CN108846873A - 一种基于灰度概率的医学图像无损压缩方法 - Google Patents
一种基于灰度概率的医学图像无损压缩方法 Download PDFInfo
- Publication number
- CN108846873A CN108846873A CN201810645859.6A CN201810645859A CN108846873A CN 108846873 A CN108846873 A CN 108846873A CN 201810645859 A CN201810645859 A CN 201810645859A CN 108846873 A CN108846873 A CN 108846873A
- Authority
- CN
- China
- Prior art keywords
- image
- matrix
- gray
- probability
- difference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/005—Statistical coding, e.g. Huffman, run length coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/40—Tree coding, e.g. quadtree, octree
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/96—Tree coding, e.g. quad-tree coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种基于灰度概率的医学图像无损压缩方法,包括图像编码和图像解码两个过程;编码过程是对医学图像的灰度矩阵I进行差分计算,得到差分图像I1和符号矩阵S,然后计算差分图像I1的灰度概率,再利用Huffman树对差分图像I1进行编码,得到差分图像I1对应码字表Code;图像解码是对编码过程得到的码字表Code进行Huffman解码,得到差分图像I2;对解码的数据结合编码过程的符号矩阵S进行反差分,得到原始图像。该可以无损的压缩医学图像和较高的图像压缩比,便于图像节约医学图像数据存储空间和提高医学图像网络传输效率。
Description
技术领域
本发明涉及图像压缩技术领域,具体是一种基于灰度概率的医学图像无损压缩方法。
背景技术
随着现代科学技术的发展,医院中的医学检测手段越来越多,所产生的医学图像数据也随之增加。特别是在医院放射科,CT、MRI等检查数据量较大。这不仅增大了医院对医学图像的存储成本,同时也限制了医学图像的网络传输,还限制了移动医疗和远程医疗的发展。由于医学图像中包括了医学信息,有些医学信息是比较微弱的。但由于有损图像压缩方法对原始图像造成一定的损失和失真,这给医生对疾病的诊断带来了困扰。如何更有效的利用存储空间以减低存储成本,以及如何更有效的传输是一个关键性的问题。目前的图像压缩技术可分为两类:有损压缩和无损压缩。大多数图像压缩都使用有损图像压缩技术,例如JPEC、小波变换编码等,但是,在诸如医学图像、卫星遥感、地理图像等应用领域中仍需无损压缩。图像压缩技术不仅要可以以一定的倍数压缩图像的大小,还要可以获得与原图像一样的图像,无损压缩仅仅删除图像数据中的冗余信息,因此在压缩时能精确的还原图像。
发明内容
本发明的目的在于克服现有技术的不足,而提供一种基于灰度概率的医学图像无损压缩方法,该方法可以大幅度减少编码端编码数据,提高图像传输的速度和减少存储空间等,从而提高工作效率。
实现本发明目的的技术方案是:
一种基于灰度概率的医学图像无损压缩方法,包括图像编码和图像解码两个过程,
所述编码过程,具体包括如下步骤:
1)对医学图像的灰度矩阵I进行差分计算,得到差分图像I1和符号矩阵S;
2)计算步骤1)得到的差分图像I1的灰度概率,具体是计算差分图像I1中各灰度出现的次数再除以总次数,得到每个灰度的概率;
3)利用最优二叉树(Huffman树)对差分图像I1进行编码,得到差分图像I1对应码字表Code;
所述图像解码过程,具体包括如下步骤:
A)对编码过程得到的码字表Code进行Huffman解码,得到差分图像I2;
B)对解码的数据结合编码过程步骤1)得到的符号矩阵S进行反差分,得到原始图像。
步骤1)中,具体是新建一个在灰度矩阵I第一列前添加一列数据为0的矩阵I0用于差分计算,新建三个零矩阵Tem、I1和S大小与I相等,对原图像进行Tem(i,j)=I0(i,j+1)-I0(i,j)计算赋给新建的临时矩阵Tem,然后取Tem的绝对值得差分矩阵I1(即差分图像),取Tem的符号(即大于等于0的为0,小于0的为1)得符号矩阵S。
步骤3)中,具体是利用差分图像I1中各灰度的概率构建最优二叉树(Huffman树)进行编码,其具体步骤如下:
3-1)构建Huffman树
3-1-1)将所有灰度的概率从小到大排序;
3-1-2)将两个最小概率作为叶子结点,值加起来合并成一个根结点,合并时将概率大的结点作为合并后结点的左孩子,概率小的作为合并后结点的右孩子;
