下载文档原格式
DPCM编码的原理资料DPCM编码（Differential Pulse Code Modulation）是一种用于压缩数字音频信号的编码方法。
它是PCM编码的一种变种，通过对相邻采样值之间的差值进行编码，实现对音频信号的无损压缩。
1.采样：首先，原始的音频信号会按照一定的采样频率进行采样，将连续的模拟信号转换为离散的数字信号。
采样的频率越高，可以获得更高质量的数字音频信号。
2.预测：在DPCM编码中，相邻采样值之间的差值是进行编码的基本单位。
为了尽量减小采样值之间的差异，DPCM使用了线性预测模型对下一个样本进行预测。
预测模型可以根据前面的采样值来估计下一个采样值。
常用的预测方法有线性模型和自适应模型等。
3.量化：在预测阶段，得到的预测误差值被称为残差。
为了减小数据量，残差需要进行量化。
在量化过程中，将连续的实数值映射为一组离散的数值。
削减位数会带来一定的信号失真，但可以减小数据量。
4.编码：经过量化后的残差值被编码成二进制码字，以进一步减小数据量。
编码方法包括熵编码（如霍夫曼编码）和算术编码等。
5.解码：解码器将接收到的二进制码流解码成量化后的残差值。
解码器使用与编码器相同的预测器来恢复原始的音频信号。
尽管DPCM编码是一种无损压缩方法，但由于在编码过程中的量化操作会引入一定的失真，因此不能达到与原始音频信号完全一致的效果。
随着量化级别的增加，失真会逐渐增加。
-数据压缩：DPCM编码可以将原始音频信号压缩成较小的数据量，降低存储和传输成本。
-预测优化：通过预测模型，DPCM可以对音频信号进行优化，减少编码时的冗余信息。
-传输效率高：由于数据量减小，DPCM编码可以提供更高的传输效率。
然而，DPCM编码也存在一些缺点：-残差误差：由于量化操作引入的失真，解码后的音频信号与原始信号之间会存在一定的误差。
-灵敏度：DPCM编码对音频信号的不同频率和动态范围的响应度不同，对于高频信号和动态范围较大的信号可能会引入较大的失真。
预测编码的基本原理随着数字化的快速发展，我们已经进入了数字时代。
数字内容广泛应用于各种场景，包括图片、视频、音频等。
当我们需要在不同设备之间传输这些文件时，文件的大小和质量成为非常重要的问题。
这就促使了预测编码技术的出现。
本文将介绍预测编码的基本原理。
1. 数字信号模型：在数字信号模型中，信号在时间或空间维度上是一段离散数据的序列。
例如，当我们在拍摄一段视频时，视频中的每一帧都是由像素点组成的一个离散数据序列。
而这些像素值就组成一个数字信号模型。
2. 基于预测的压缩：基于预测的压缩是一种常见的压缩技术，可以有效地压缩数字信号。
在预测编码过程中，我们需要选取一个预测器来预估下一个值。
这个预测器可以是简单的线性预测器，也可以是更复杂的模型。
3. 线性预测：在应用线性预测的时候，我们首先需要找到一个理想的预测器，使得预测残差的值最小。
在具体实现中，预测器的系数需要通过最小二乘法进行估计。
4. 预测比特：预测编码是基于预测残差的差异进行编码的。
预测残差表示实际值和预测值之间的差异。
对于一个离散的数字信号模型，预测得到的残差一般是一个整数值。
在进行编码的时候，我们需要将残差转换成二进制码流进行传输。
5. 自适应编码：为了更有效地进行编码，我们还需要了解每种编码方式的效率。
这就是自适应编码，它是根据每个符号出现的概率来调整码长的编码方法。
6. 预测编码的应用：预测编码被广泛应用于数字媒体的压缩和传输中。
例如，在视频压缩领域，有很多基于预测编码的压缩标准，比如MPEG-2、H.264等。
本文简单介绍了预测编码的基本原理。
预测编码是数字媒体领域中非常重要的技术，它可以有效地实现数字媒体的压缩和传输。
随着数字媒体技术的不断发展，预测编码将会发挥更加重要的作用。
差分脉冲编码（Differential Pulse Code Modulation，简称DPCM）是一种数字信号处理中常用的编码技术。
它通过对连续信号的时间差值进行编码，以减少传输和存储数据所需的比特率。
在DPCM中，首先将连续信号分为若干个采样窗口。
