实验四 DPCM压缩系统的实现和分析

一、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。其编码原理框图和数据含义如下图所示：

由图可知，DPCM是一种有误差的编码方式，误差产生在量化器和反量化器上，量化误差＝qn－qn’。量化区间越大，量化比特数越小，则量化误差越大。
送入Huffman编码器进行编码传输的是当前样本和其左侧样本的差值的量化值。

DPCM解码是不断将收到的qn与其左侧样本的预测值相加的过程。

二、实验代码

实验实现了将传入的bmp图像文件进行DPCM编解码。先把bmp文件转换为yuv文件（代码参照实验二），再对yuv文件进行编码。一幅图像第一列的预测值都置为128。
在bmp2yuv的主函数中添加以下代码，即可实现8比特量化的DPCM。

        for (i = 0; i < Info_header.biHeight; i++)        {            for(j = 0;j < Info_header.biWidth;j++ )            {                if((i*Info_header.biWidth+j) % Info_header.biWidth ==0)                {                    youtBuf[i*Info_header.biWidth+j]=128;                    qBuf[i*Info_header.biWidth+j]=0;                }                else                {                    temp=yBuf[i*Info_header.biWidth+j]-youtBuf[i*Info_header.biWidth+j-1];                    qBuf[i*Info_header.biWidth+j]=temp/2;                    youtBuf[i*Info_header.biWidth+j]=qBuf[i*Info_header.biWidth+j]*2+youtBuf[i*Info_header.biWidth+j-1];                }            }        }

三、实验结果
birds.yuv

Camman256B.bmp

Clown256B.bmp

Fruit256B.bmp

Lena256B.bmp

Noise256B.bmp

Odie256B.bmp

Zone256B.bmp

从上图中可以发现，误差图像主要勾勒了轮廓等左右色值变化剧烈的地方。像Fruit256B.bmp这样原图比较复杂，但存在许多平坦区域的图像，其待进行Huffman编码的预测误差图像的字符分布概率比较集中，联想Huffman编码实验中得到的结论，推测其压缩比会比较大。而Noise256B.bmp、Zone256B.bmp这样左右像素相关性很低的图像，其预测误差图像的字符概率分布比较平均，Huffman编码后的压缩比很可能在1附近，甚至可能小于1。

比较表格中的数据可以验证上述结论。但Odie256B.bmp这幅图像虽然存在大面积平坦背景，其经过DPCM后熵编码的压缩比和直接熵编码的相等。由于压缩比＝原文件大小(kB)／压缩后文件大小 (kB) ，当原文件的概率分布已经接近熵编码后的概率分布时，DPCM就比较多余了。