周恰恰1. 左向DPCM预测机制与噪声敏感性的本质分析
在图像压缩领域，差分脉冲编码调制（DPCM）是最基础的预测编码技术之一。左向DPCM作为其最简单实现形式，其核心预测公式为：
math复制Pred(x,y) = Pixel(x-1,y)
这个看似简单的公式背后，实际上建立在对图像空间相关性的强假设之上——同一扫描行上的相邻像素具有高度相似性。这种假设在理想条件下成立，但在实际工程应用中，特别是低照度高噪声场景，系统会遭遇严峻挑战。
1.1 噪声对空间相关性的破坏机制
当图像传感器在低照度条件下工作时，光子 shot noise 和读出电路噪声会显著增强。这些噪声分量具有以下关键特性：
- 空间不相关性：噪声值在相邻像素间独立随机分布
- 高频特性：表现为像素值的快速随机波动
- 幅值非线性：噪声强度随信号电平变化
以典型的8bit图像数据为例，在正常光照的平坦区域，像素值序列可能呈现：
code复制120, 121, 120, 121, 120 (相邻差值±1)
而加入3dB高斯噪声后，同样区域可能变为：
code复制118, 123, 117, 124, 119 (相邻差值±3~±8)
这种噪声导致的像素值波动会直接破坏左向DPCM依赖的空间相关性，使残差信号的动态范围扩大3-8倍。在编码端，这意味着必须增加2-3个bit位宽来容纳这些突发残差，导致压缩效率断崖式下跌。
关键发现：噪声环境下，左向DPCM的残差熵会从理论最优的1-2bit/像素暴增至4-6bit/像素，完全丧失压缩优势。
1.2 单点预测的结构性缺陷
左向DPCM的另一个根本弱点是其单点预测机制。在存在脉冲噪声（如热像素噪声）的情况下：
code复制120, 110(噪声尖峰), 121, 120, 119
预测过程会产生灾难性误差：
code复制Pred(2) = 110
Residual(2) = 121-110 = 11 (需要5bit表示)
相比之下，无噪声时残差通常只需1-2bit表示。这种噪声放大效应在工程上会导致：
- 码率控制失稳
- 量化表失效
- 帧间预测误差累积
1.3 残差统计特性的恶化
理想DPCM的残差应服从拉普拉斯分布，其概率密度函数为：
math复制p(