本文主要是介绍基于C++实现DPCM压缩系统，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

基于C++实现DPCM压缩系统

• 一、实验目的
• 二、实验原理
• 三、实验代码
• • 1、头文件 method.h
  • 2、主函数 main.cpp
  • 3、DPCM编码 dpcm.cpp
  • 4、概率分布 prob.cpp
  • 5、压缩质量 psnr.cpp
  • 6、概率分布图 probability.m
• 四、实验结果
• • 1、DPCM编码
  • 2、熵编码
• 五、结果分析
• • 1、压缩比
  • 2、压缩质量
• 六、实验结论
• 七、一些问题和收获

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++语言编程实现DPCM编码器，并分析其压缩效率。

二、实验原理

1. 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。
2. 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。
3. 在本次实验中，我们采用固定预测器和均匀量化器。预测器采用左侧预测。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。
4. 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（提高要求)。
5. 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。
   ① 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。
   ② 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。
   ③ 最后比较两种系统(1.DPCM+嫡编码和2.仅进行嫡编码)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。
6. PSNR（峰值信噪比）压缩质量：
   通常用来评价一幅图像压缩后和原图像相比质量的好坏，当然，压缩后图像一定会比原图像质量差的，所以就用这样一个评价指标来规定标准了。PSNR越高，压缩后失真越小。这里主要定义了两个值，一个是均方差MSE，另一个是峰值信噪比PSNR，公式如下：
   
   这里的MAX通常是图像的灰度级，实验中为255。
   PSNR值越大，图像质量越高。
   （资料来源于这个地址）

三、实验代码

本次实验代码包含在以下几个文件中，下面分别进行展示和分析（以8bit量化为例）。

1、头文件 method.h

头文件声明了主函数要用到的方法函数。

#pragma once
int prob(int height, int width, unsigned char* inbuf, double* outpro);
int dpcm(int height, int width, unsigned char* oldbuf, unsigned char* newbuf, unsigned char* difbuf, int dep);
int psnr(int height, int width, unsigned char* oldbuf, unsigned char* newbuf, int dep);

2、主函数 main.cpp

主函数的内容即本次实验的步骤：

• 文件打开、读取。
• DPCM编码。
• PSNR压缩质量计算。
• 灰度值概率分布计算。
• 文件写入。
• 文件关闭。

#define _CRT_SECURE_NO_DEPRECATE
#include<iostream>
#include<math.h>
#include"method.h"

using namespace std;

int main()
{
	//相关参数
	int height = 768;	//高
	int width = 512;	//宽
	int dep = 8;		//量化比特数

	//缓冲区开辟	
	unsigned char* orbuf = (unsigned char*)malloc(sizeof(unsigned char) * height * width * 1.5);
	unsigned char* rebuf = (unsigned char*)malloc(sizeof(unsigned char) * height * width * 1.5);
	unsigned char* errbuf = (unsigned char*)malloc(sizeof(unsigned char) * height * width * 1.5);
	double* orpro = (double*)malloc(sizeof(double) * 256);
	double* errpro = (double*)malloc(sizeof(double) * 256);


	//文件打开
	FILE* orfile = fopen("Birds.yuv", "rb");
	FILE* refile = fopen("outBirds.yuv", "wb");
	FILE* errfile = fopen("quanBirds.yuv", "wb");
	FILE* ortxt = fopen("orpro.txt", "wb");
	FILE* errtxt = fopen("errpro.txt", "wb");

	if (orfile == NULL || refile == NULL || errfile == NULL || ortxt == NULL || errtxt == NULL)
	{
		cout << "文件打开失败！" << endl;
		return 0;
	}

	//文件读取
	fread(orbuf, 1, height * width * 1.5, orfile);

	//dpcm
	dpcm(height, width, orbuf, rebuf, errbuf, dep);
	
	//psnr计算
	psnr(height, width, orbuf, rebuf, dep);
	
	//灰度值概率计算
	prob(height, width, orbuf, orpro);		//原图概率分布
	prob(height, width, errbuf, errpro);	//预测误差图概率分布 

	//文件写入
	fwrite(rebuf, 1, height * width * 1.5, refile);
	fwrite(errbuf, 1, height * width * 1.5, errfile);
	for (int i = 0; i < 256; i++)
	{
		fprintf(ortxt, "%lf\n", *(orpro + i));
		fprintf(errtxt, "%lf\n", *(errpro + i));
	}


	//文件关闭
	fclose(orfile);
	fclose(refile);
	fclose(errfile);
	fclose(ortxt);
	fclose(errtxt);

	return 0;
}

3、DPCM编码 dpcm.cpp

• DPCM编码函数中传入参数为：图像高、图像宽、原图首指针、重建图首指针、预测误差图首指针、量化比特数。
• 方法按照实验原理进行实现。

#include<iostream>
#include<math.h>
using namespace std;

int dpcm(int height, int width, unsigned char* orbuf, unsigned char* rebuf, unsigned char* errbuf, int dep)
{
	//dpcm编解码
	for (int i = 0; i < height; i++)
	{
		for (int j = 0; j < width; j++)
		{
			if (j == 0)
			{
				*errbuf = (*orbuf - 128 + 255) / pow(2, 9 - dep);
				*rebuf = 128 + (*errbuf * pow(2, 9 - dep) - 255);

