预测编码（Predictive Coding）是统计冗余数据压缩理论的三个重要分支之一，它的理论基础是现代统计学和控制论。预测编码主要是减少了数据在时间和空间上的相关性，因而对于时间序列数据有着广泛的应用价值。
　　它的基本思想是这样的：建立一个模型，这个模型利用以往的样本数据，对下一个新的样本值进行预测，将预测所得的值与实际值相减得到一个差值，再对该差值进行编码。由于差值很小，可以减少编码的码位。实现压缩。

　　也就是说先建立一个模型，在编码端（发送端）按此模型计算预测值并求出预测值和实际值之差，再将"差"编码，通过信道将"差"的编码传送给接收端，接受端也有一个与发送端一致的模型，按此模型解码。
　　例如以图像数据压缩为例，预测编码方法是从相邻象素之间有很强的相关性特点考虑的。比如当前像素的灰度或颜色信号，数值上与其相邻像素总是比较接近，除非处于边界状态。那么，当前像素的灰度或颜色信号的数值，可用前面已出现的像素的值，进行预测（估计），得到一个预测值（估计值），将实际值与预测值求差，对这个差值信号进行编码、传送。
　　预测编码方法分为线性预测和非线性预测编码。

　　线性预测编码方法，也称差值脉冲编码调制法，简称DPCM(Differention Pulse Code Modulation)。下面一起学习DPCM--差值脉冲编码调制法的基本原理。

　　一幅二维静止图像，设空间坐标像素点的实际灰度为，是根据以前已出现的像素点的灰度对该点的预测灰度，也称预测值或估计值。

　　实际值和预测值之间的差值，以下式表示，

　　将差值定义为预测误差，由于图像像素之间有极强的相关性，所以这个预测误差是很小的。编码时，不是对像素点的实际灰度进行编码，而是对预测误差信号进行量化、编码、发送，由此而得名为差值脉冲编码调制法，简写DPCM。

　　DPCM编、解码系统由以下三部分组成。它包括发送、接收和信道传输三部分。
　　第一部分发送端（绿框部分动态显示）由编码器、量化器组成；第二部分接收端（黄框部分动态显示）包括解码器和预测器等，第三部分是信道传送（红框部分动态显示） DPCM系统的组成归纳如下：

　　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。
　　图中输入信号是坐标为像素点的实际灰度值，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。 是预测误差。假如发送端不带量化器，直接对预测误差进行编码、传送，接收端可以无误差地恢复。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，以表示这时的输出。
　　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。
　　量化器是如何设计的？如何能作到最佳线性预测呢？让我们一起来学习"最佳线性预测"

　　预测器的设计关键是预测系数。预测系数为多少时？才能得到期望的值--预测值接近实际值。

　　前面叙述的DPCM系统,是预测系数和量化器参数一次设计好后，整幅图都用这套参数，不再改变。但是在图像平坦区和边缘处要求量化器的输出差别很大，否则会导致图像出现令人讨厌的噪声 。下面将简要介绍一下关于自适应DPCM系统，即ADPCM（Adaptive DPCM）系统。