对于每个采样窗口，将当前采样值与上一个采样值之间的差值作为差分值。
然后将差分值进行量化，并进行编码得到编码值。
最后将编码值传输或存储。
DPCM的解码过程如下：接收到编码值后，对编码值进行解码，得到量化值。
然后将量化值与上一个采样值相加，得到重构值。
重构值即为原始信号的估计。
在实际应用中，DPCM具有广泛的应用场景。
以下是一些常见的应用场景：1. 音频信号压缩：音频信号在存储和传输时通常需要较大的带宽和存储空间。
DPCM通过对音频信号进行压缩，减小了存储和传输的开销。
尤其在对高频信号进行编码时，DPCM还可以提供更好的性能。
2. 视频编码：DPCM也广泛用于视频编码中。
对视频序列的每一帧进行编码时，可以利用前一帧的信息进行差分编码，从而减少码流大小和传输开销。
常见的视频编码标准如MPEG-2和H.264都使用了DPCM的技术。
3. 通信系统：在通信系统中，尤其是数字通信系统中，DPCM也被广泛应用。
DPCM可以提高系统对信道噪声和干扰的鲁棒性，并且能够减少传输开销。
此外，DPCM作为数字信号处理中的一种常用编码技术，具有如下优点和缺点：优点：1. 降低了传输和存储开销：通过差分编码，可以大幅度减小传输数据的比特率，节省传输带宽和存储空间。
缺点：1. 对噪声和干扰的鲁棒性可能不足：由于DPCM是基于差分值的编码方式，对于噪声和干扰的鲁棒性可能不如其他一些编码技术。
图像编码是一项复杂的技术，用于将图像转换为数字形式，以便在计算机系统中存储和传输。
它在许多应用领域中都有重要的作用，如数字摄影、视频通信和医学图像处理。
本文将介绍一些常用的图像编码方法。
一、基于压缩的图像编码方法1. 无损压缩无损压缩是一种将图像数据压缩至较小大小，同时保持原始图像质量的方法。
在无损压缩中，图像数据被压缩成原始数据的一个完全可逆的表示。
这种方法适用于需要保留图像细节的应用，如医学影像和特殊图像分析。
常用的无损压缩算法包括无损JPEG和无损预测编码。
2. 有损压缩有损压缩是一种将图像数据压缩至较小大小，但会引入一定程度的信息丢失的方法。
它在图像质量和压缩比之间进行权衡，并提供了更高的压缩比。
有损压缩主要用于媒体存储和传输，如数字摄影和视频通信。
目前最常用的有损压缩方法是JPEG、JPEG 2000和WebP。
二、基于变换的图像编码方法1. 离散余弦变换（DCT）离散余弦变换是一种常用的图像压缩方法。
它通过将图像分解为一系列频域成分来压缩图像数据。
这些频域成分经过量化后可以被编码和存储。
JPEG就是基于DCT的一种压缩算法。
DCT压缩保留了图像中的主要信息，但会引入一些失真。
2. 波形编码（Wavelet Coding）波形编码是另一种常用的图像编码方法。
它使用离散小波变换将图像分解成低频和高频系数。
低频系数保留了图像的整体结构和主要特征，而高频系数则捕捉了图像的细节。
这种方法在图像压缩方面具有出色的性能，例如JPEG 2000就是一种基于小波编码的图像压缩标准。
三、基于预测的图像编码方法1. 差分编码（DPCM）差分编码是一种基于预测的图像编码方法。
它利用当前像素的预测值和实际值之间的差异来表示图像数据。
通过对差异进行编码和量化，可以实现图像数据的压缩。
DPCM利用了图像中像素之间的相关性，对于高度相关的图像具有较好的压缩效果。
2. 运动补偿编码（Motion Compensation）运动补偿编码是一种在视频编码中广泛使用的方法。
1.三基色原理：任何一种颜色可以通过三基色按不同比例混合得到。
照明光源的基色系包括红色、绿色和蓝色，称为RGB基色。
R+G+B=White 反射光源的基色系包括青色、品色和黄色，称为CMY基色。
C+M+Y=Black RGB和CMY基色系是互补的，也就是说混合一个色系中的两种彩色会产生另外一个色系中的一种彩色。
2.HVS(人类视觉系统) -人类获取外界图像、视频信息的工具。
视网膜有两种类型感光细胞：锥状细胞:在亮光下起作用，感知颜色的色调。
含有三种类型的锥状细胞。
杆状细胞:在暗一些的光强下工作，只能感知亮度信息。