				rebuf++;
				orbuf++;
				errbuf++;
			}
			else
			{
				*errbuf = (*orbuf - *(rebuf - 1) + 255) / pow(2, 9 - dep);
				*rebuf = *(rebuf - 1) + (*errbuf * pow(2, 9 - dep) - 255);
				if (*rebuf < 0) *rebuf = 0;
				if (*rebuf > 255) *rebuf = 255;

				rebuf++;
				orbuf++;
				errbuf++;
			}
		}
	}

	//uv分量不处理，差值设为128
	for (int i = 0; i < height * width * 0.5; i++)
	{
		*rebuf = *orbuf;
		*errbuf = 128;

		rebuf++;
		orbuf++;
		errbuf++;
	}

	//指针归位
	for (int i = 0; i < height * width * 1.5; i++)
	{
		errbuf--;
		rebuf--;
		orbuf--;
	}

	return 0;
}

4、概率分布 prob.cpp

平平无奇统计频次，计算概率。

#include<iostream>
#include<math.h>
using namespace std;

int prob(int height, int width, unsigned char* inbuf, double* outpro)
{
	//变量定义
	double size = height * width * 1.5;	//总像素数
	int num[256] = { 0 };
	double pro[256] = { 0 };

	//计算各个灰度出现概率
	for (int i = 0; i < size; i++)
	{
		num[(int)*(inbuf + i)]++;
		pro[(int)*(inbuf + i)] = num[(int)*(inbuf + i)] / size;
	}

	//输出概率
	for (int i = 0; i < 256; i++)
		*(outpro + i) = pro[i];
		
	return 0;
}

5、压缩质量 psnr.cpp

根据实验原理中PSNR计算方法来实现。

#include<iostream>
#include<math.h>
using namespace std;

int psnr(int height, int width, unsigned char* orbuf, unsigned char* rebuf, int dep)
{
	double max = 255;
	double mse = 0;
	double psnr;

	for (int i = 0; i < height; i++)
		for (int j = 0; j < width; j++)
		{
			mse += (orbuf[i * width + j] - rebuf[i * width + j]) * (orbuf[i * width + j] - rebuf[i * width + j]);
		}
	mse = mse / (double)(width * height);
	psnr = 10 * log10((double)(max * max) / mse);
	cout << dep << "比特量化时PSNR = " << psnr << endl;

	return 0;
}

6、概率分布图 probability.m

本来打算如第一次实验那样复制一大堆进数组，这次探索了一下如何获取txt文件内容，探索成功了！上次就是懒

orpro = importdata('D:\CUC\SJYS\SJYS_L8\orpro.txt');
errpro = importdata('D:\CUC\SJYS\SJYS_L8\errpro.txt');

%原图概率分布
figure(1)
plot(orpro);
title('orBirds.yuv概率分布');
xlabel('灰度值');
ylabel('概率');
axis([0 256 0 0.02]);

%预测误差图概率分布
figure(2)
plot(errpro);
title('errBirds.yuv概率分布');
xlabel('灰度值');
ylabel('概率');
axis([0 256 0 0.55]);

四、实验结果

1、DPCM编码

① 运行代码得到4个输出文件，依次为预测误差图像、重建图像、预测误差图像概率分布、原图像概率分布。

② YUVviewer查看图像，matlab输出概率分布图像。
原图及概率分布：

原图	概率分布图 （matlab输出）

不同量化比特数下的结果：

	8bit	4bit	2bit	1bit
预测误差图像
重建图像
psnr值
预测误差图像概率分布

2、熵编码

运用老师发来的huffcode.exe分别对原图和预测误差图像进行熵编码。

运行批处理文件后得到：

• 原图的熵编码文件和预测误差图像的熵编码文件
  
• 原图和预测误差图像的字符、码长、码字组成的文本文件
  

五、结果分析

1、压缩比

2、压缩质量

六、实验结论

• 从图片质量来看，熵编码是无损编码，图片质量最好；对于不同量化比特数的DPCM编码，由PSNR值（实际有偏差，尝试解释见文末）可知量化比特数越高，压缩后的图片质量越高。
  即：熵编码＞8bit DPCM+熵编码＞4bit DPCM+熵编码＞2bit DPCM+熵编码＞1bit DPCM+熵编码。¹
• 从压缩方式来看，仅熵编码的压缩比远不如DPCM+熵编码的压缩比。
  即：DPCM+熵编码＞熵编码。
• 针对量化比特数，量化比特数并非越低，压缩比就越高。其中4bit量化压缩比最高。而4bit得出的图像质量过于失真，压缩比高没什么意义。

综上所述，DPCM+熵编码压缩效果整体优于仅使用熵编码，控制合适的量化比特数的情况下，DPCM+熵编码在压缩比和压缩质量（目测）上均有优势，虽然损失了一些质量，但对于人眼来说无伤大雅。

七、一些问题和收获

• 2bit量化的PSNR小于1bit量化的PSNR，从原理和公式上来看都不合理，但想到之前学过，huffman无损编码的结果的确有可能比原来的文件大的，姑且可以作为解释但好牵强TT
• 本来不知道怎么把概率输入到txt文件中，试了试原来用的fwrite不太行，毕竟概率是double类型的，查了查资料问了问同学采用了fprintf流式写入的方法。
• 实不相瞒，把函数封装到单个cpp文件中确实挺爽的。

PS.您现在看到的下面

这篇关于基于C++实现DPCM压缩系统的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！