视频图像压缩编码之预测编码

序列图像编码：
在视频图像压缩编码中，图像是由连续的帧形成的图像序列，由于景物变化速度的限制，相邻帧间存在很高的相关性，即存在很高的时间和空间冗余。
运动补偿预测的目的就是消除时域冗余，由运动补偿技术结合变换编码，构成了序列图像编码的主要方法。
在序列图像中，相邻帧间的主要变化是由于构成景物的各物体的运动引起的，检测物体的运动参数，并通过这些运动参数由前一帧预测当前帧，这就是运动补偿技术MCP（motion compensated prediction），或简称运动补偿（MC）。其中主要的任务是检测物体的运动参数，称为运动估计ME。

物体的运动由多种元素构成，包括平移、旋转及扭曲等，完整的描述物体运动的模型是复杂的。在目前通用的图像压缩标准及大多数实用的图像压缩算法中，均使用了简化的运动模型，即假设运动是由平移构成，这样只用X和Y方向（或水平与垂直方向）的两个平移参数dx,dy表征运动参数。由dx,dy构成一个运动矢量D
D=（dx,dy）T
当前帧（i,j）坐标点的像素值由前一帧预测为
MCP（i,j,k）= S(∧)(i,j,k)=S(i+dx,j+dy,k-1)
这里k表示当前帧，k-1表示前一帧，S（i,j,k）表示原始像素值, S(∧)(i,j,k)表示预测的像素值。

当前帧原始图像与预测图像之间可能会有误差，由于这个误差是由平移运动补偿预测引起的，故称为帧间位移误差DFD（displacement frame difference）,表示如下：
DFD（i,j,k）= S（i,j,k）-S(∧)(i,j,k)= S（i,j,k）- S(i+dx,j+dy,k-1)
因此，对图像帧内像素的编码变成对DFD场和运动矢量D的编码，且DFD场的能量是非常低的，可以用很少的码字表示，运动矢量是稀疏的，同样用较少的码字表示，可以获得有效的码率压缩。
如果一个运动物体较大，将它分成一些小块，对于每个小块的平移与旋转运动可以用一个平移运动矢量来逼近。如果进行分块运动估计，则每个块的运动矢量可以逼近平移和旋转运动，所以块匹配运动估计是目前应用最广泛的。

对于当前的第k帧图像，将它划分成等大小的块，每个块的尺寸为N×M，即每个块包含N行，每行