实验四：DPCM 压缩系统的实现和分析

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。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编解码原理图

实验内容

---

  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。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） 。还可对预测误差进行1比特、2比特和4比特的量化设计。

  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。

实验结果

---

	原始图像	8bit量化	4bit量化	2bit量化	1bit量化
量化误差图像	/
重建图像（或者原始图像）
（量化误差图像）概率分布
熵编码后的文件大小（byte）	223771	205920	140689	93626	93626
压缩比	0.299	0.275	0.188	0.125	0.125
PSNR	/

  可以看出：DPCM+熵编码比仅进行熵编码编码效率提高，但图像质量无明显差别，告诉我们通过组合编码可以提高效率；都使用DPCM+熵编码的条件下，随着量化比特数的降低，压缩比越来越高，但图像质量越来越差，这也反映了效率和可靠性不能兼得，要折中考虑图像压缩效率和图像质量的关系。

代码实现

---

#include <stdio.h>
#include <stdlib.h>
#include <malloc.h>
#include <math.h>
#define WIDTH   464
#define HEIGHT 538
#define  bit 8
void count(unsigned char *data, int *count,int i,double *freq)
{
	int n=0,m=0;
	for(n=0;n<i;n++)
	{
		for(m=0;m<256;m++)
			if(data[n]==m)
				count[m]++;
	}
	for(m=0;m<256;m++)
		freq[m]=(double)count[m]/i;
}

double PSNR( unsigned char* standard, unsigned char* rebuild)
{
	double psnr = 0, MSE = 0;
	for( int i = 0; i < WIDTH*HEIGHT; i++ ) 
		MSE +=pow((rebuild[i] - standard[i])*1.0,2);
	MSE /= WIDTH*HEIGHT;
	psnr = 10 * log10( pow(4.0,8) / MSE);
	return psnr;
}

int main ()
{
	FILE* AFile =NULL;
	FILE* pre_File=NULL;
	FILE* re_File=NULL;
	FILE* fre_File=NULL;
	AFile=fopen(".\\data\\moon.yuv","rb");
	pre_File=fopen(".\\data\\pre.yuv","wb");
	re_File=fopen(".\\data\\rebuild.yuv","wb");
	fre_File=fopen(".\\data\\frequent.txt","wb");
	if(AFile==NULL)
	{
		printf("cannot find moon.yuv\n");
		exit(1);
	}
	if(pre_File==NULL)
	{
		printf("cannot find moon_1.yuv\n");
		exit(1);
	}
	if(re_File==NULL)
	{
		printf("cannot find moon_2.yuv\n");
		exit(1);
	}
	unsigned char *yBuf;
	yBuf=(unsigned char *)malloc(WIDTH*HEIGHT);
	int *pre;
	pre=(int *)malloc(sizeof(int)*WIDTH*HEIGHT);//注意sizeof
	unsigned char *pre_1;
	pre_1=(unsigned char *)malloc(WIDTH*HEIGHT);
	unsigned char *rebuild;
	rebuild=(unsigned char *)malloc(WIDTH*HEIGHT);
	int *rebuild_1;
	rebuild_1=(int *)malloc(sizeof(int)*WIDTH*HEIGHT);
	if (!feof(AFile))
	{
		if(!fread(yBuf,1,WIDTH*HEIGHT,AFile))
		{
			printf("cannot read y%d ");
		}

		for (int j=0; j<HEIGHT; j++)
		{
			for (int i=0;i<WIDTH;i++)
			{
				if (i==0)
				{
					pre_1[j*WIDTH+i]=0;
					pre[j*WIDTH+i]=0;
					rebuild[j*WIDTH+i]=yBuf[j*WIDTH+i];
				}
				else
				{
					/**预测***/
					pre[j*WIDTH+i]=yBuf[j*WIDTH+i]-rebuild[j*WIDTH+i-1];

					/***量化***/
					pre_1[j*WIDTH+i]=((pre[j*WIDTH+i]+256)/2);
					int erta=pow(2.0,(8-bit));
					pre_1[j*WIDTH+i]=(pre_1[j*WIDTH+i]/erta+0.5);

					/***反量化和重建**/
					pre_1[j*WIDTH+i]=pre_1[j*WIDTH+i]*erta;//算量化还是反量化？
					pre[j*WIDTH+i]=pre_1[j*WIDTH+i]*2-256;
// 					pre[j*WIDTH+i]=pre_1[j*WIDTH+i];
// 					pre[j*WIDTH+i]=(pre[j*WIDTH+i]*erta)*2-256;

					rebuild[j*WIDTH+i]=pre[j*WIDTH+i]+rebuild[j*WIDTH+i-1];
				}
			}
 		}
 	}
	int y_count[256]={0};
	double freq[256]={0};
	count(pre_1,y_count,WIDTH*HEIGHT,freq);
	/**输出数据的概率分布**/
	fprintf(fre_File,"Freq_B\tSymol\n"); 
	for (int m=0;m<256;m++)
	{
		fprintf(fre_File,"%.8f\n",freq[m]); 
	}
	/*输出psnr*/
	printf("psnr:%f",PSNR( yBuf, rebuild ));
	/*写入预测误差图像和重建图像*/
	fwrite(rebuild,1,WIDTH*HEIGHT,re_File);
	for (int n=0;n<WIDTH*HEIGHT;n++ )
		rebuild[n]=128;//填充U，V
	fwrite(rebuild,1,WIDTH*HEIGHT,re_File);
	fwrite(rebuild,1,WIDTH*HEIGHT,re_File);
	fwrite(pre_1,1,WIDTH*HEIGHT,pre_File);
	for (int n=0;n<WIDTH*HEIGHT;n++ )
		pre_1[n]=128;//填充U，V
	fwrite(pre_1,1,WIDTH*HEIGHT,pre_File);
	fwrite(pre_1,1,WIDTH*HEIGHT,pre_File);

	free(yBuf);
	free(pre);
	free(pre_1);
	free(rebuild);
	free(rebuild_1);
	fclose(AFile);
	fclose(pre_File);
	fclose(re_File);
	getchar();
	return 0;
}