DPCM压缩系统的实现和分析

本文档介绍了DPCM(差分预测编码调制)编解码系统的基本原理和设计,包括线性预测器和量化器的优化。通过使用8比特均匀量化,对不同比特数的预测误差进行量化,并通过实验比较了不同比特数的预测误差对编码效率的影响。实验结果显示,DPCM编码能有效提高压缩效率,并以PSNR作为压缩质量的评估标准。
部署运行你感兴趣的模型镜像

一、实验目的

掌握DPCM编解码系统的基本原理。初步掌握实验用C/C++/Python等语言编程实现DPCM编码器,并分析其压缩效率。

二、实验内容

1、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,需要注意的是预测期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,智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,如编码器中虚框线中所示。

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。

2、DPCM编码系统的设计

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。本次实验的目的是验证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。还可以对预测误差进行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。最后比较两种系统之间的编码效率。压缩质量以PSNR进行计算。

三、实验过程

8bit预测

06039f97bc8543cd995d8b6a57763ecb.png

4bit预测

56c2829824ee42e285b1aa1c07be5658.png 

2bit预测

3034a71b39f6478f82ac0b8c5a6f07a8.png

 

 

1bit预测 

a06ab681a02f478a81db20564352f2d7.png

 

dpcm

4667a328e7b94fe68f2ed4f68754a76f.png

main函数

b5441f86703448f590694e488dcf851f.png 

四、实验结果

0ac38cd918894267bce045f048673cce.png 

 

 

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值