3.相加混色法：1）空间混色法：将三种基色光同时分别投射到同一平面的相邻3点，若3点相距足够近，由于人眼的分辨力有限和相加混色功能，因此，人眼看到的不是基色，而是这三种基色的混合色。
彩色显像管的现象就是利用了空间混色法。
2）时间混色法：按一定顺序轮流将三种基色光投射到同一平面上，由于人眼的视觉惰性和相加混色功能，因此，人眼看到的不是基色，而是这三种基色的混合色。
场顺序制彩色电视就是采用时间混色法以场顺序来传送三种基色信号的。
3）生理混色法：（立体彩色电视的显像原理）4）全反射混色法：（投影电视的基本原理）4.彩色电视三种制式：NTSC制：正交平衡调幅制（采用YIQ彩色空间）PAL制：正交平衡调幅逐行倒相制（采用YUV彩色空间）SECAM制：行轮换调频制（采用YDbDr彩色空间）矢量量化编码--用二进制数来表示量化后样值的过程9.量化：（将无限极的信号幅度变换成有限级的数码表示）量化的用途1）将模拟信号转换为数字信号，以便进行数字处理和传输2）用于数据压缩10.二维采样定理：若二维连续信号f(x,y)的空间频率u和v分别限制在|u|<=Um、|v|<=Vm （Um、Vm为最高空间频率），则只要采样周期Δx、Δy满足Δx<=1/2Um、Δy<=1/2Vm，就可以由采样信号无失真的恢复原信号。
视频编码技术的研究及应用随着互联网飞速发展，人们对视频信息的需求也越来越多。
视频编码技术作为实现视频信息传输的重要手段，其在视频压缩、传输和存储等方面起着至关重要的作用。
在这篇文章中，我们将探讨视频编码技术的研究和应用，并展望未来的发展趋势。
一、视频编码技术的基础原理视频编码技术的基础原理就是将视频信号转换为数字信号，然后通过压缩技术减小信号的数据量，最后进行传输和存储。
具体来说，视频编码技术通过以下几个步骤实现：1. 帧率转换。
将视频采样的连续图像转换成一系列的帧，通常每秒钟25-30帧。
2. 空间采样转换。
将视频中各个图像块采样成数字信号。
3. 量化。
将数字信号的精度减小，以达到压缩的目的。
4. 变换。
将视频信号变换至频域，以达到更好的数据压缩效果。
5. 熵编码。
利用数据编码的观念，减小视频数据的冗余程度。
二、视频编码技术的研究现状和应用1. H.264编码技术H.264编码技术是当前最流行的视频编码技术之一，它可以将原始视频信号的数据量减小80%以上，实现高清视频信号的压缩存储。
在视频传输领域，H.264码流的压缩比高，传输速率低，较好地解决了网络带宽不足的问题。
2. VP9编码技术VP9是一种开源的视频编码技术，它是Google开发的新一代视频编码格式。
与H.264相比，VP9解码更加快速，具有更好的图像质量和更小的文件大小，同时可以支持4K和8K超高清视频信号的传输。
3. 视频监控系统中的应用视频编码技术在现代视频监控系统中也起着至关重要的作用。
在视频监控系统中，采集到的视频信号需要经过编码和压缩，同时可以实现视频数据的存储和远程传输。
通常会使用H.264、H.265和VP9等编码格式。
4. 视频共享平台中的应用视频编码技术也广泛应用于各种视频共享平台，如YouTube、Netflix等。
在这些平台上，视频编码技术可以大大减小视频数据量，提高用户观看视频的体验。
同时，视频编码技术也可以支持视频的快速下载和在线播放。
基于DPCM预测编码的无损压缩算法1数据无损压缩技术特征遥感图像的存储格式为BIL（波段按行交叉）格式，按BIL格式存储的图像先存储第一个波段的第一行，接着是第二个波段的第一行，然后是第三个波段的第一行，交叉存取直到波段总数为止。
每个波段随后的行按照类似的方式交叉存取。
遥感图像的数据是以16位的整形数存储的，因为其低四位是无用信息，所以可以舍去低四位只取高12位，再进行后续操作。
2无损压缩算法——编码器无损压缩算法一般包括图像压缩预处理和压缩熵编码两个步骤。
2.1图像压缩预处理预处理就是在空间域尽可能对图像去相关，以提高压缩比，同时将图像数据变换映射成适于熵编码的数据源。
去相关的方法主要根据差分脉冲编码调制（DPCM）原理进行预测编码。
DPCM预测编码器输出的是当前的实际值与信号预测值之间的差值。
