DPCM：差分脉冲编码，其关键是预测。
预测的基本原理：利用信源符号之间的相关性，用当前样值以前的若干个样值线性组合作为当前样值的预测值。当仅适用前一样值且预测系数为1时，则为DPCM。若样本序列在时间上有较强的相关性，并且预测阶数和量化比特数选择的足够好，则误差信号的幅度将远远小于原始信号，从而得到较好的压缩。 原理框图：
m(k)—输入抽样信号 m’ (k)—预测抽样信号 e(k) —输入信号与预测信号的差值，e(k)= m(k)-m’ (k) eq(k)—量化后的预测信号差值 m~(k)—重建信号， m~(k)=eq(k)+m’ (k)
实验中的主要误差来源于量化。且编码器中嵌套了一个解码器。
代码实现：
变量定义：
unsigned char* pBuf = NULL;//存储重建图像值 unsigned char* eBuf_p = NULL;//存储量化后的差值 int eBuf ;//存储差值
开辟内存：
pBuf = (unsigned char*)malloc(frameWidth * frameHeight); eBuf_p =(unsigned char*)malloc(frameWidth * frameHeight);
一阶（8比特量化）：
for( int j=0;j<frameHeight;j++)//j：行 {//对第一列的像素单独操作 eBuf=yBuf[j*frameWidth]-128; eBuf_p[j*frameWidth]=(eBuf+255)/2; yBuf[j*frameWidth]=128+(eBuf_p[j*frameWidth]-127)*2; pBuf[frameWidth*j]=128+(eBuf_p[frameWidth*j]-127)*2 ; for(i=1+j*frameWidth;i<frameWidth*(j+1);i++)//每次对一行内的像素做预测。以行为周期循环。 {//i:列，从每一行的第二个像素值开始 eBuf=yBuf[i]-yBuf[i-1]; eBuf_p[i]=(eBuf+255)/2;//预测误差的量化值 yBuf[i] = (eBuf_p[i]-127)*2+yBuf[i-1];//预测值 pBuf[i] = (eBuf_p[i]-127)*2+pBuf[i-1];//重建值 }// }由于第一列的像素无参考重建值，故将其参考值固定地设为128。eBuf表示待预测的样本与预测值的差值，取值有正有负，在-255~255之间，预测误差的量化值要限定在0~255范围内，故需要将其映射成正数，再进行量化。本次实验直接将前一样本的重建值作为待预测样本的预测值。
8bit量化：量化级数为256。将映射成的正数除以2即得量化值。4比特量化时，要将中的127 变为255/32(下取整)，此时一共有16个量化级。
一阶，预测系数为0.95：
for( int j=0;j<frameHeight;j++)//j：行 {//对第一列的像素单独操作 eBuf=yBuf[j*frameWidth]-128; eBuf_p[j*frameWidth]=(eBuf+255)/2; yBuf[j*frameWidth]=128+(eBuf_p[j*frameWidth]-255/2)*2; pBuf[frameWidth*j] = (eBuf_p[frameWidth*j] - 255 /2)*2 + 128; for(i=1+j*frameWidth;i<frameWidth*(j+1);i++) {//i:列 从每行的第二个元素开始 eBuf=yBuf[i]-0.95*yBuf[i-1]; eBuf_p[i]=(eBuf+255)/2;//预测误差的量化值 yBuf[i] = (eBuf_p[i] - 127)*2 + 0.95*yBuf[i-1]; pBuf[i] = (eBuf_p[i] - 127)*2 + 0.95*pBuf[i-1]; }// }二阶：
for( int j=1;j<frameHeight;j++)//j：行 { eBuf=yBuf[j*frameWidth]-128; eBuf_p[j*frameWidth]=(eBuf+255)/2; yBuf[j*frameWidth]=128+(eBuf_p[j*frameWidth]-127)*2; pBuf[frameWidth*j] = (eBuf_p[frameWidth*j] - 127)*2 + 128; for(i=1;i<frameWidth;i++) {//i:列 eBuf=yBuf[i+j*frameWidth]-0.5*yBuf[i+j*frameWidth-1]-0.25*yBuf[i+(j-1)*frameWidth]-0.25*yBuf[i+1+(j-1)*frameWidth]; eBuf_p[i+j*frameWidth]=(eBuf+255)/2;//预测误差的量化值 yBuf[i+j*frameWidth] = (eBuf_p[i+j*frameWidth] - 127)*2 + 0.5*yBuf[i+j*frameWidth-1]+0.25*yBuf[i+(j-1)*frameWidth]+0.25*yBuf[i+1+(j-1)*frameWidth]; pBuf[i+j*frameWidth] = (eBuf_p[i+j*frameWidth] - 127)*2 + 0.5*pBuf[i+j*frameWidth-1]+0.25*pBuf[i+(j-1)*frameWidth]+0.25*pBuf[i+1+(j-1)*frameWidth]; }// }
系数不同：
（从上到下，依次为：8比特预测系数1，8比特预测系数0.95,8比特量化二阶）
量化比特数不同：
（量化比特数依次为：8,4,1）
位深度为8的测试文件：
（量化比特数为8，预测系数依次为：1,0.95,二阶（0.5,0.25,0.25））
阶数对比：
量化比特数依次为：8比特,4比特,1比特
重建后的图像：
对原图像和预测误差图像进行huffman编码，结果对比：
直方图分布：
Bird文件：
实验结论：
预测阶数为2阶时，对预测误差图像编码所需码长较短，但重建图像与原图像在部分区域出现较大误差。
量化比特数越小，对预测误差文件编码需要的码长较短，但重建图像与原图像的误差变大。图像位深度较小时，无法准确重建图像。
