预测编码及其运用场景简介

预测编码是通过减小图像信号在时间上和空间上的相关性来进行数据压缩的，其基本原理是利用邻近像素之间存在的相关性，将某一个像素点的灰度值用与它相邻近的像素点的灰度值来估计，并把估计值与实际值之差作为样本进行编码。如果这个差值即预测误差，不被量化而直接编码传送，这就是无失真预测编码。如果允许压缩过程中，存在客观信息损失（在保证传输质量的前提下），则可以进一步利用人的主观视觉特性，对预测误差量化后再编码传送，这就是限失真预测编码。

在预测编码中，如果能够准确地预测作为时间函数的数据源的下一个输出将是什么，或者数据源可以准确地被一个数学模型表示，输出数据总是和模型的输出保持一致，则可以准确地预测数据。然而，实际信号源是不可能满足这两个条件的。另外，从信息论观点来看，能够完全被预测（即预测误差为0）的信号是不带任何信息的，因而不需要传送。所以，在预测编码中需要用预测器来预测下一个样值，允许它有某些误差。

预测器通常设计成用前面的几个样值来预测下一样值，而不是利用整个数据信源模型，这是因为模型太复杂，且是时变的，在大多数情况下预测几乎不可能实现。预测可以是线性预测或非线性预测。线性预测是假设图像信号是平稳的随机过程，各预测参数均固定不变。但是实际图像信号内容是千变万化的，是非平稳的信息源。应使预测系数随像素所在的局部区域的不同而发生变化，即采用自适应的预测方法。自适应预测也称非线性预测，其基本原理是，定期更新预测器的预测参数，使之自适应地与图像特征相匹配，以获得更好的预测效果。

在自适应预测中，为了减少计算量，预测参数仍采用固定的，但有多组预测参数可供选择，这些预测参数根据常见的信源特征求得。编码时具体采用哪组预测参数需根据信源的特性来自适应地确定。为了自适应地选择最佳参数，通常将信源数据分区间编码，编码时自动地选择一组预测参数，使该区间实际值与预测值的均方误差最小。随着编码区间的不同，预测参数自适应地变化，以达到准最佳预测。例如，预测误差的大小通常能反映图像信号的相关性，将图像分为亮度变化平坦和边缘或细节较多等不同的区域。在亮度变化平坦区，相关性强，预测误差小；在边缘或细节较多的区域，相关性弱，预测误差较大。因此可以根据预测误差处于某一个门限值范围内进行分类，并控制可变编码器的参数使其与相应的信源统计特性相匹配。以此来减小预测误差，提高预测精度，进一步提高压缩比。

预测编码可以在一幅图像内进行（称为帧内预测编码），也可以在图像序列之间进行（称为帧间预测编码）。预测编码是根据图像数据的空间和时间相关性，用相邻的已知像素（或图像块）来预测当前像素（或图像块）得到预测值，然后把当前像素（或图像块）减去预测值得到一个差值信号，再对该差值信号进行量化和编码。这些相邻像素或图像块可以是同行的，也可以是前几行或前几帧的，相应的预测分别称为一维、二维和三维预测，其中一维和二维预测是帧内预测，三维预测属于帧间预测。

帧内预测编码一般采用像素预测形式的差值脉冲编码调制（DPCM），其优点是算法简单，易于用硬件实现。缺点是对信道噪声及误码很敏感，会产生误码扩散，使得图像质量下降。帧内的DPCM编码压缩比很低，现在很少单独使用，一般要结合其他编码方法综合使用。

帧间预测编码主要利用视频序列相邻帧间的相关性，即图像数据的时间相关性来达到压缩的目的，可以获得比帧内预测编码高得多的压缩比。帧间预测一般是针对图像块的预测编码。主要的帧间预测编码方法有帧重复法、帧内插法、运动补偿法、自适应交替帧内/帧间编码法等。其中运动补偿预测编码效果最好，已被各种视频编码标准所采用。(www.xing528.com)

运动补偿预测编码适用于所有的帧间编码，对于去除视频序列中两帧之间的时间冗余非常有效。运动补偿的基本方法是：在当前帧中以块（如8×8或16×16像素块）为单位，在该帧的前帧和后帧（称为参考帧）中某一区域查找该块的匹配块，然后计算该块与其匹配块的亮度值之差，得到差值信号。另外还需计算出该块的运动矢量（X，Y），X、Y的值表示该块向上（或向下）、向左（或向右）分别经过X和Y单位的平移后与匹配块在帧中的位置相同。差值信号和运动矢量合起来就能表示编码块与其匹配块之间的偏差，这种偏差也称做预测误差。

一般运动补偿预测可分为以下三种类型：

1）单向运动补偿预测：只使用前参考帧和后参考帧中的一个来进行预测。

2）双向运动补偿预测：前参考帧和后参考帧都被用来计算各块的运动矢量。最后只选用与具有最小匹配误差的参考帧有关的运动矢量。

3）插值运动补偿预测：取前参考帧和后参考帧预测值两者的平均值。显然，必须分别存储或传送这两个运动矢量。

运动补偿预测编码方法的主要缺点在于对图像序列不同的区域，预测性能不一样，特别是在发生剧烈运动的区域，预测效果很差，而且为了降低预测算法的运算复杂度和提高预测精度，一般要对图像进行分块后再预测，会造成分块边缘的不连续。