DPCM预测编码器系统的工作原理如图一所示。
图一：编码器图中Xt为输入信号在t时刻的取样值，预测器可以使用Xt的邻近像素值的函数。
DPCM预测编码的关键在于预测式的选择，只有设计针对大量图像数据普适性强的预测式，才能更好的进行去相关。
2.1.1JPEG无失真自适应预测器JPEG 无失真自适应预测器结合三邻域的像素值（A、B和C）来生成用X表示的像素的预测值Xi’（i=0,1,2,3,4,5,6）。
如图二所示。
图二：X为当前像素值，A、B、C为相对位置的像素值七个预测值分别为：1）X0’=A；2）X1’=B；3）X2’=C; 4）X3’=A+B-C;5）X4’=A+(B-C)/2; 6）X5’=B+(A-C)/2; 7）X6’=(A+B)/2。
所谓自适应,可以不固定预测系数，也可以不固定预测器，在多个预测器中自适应选择相对最优的一个，随图像的局部特性而有所变化。
在实际操作过程中，后者应用得较多。
这里利用JPEG预测来设计的自适应最佳预测式为：￡（x）=min(|X- X0’|,|X- X1’|,|X- X2’|,|X- X3’|,|X- X4’|,|X- X5’|,|X- X6’|) （1）但是这样每个像素就需要附加最佳预测信息，如上式，最佳预测信息需要用3bit表示。
差分脉冲编码调制一、概述差分脉冲编码调制（DPCM）是一种数字信号处理技术，用于将模拟信号或数字信号转换为数字脉冲序列。
它的基本原理是对输入信号进行预测并将预测误差编码为脉冲序列，从而实现信号的压缩和传输。
二、DPCM的工作原理1. 信号预测DPCM的第一步是对输入信号进行预测。
这个预测可以使用不同的算法，如线性预测、最小均方误差（MMSE）预测等。
在线性预测中，我们假设输入信号是由前面几个样本的线性组合得到的。
我们使用这些样本来计算一个线性系数，并将其应用于下一个样本以进行预测。
最小均方误差（MMSE）预测则尝试找到最小化平均误差的系数。
2. 预测误差编码在完成信号预测后，我们可以计算出当前样本与其预测值之间的误差。
这个误差就是所谓的“残差”或“残余”。
接下来，我们需要将这个残余量编码为数字脉冲序列。
最简单和最常见的方法是使用Delta Modulation（DM）。
在DM中，我们只考虑残差的符号，然后将其编码为1或0。
如果残差为正，则输出1；否则输出0。
3. 编码器和解码器DPCM系统由编码器和解码器两部分组成。
编码器将输入信号转换为数字脉冲序列，并将其发送到解码器进行恢复。
解码器使用相同的算法来预测信号，并计算出残差。
然后，它使用编码器发送的数字脉冲序列来重建原始信号。
三、DPCM的应用DPCM被广泛应用于音频和视频压缩、图像压缩、数据传输等领域。
例如，在音频压缩中，DPCM可以大大减少原始音频信号的数据量，从而降低存储和传输成本。
在视频压缩中，DPCM可以与其他技术（如运动估计）结合使用，以进一步提高压缩效率。
四、优点和缺点1. 优点（1）简单易实现：DPCM算法不需要太多的计算资源和存储空间。
（2）压缩效率高：通过预测信号并编码预测误差，可以大大减少数据量。
（3）抗噪声能力强：由于预测误差只是信号的一小部分，因此DPCM 对噪声有很强的鲁棒性。
2. 缺点（1）误差传播：由于预测误差会被编码并传输，因此如果一个样本的预测值出现错误，它将会影响所有后续样本的编码。
成绩评阅人中国矿业大学2015-2016学年第一学期《数字视频技术》课程小设计考核设计题目：图像的DPCM预测编码研究专业班级：学生姓名：学生学号：指导教师：成绩：本人郑重声明：本人认真、独立完成了查找资料、完成作业、编写程序等考核任务，无抄袭行为。
签字：日期：一、设计任务、目的和要求：1.1设计任务：DPCM预测编码1.2设计目的：1了解图像压缩的意义和手段；2熟悉DPCM预测编码的基本性质；3熟练掌握DPCM预测编码的方法与应用；4掌握利用MATLAB编程实现数字图像的DPCM预测编码。
1.3设计要求：查阅无损和有损DPCM预测编码资料，分别实现图像的一阶，二阶，三阶，四阶DPCM编码和解码恢复图像；实现无损和有损处理结果对比，处理结果要求最终图像显示，且计算压缩比。
