《预测图像编码和解码》由会员分享，可在线阅读，更多相关《预测图像编码和解码（5页珍藏版）》请在金锄头文库上搜索。
1、题目：7, 对图象p04-01实施预测编码和解码，并将原图象与解码图象进行方差计算，考察解码后图象的视觉效果。预测模型为：原理： 预测就是根据过去时刻的样本序列，运用一种模型，预测当前的样本值。预测编码是易于实现的，如差分脉冲编码调制（DPCM）方法。这种方法中，对每一个像素灰度值，都用先前扫描过的像素灰度值去减，求出它们的差值，此差值称为预测误差，预测误差被量化和编码与传送。接收端再将此差值与预测值相加，重建原始图像像素信号。由于量化和传送的仅是误差信号，根据一般扫描图像信号在空间及时间邻域内各像素的相关性，预测误差分布更加集中，即熵值比原来图像小，可用较少的单位像素比特率进行编码，使得图像
2、数据得以压缩。DPCM系统的基本系统框图如下图所示。 在该系统中，为时刻的亮度取样值。预测器根据时刻之前的样本，对作预测，得到预测值。与之间的误差为： 量化器对进行量化得到。编码器对进行编码发送。接收端解码时的预测过程与发送端相同，所用预测器亦相同。接收端恢复的输出信号是的近似值，两者的误差是 当输入图像信号是模拟信号时，“量化”过程中的信息损失是不可避免的。当足够小时，输入信号和DPCM系统的输出信号几乎一致。 其它预测方法还有以下几种：（1） 前值预测：用同一行中临近的前一像素预测，即（2） 一维预测：用同一行中前面若干像素预测。（3） 二维预测：用几行内像素预测。（4） 三维预测：利用相
3、邻两帧图像信号的相关性预测。程序为（一）：clc;I=imread(lena512.bmp);I2=I;I=double(I);fid = fopen( mydata.dat ,w);m,n=size(I) ;J=ones(m,n);J(1:m,1)=I(1:m,1);J(1,1:n)=I(1,1:n);J(1:m,n)=I(1:m,n);J(m,1:n)=I(m,1:n);for k=2:m-1 for L=2:n-1 J(k,L)=I(k,L)-(I(k,L-1)/2+I(k-1,L)/2); endendJ=round(J) ;cont=fwrite(fid,J,int8);cc=fcl
4、ose(fid);fid=fopen(mydata.dat,r);I1=fread(fid,cont,int8);tt=1;for L=1:n for k=1:m I(k,L)=I1(tt); tt=tt+1; endendI=double(I);J=ones(m,n);J(1:m,1)=I(1:m,1);J(1,1:n)=I(1,1:n);J(1:m,n)=I(1:m,n);J(m,1:n)=I(m,1:n);for k=2:m-1 for L=2:n-1 J(k,L)=I(k,L)+(J(k,L-1)/2+(J(k-1,L)/2); endendcc=fclose(fid);J=uint8
5、(J);subplot(1,2,1),imshow(I2);title(原图);subplot(1,2,2),imshow(J);title(解码图像);for k=1:m for l=1:n A(k,l)=J(k,l)-I2(k,l); endendfor k=1:m for l=1:n A(k,l)=A(k,l)*A(k,l); endendb=sum(A(:);s=b/(m*n) %两幅图的方差运行结果为：程序为（二）：clc;i1=imread(lena512.bmp);i=double(i1);m,n=size(i);p=zeros(m,n);y=zeros(m,n);y(1:m,1
6、)=i(1:m,1);p(1:m,1)=i(1:m,1);y(1,1:n)=i(1,1:n);p(1,1:n)=i(1,1:n);y(1:m,n)=i(1:m,n);p(1:m,n)=i(1:m,n);p(m,1:n)=i(m,1:n);y(m,1:n)=i(m,1:n);for k=2:m-1; for l=2:n-1; y(k,l)=(i(k,l-1)/2+i(k-1,l)/2); p(k,l)=round(i(k,l)-y(k,l); endendp=round(p);subplot(3,2,1),imshow(i1);title(原灰度图像);subplot(3,2,2),imshow
7、(uint8(y),0 256);title(利用模型预测后的图像);subplot(3,2,3),imshow(abs(p),0 1);title(编码的绝对残差图像);j=zeros(m,n);j(1:m,1)=y(1:m,1);j(1,1:n)=y(1,1:n);j(1:m,n)=y(1:m,n);j(m,1:n)=y(m,1:n); for k=2:m-1; for l=2:n-1; j(k,l)=p(k,l)+y(k,l); endend for r=1:m for t=1:n d(r,t)=round(i(r,t)-j(r,t); endenda=zeros(m,n);for l=1:m; for h=1:n; a(l,h)=(j(l,h)-i(l,h)2; endendb=sum(a(:);c=b/(m*n) ;subplot(3,2,4),imshow(abs(p),0 1);title(解码用的残差图像);subplot(3,2,5),imshow(j,0 256);title(使用残差和线性预测重建后的图像);subplot(3,2,6),imshow(abs(d),0 1);title(解码重建后图像与原图像的误差);运行结果为：
