数据压缩实验四--dpcm压缩系统
来源:互联网 发布:淘宝申请退款时间5天 编辑:程序博客网 时间:2024/06/05 22:52
实验内容
1. DPCM编解码原理
预测编码的基本过程:
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,关联像素差值会非常小,像素值很大程度上依赖于其邻域中其它像素的值。对于输入像素值x(n)可以首先利用已编码像素的重建值得到当前像素的预测值p(n),然后对二者的差值e(n)进行量化、熵编码。对应的解码过程为:经熵解码可以得到当前像素预测误差的重建值~e(n),将其与预测值p(n)相加即可得到当前像素的重建值~x(n)。
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,预测器的输入是已经解码以后的样本。不用原始样本来做预测的原因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。
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,预测器采用左侧、上方预测均可。量化器采用8比特均匀量化。
具体步骤是:采用实验二的工程文件将测试BMP文件转换到YUV格式,取Y值作实验,每一帧画面的最左边第一列元素默认以128电平值作预测,从每行的第二个像素开始均以左侧像素的重建电平值作预测操作。
3. 均匀量化部分代码
4.部分实验结果
1. 可以明显观察到重建的图像与原始图像十分接近,而预测误差图像在边缘部分的某些差异与采取的预测方案有关。
2. 预测误差图像都为明显的灰色,电平集中分布在128附近,量化过程中我们将量化误差抬升128电平所以表明实际预测误差值集中分布在 0 左右,证明对于正常图像,相邻像素之间存在很强的关联性,利用相关性对像素量化后进行压缩压缩比会很理想。
3. DPCM+熵编码的方案比单纯只使用熵编码的效果更好,能达到很高的压缩率(考试的时候我竟然忘了这一点,呜呜)
- 数据压缩实验四--dpcm压缩系统
- 数据压缩实验四:DPCM 压缩系统的实现和分析
- 数据压缩实验四 DPCM压缩系统的实现与分析
- 数据压缩实验四 DPCM 压缩系统的实现和分析
- 数据压缩 实验四 DPCM压缩系统的实现和分析
- 数据压缩 实验四 DPCM压缩系统的实现和分析
- 【数据压缩】实验四 DPCM
- 数据压缩实验四——DPCM压缩系统的实现和分析
- 数据压缩原理与应用 实验四 DPCM 压缩系统的实现和分析
- 数据压缩原理 实验四 DPCM压缩系统的实现和分析
- 数据压缩实验四:DPCM编码
- 数据压缩实验四:DPCM编码
- 实验四 DPCM 压缩系统的实现和分析
- 实验四 DPCM压缩系统的实现和分析
- 实验四 DPCM压缩系统的实现和分析
- 《数据压缩》实验报告四·DPCM编解码
- 【数据压缩】DPCM 压缩系统的实现和分析
- 数据压缩实验4-DPCM编码
- SLA的基本概念
- 使用Spring中的interceptor
- 优雅地乱玩Linux-5-GitMerge工具Meld
- 欢迎使用CSDN-markdown编辑器
- csu A Easy Problem 六十四位无符号组合数
- 数据压缩实验四--dpcm压缩系统
- Ajax编程初探
- spring boot
- UDP传输时IP层的分片是怎么回事? UDP传输时为什么不要用tcpdump过滤端口来抓包?
- C++同名函数访问规则
- Android Studio更改Gradle缓存目录所引发的各种奇葩问题
- python的argparse模块
- lintcode: Dices Sum
- ssh项目action中的service是null