二、总体方案设计2.1 DPCM原理：DPCM编码,简称差值编码，是对模拟信号幅度抽样的差值进行量化编码的调制方式(抽样差值的含义请参见“增量调制”)。
这种方式是用已经过去的抽样值来预测当前的抽样值，对它们的差值进行编码。
差值编码可以提高编码频率，这种技术已应用于模拟信号的数字通信之中。
对于有些信号(例如图像信号)由于信号的瞬时斜率比较大，很容易引起过载，因此，不能用简单增量调制进行编码，除此之外，这类信号也没有像话音信号那种音节特性，因而也不能采用像音节压扩那样的方法，只能采用瞬时压扩的方法。
但瞬时压扩实现起来比较困难，因此，对于这类瞬时斜率比较大的信号，通常采用一种综合了增量调制和脉冲编码调制两者特点的调制方法进行编码，这种编码方式被简称为脉码增量调制，或称差值脉码调制，用DPCM表示。
2.2 运行环境本次课程小设计使用的软件平台为MATLAB2014a。
2.3 编码算法原理及流程图DPCM 有损编、解码原理图系统包括，发送、接收和信道传输三个部分。
发送端由编码器、量化器、预测器和加／减法器组成；接收端包括解码器和预测器等；信道传送以虚线表示。
由图可见DPCM 系统具有结构简单，容易用硬件实现（接收端的预测器和发送端的预测器完全相同）的优点。
图中输入信号f(i,j)是坐标为(,)i j 像素点的实际灰度值， (,)f i j 是由已出现先前相邻像素点的灰度值对该像素点的预测灰度值。
e i j (,) 是预测误差。
假如发送端不带量化器，直接对预测误差e i j (,) 进行编码、传送，接收端可以无误差地恢复f i j (,) 。
这是可逆的无失真的DPCM 编码，是信息保持编码；但是，如果包含量化器，这时编码器对'e i j (,) 编码，量化器导致了不可逆的信息损失，这时接收端，经解码恢复出的灰度信号，不是真正的f i j (,) ，以'f i j (,) 表示这时的输出。
可见引入量化器会引起一定程度的信息损失，使图像质量受损。
但是，为了压缩比特数，利用人眼的视觉特性，对图像信息丢失不易觉察的特点，带有量化器有失真的DPCM 编码系统还是普遍被采用。
其中无损编码与有损编码的区别在于是否被量化。
预测误差不被量化，直接被编码传送的是无损量化，预测误差被量化，再经编码传量化器预测器预测器编码器解码器f(i,j)e(i,j)e'(i,j)(i,j)f'(i,j)f(i,j)^e'(i,j)f'(i,j)f(i,j)^输入输出信道传输f ^送的是有损编码。
三、设计与实现Matlab程序如下：%一阶/二阶/三阶/四阶预测的区别不仅在于信号的清晰度,而更重要在于%阶数越高,图像越光滑.clcclearclose all;%从D盘导入图片,以学校风光图片为例实现DPCMI03=imread('cumt.jpg');%把RGB图像转化为灰度图像I02=rgb2gray(I03);I=double(I02);fid1=fopen('mydata1.dat','w');fid2=fopen('mydata2.dat','w');fid3=fopen('mydata3.dat','w');fid4=fopen('mydata4.dat','w');[m,n]=size(I);%对预测信号将边缘锁定,防止程序运行时抓不到数据J1=ones(m,n);J1(1:m,1)=I(1:m,1);J1(1,1:n)=I(1,1:n);J1(1:m,n)=I(1:m,n);J1(m,1:n)=I(m,1:n);J2=ones(m,n);J2(1:m,1)=I(1:m,1);J2(1,1:n)=I(1,1:n);J2(1:m,n)=I(1:m,n);J2(m,1:n)=I(m,1:n);J3=ones(m,n);J3(1:m,1)=I(1:m,1);J3(1,1:n)=I(1,1:n);J3(1:m,n)=I(1:m,n);J3(m,1:n)=I(m,1:n);J4=ones(m,n);J4(1:m,1)=I(1:m,1);J4(1,1:n)=I(1,1:n);J4(1:m,n)=I(1:m,n);J4(m,1:n)=I(m,1:n);%一阶DPCM编码for