_prob + i));
		fprintf(errortxt, "%lf\n", *(error_prob + i));
	}
	
	// 9.关闭删除文件	
	fclose(originFile);
	fclose(rebuildFile);
	fclose(errorFile);
	fclose(inputtxt);
	fclose(errortxt);
	delete[] y_buffer;
	delete[] u_buffer;
	delete[] v_buffer;
	delete[] rebuild_buf;
	delete[] error_buf;
	delete[] origin_prob;
	delete[] error_prob;
	return 0;
}

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)

总结

• DPCM+熵编码 和 仅熵编码 编码效率的比较

• PSNR反映了图像的质量，PSNR越高，说明图像质量越好。从以上数据中可以看出,DPCM+熵编码系统的压缩比较高，PSNR比仅进行熵编码的图像要低。但在8bit量化的重建图像中，PSNR已经超过50dB，肉眼难以观察到明显的失真。

• 量化比特数对结果的影响

• 从以上数据可以看出，量化比特数越少，平均码长越低，压缩比越高，图像质量越差。从量化后重建图像也可以看出，除了8bit量化的情况，其他情况的重建图像都有明显失真（边缘忙乱、颗粒噪声等）。这是因为随着量化比特数减少，量化区间减少，量化误差会增大，图像的失真就会越明显。
• 在实际应用中应结合实际情况，对压缩比和图像质量有所取舍，采用折中的方案达到最优化结果。