k=2:m-1for l=2:n-1J1(k,l)=I(k,l)-I(k,l-1);endendJ1=round(J1);cont1=fwrite(fid1,J1,'int8');cc1=fclose(fid1);%二阶DPCM编码for k=2:m-1for l=2:n-1J2(k,l)=I(k,l)-(I(k,l-1)/2+I(k-1,l)/2);endendJ2=round(J2);cont2=fwrite(fid2,J2,'int8');cc2=fclose(fid2);%三阶DPCM编码for k=2:m-1for l=2:n-1J3(k,l)=I(k,l)-(I(k,l-1)*(4/7)+I(k-1,l)*(2/7)+I(k-1,l-1)*(1/7));endendJ3=round(J3);cont3=fwrite(fid3,J3,'int8');cc3=fclose(fid3);%四阶DPCM编码for k=2:m-1for l=2:n-1J4(k,l)=I(k,l)-(I(k,l-1)/2+I(k-1,l)/4+I(k-1,l-1)/8+I(k-1,l+1)/8);endendJ4=round(J4);cont4=fwrite(fid4,J4,'int8');cc4=fclose(fid4);figure(1)subplot(2,2,1);imshow(J1); %一阶绝对残差图像axis offbox offtitle('一阶绝对残差图像');subplot(2,2,2);imshow(J2); %二阶绝对残差图像axis offbox offtitle('二阶绝对残差图像');subplot(2,2,3);imshow(J3); %三阶绝对残差图像axis offbox offtitle('三阶绝对残差图像');subplot(2,2,4);imshow(J4); %四阶绝对残差图像axis offbox offtitle('四阶绝对残差图像');%==================================================================== %以上是DPCM编码的编码过程,为了使程序具有连贯性,将编码和解码放在同一个M文件目录下%==================================================================== %以下是DPCM解码fid1=fopen('mydata1.dat','r');fid2=fopen('mydata2.dat','r');fid3=fopen('mydata3.dat','r');fid4=fopen('mydata4.dat','r');I11=fread(fid1,cont1,'int8');I12=fread(fid2,cont2,'int8');I13=fread(fid3,cont3,'int8');I14=fread(fid4,cont4,'int8');tt=1;for l=1:nfor k=1:mI1(k,l)=I11(tt);tt=tt+1;endendtt=1;for l=1:nfor k=1:mI2(k,l)=I12(tt);tt=tt+1;endendtt=1;for l=1:nfor k=1:mI3(k,l)=I13(tt); tt=tt+1;endendtt=1;for l=1:nfor k=1:mI4(k,l)=I14(tt); tt=tt+1;endendI1=double(I1);I2=double(I2);I3=double(I3);I4=double(I4);J1=ones(m,n);J1(1:m,1)=I1(1:m,1);J1(1,1:n)=I1(1,1:n);J1(1:m,n)=I1(1:m,n);J1(m,1:n)=I1(m,1:n);J2=ones(m,n);J2(1:m,1)=I2(1:m,1);J2(1,1:n)=I2(1,1:n);J2(1:m,n)=I2(1:m,n);J2(m,1:n)=I2(m,1:n);J3=ones(m,n);J3(1:m,1)=I3(1:m,1);J3(1,1:n)=I3(1,1:n);J3(1:m,n)=I3(1:m,n);J3(m,1:n)=I3(m,1:n);J4=ones(m,n);J4(1:m,1)=I4(1:m,1);J4(1,1:n)=I4(1,1:n);J4(1:m,n)=I4(1:m,n);J4(m,1:n)=I4(m,1:n);%一阶解码for k=2:m-1for l=2:n-1J1(k,l)=I1(k,l)+J1(k,l-1);endendcc1=fclose(fid1);J1=uint8(J1);%二阶解码for k=2:m-1for l=2:n-1J2(k,l)=I2(k,l)+(J2(k,l-1)/2+J2(k-1,l)/2);endendcc2=fclose(fid2);J2=uint8(J2);%三阶解码for k=2:m-1for l=2:n-1J3(k,l)=I3(k,l)+(J3(k,l-1)*(4/7)+J3(k-1,l)*(2/7)+J3(k-1,l-1)*(1/7));endendcc3=fclose(fid3);J3=uint8(J3);%四阶解码for k=2:m-1for l=2:n-1J4(k,l)=I4(k,l)+(J4(k,l-1)/2+J4(k-1,l)/4+J4(k-1,l-1)/8+J4(k-1,l+1)/8) ;endendcc4=fclose(fid4);J4=uint8(J4);for k=1:mfor l=1:nd1(k,l)=round(I(k,l)-J1(k,l));endendfor k=1:mfor l=1:nd2(k,l)=round(I(k,l)-J2(k,l));endendfor k=1:mfor l=1:nd3(k,l)=round(I(k,l)-J3(k,l));endendfor k=1:mfor l=1:nd4(k,l)=round(I(k,l)-J4(k,l));endendfigure(1)subplot(2,2,1);imshow(d1); %一阶图像重建后误差axis offbox offtitle('一阶图像重建后误差');subplot(2,2,2);imshow(d2); %二阶图像重建后误差axis offbox offtitle('二阶图像重建后误差');subplot(2,2,3);imshow(d3); %三阶图像重建后误差axis offbox offtitle('三阶图像重建后误差');subplot(2,2,4);imshow(d4); %四阶图像重建后误差axis offbox offtitle('四阶图像重建后误差');%分区画图figure(2)subplot(3,2,1);imshow(I03);%隐藏坐标轴和边框，以免坐标轴与标题重叠axis offbox offtitle('原始图像','fontsize',11,'fontname','隶体');subplot(3,2,2);imshow(I02);axis offbox offtitle('灰度图像','fontsize',11,'fontname','隶体');subplot(3,2,3);imshow(J1);axis offbox offtitle('一阶预测','fontsize',11,'fontname','隶体');subplot(3,2,4);imshow(J2);axis offbox offtitle('二阶预测','fontsize',11,'fontname','隶体');subplot(3,2,5);imshow(J3);axis offbox offtitle('三阶预测','fontsize',11,'fontname','隶体');subplot(3,2,6);imshow(J4);axis offbox offtitle('四阶预测','fontsize',11,'fontname','隶体');四、测试与调试为了使程序具有连贯性,将编码和解码放在同一个M文件目录下。