3-1-3)将合并后的概率,与剩余的概率重新排队,重复步骤3-1-2);
3-1-4)重复步骤3-1-3),直到只剩下最后1个概率为止;
3-2)编码
从根结点开始反向分配码字,对左子树分配代码‘0’,右子树分配代码‘1’,一直到达叶子为止,然后从树根沿每条路径到达叶子结点的代码排列起来,得到每个灰度所对应的哈夫曼编码,然后构成压缩矩阵。
所述步骤A),具体包括如下步骤:
A-1)从压缩矩阵中读取编码,从根结点出发逐个读入编码中的二进制代码;
A-2)若代码为0,则走向左孩子,否则走向右孩子;
A-3)当到达叶子结点,译出代码所对应的灰度值;
A-4)继续读取编码从根节点开始出发,进行A-2)、A-3)步骤,直到压缩矩阵中所有编码的二进制代码都译一遍,得到与差分图像的灰度矩阵I1相同的矩阵I2。
所述步骤B),是由解码数据I2和符号矩阵S反差分得到原图像Im,具体是:由解码得到的矩阵I2,新建俩个大小与I2相同的零矩阵Tem和Im,根据符号矩阵S和I2得到带正负与Tem相同的临时矩阵Tem1,然后Im的每一项都等于Tem1所有前项之和,即用Im(i,j)=Tem1(i,j)+Im(i,j-1)遍历一遍Tem1就得到与原始图像一样的图像Im。
本发明提供的一种基于灰度概率的医学图像无损压缩方法,是利用差分计算缩短图像的灰度长度范围来减少需要编码的灰度长度,进行Huffman编码,这样的压缩方法可以无损的压缩医学图像和较高的图像压缩比,便于图像节约医学图像数据存储空间和提高医学图像网络传输效率。
附图说明
图1为本发明的一种基于灰度概率的医学图像无损压缩方法流程图;
图2为本发明实施例中差分与反差分示例图;
图3为本发明实施例中差分矩阵I1的编码示例图。
具体实施方式
下面结合附图和实施例对本发明做进一步阐释,但不是对本发明的限定。
实施例:
如图1所示,一种基于灰度概率的医学图像无损压缩方法,包括图像编码和图像解码两个过程,
所述编码过程,具体包括如下步骤:
1)对医学图像的灰度矩阵I进行差分计算,得到差分图像I1和符号矩阵S;
2)计算步骤1)得到的差分图像I1的灰度概率,具体是计算差分图像I1中各灰度出现的次数再除以总次数,得到每个灰度的概率;
3)利用最优二叉树(Huffman树)对差分图像I1进行编码,得到差分图像I1的码字表Code;
所述图像解码过程,具体包括如下步骤:
A)对编码过程得到的码字表Code进行Huffman解码,得到差分图像I2;
B)对解码的数据结合编码过程步骤1)得到的符号矩阵S进行反差分,得到原始图像。
步骤1)中,用如图2差分与反差分示例图所示的方法进行差分计算,具体是新建一个在灰度矩阵I第一列前添加一列数据为0的矩阵I0用于差分计算,新建三个零矩阵Tem、I1和S大小与I相等,对原图像进行Tem(i,j)=I0(i,j+1)-I0(i,j)计算赋给新建的临时矩阵Tem,然后取Tem的绝对值得差分矩阵I1(即差分图像),取Tem的符号(即大于等于0的为0,小于0的为1)得符号矩阵S。
步骤3)中,具体是利用差分图像I1中各灰度的概率构建最优二叉树(Huffman树)进行编码,根据图2中的差分矩阵I1进行编码举例,结果如图3所示,其具体步骤如下:
3-1)构建Huffman树
3-1-1)将所有灰度的概率从小到大排序;
3-1-2)将两个最小概率作为叶子结点,值加起来合并成一个根结点,合并时将概率大的结点作为合并后结点的左孩子,概率小的作为合并后结点的右孩子;
3-1-3)将合并后的概率,与剩余的概率重新排队,重复步骤3-1-2);
3-1-4)重复步骤3-1-3),直到只剩下最后1个概率为止;
3-2)编码
从根结点开始反向分配码字,对左子树分配代码‘0’,右子树分配代码‘1’,一直到达叶子为止,然后从树根沿每条路径到达叶子结点的代码排列起来,得到每个灰度所对应的哈夫曼编码,然后构成压缩矩阵(即码字表Code)。
图3显示了一个对差分矩阵进行编码的案例,经过Huffman编码后,得到如下码字表:
所述步骤A),具体包括如下步骤:
A-1)从压缩矩阵中读取编码,从根结点出发逐个读入编码中的二进制代码;
A-2)若代码为0,则走向左孩子,否则走向右孩子;
A-3)当到达叶子结点,译出代码所对应的灰度值;
A-4)继续读取编码从根节点开始出发,进行A-2)、A-3)步骤,直到压缩矩阵中所有编码的二进制代码都译一遍,得到与差分图像的灰度矩阵I1相同的矩阵I2。
所述步骤B),是由解码数据I2和符号矩阵S反差分得到原图像Im,具体是:由解码得到的矩阵I2,新建两个大小与I2相同的零矩阵Tem和Im,根据符号矩阵S和I2得到带正负与Tem相同的临时矩阵Tem1,然后Im的每一项都等于Tem1所有前项之和,即用Im(i,j)=Tem1(i,j)+Im(i,j-1)遍历一遍Tem1就得到与原始图像一样的图像Im。
Claims (5)
1.一种基于灰度概率的医学图像无损压缩方法,包括图像编码和图像解码两个过程,其特征在于,
所述编码过程,具体包括如下步骤:
1)对医学图像的灰度矩阵I进行差分计算,得到差分图像I1和符号矩阵S;
2)计算步骤1)得到的差分图像I1的灰度概率,具体是计算差分图像I1中各灰度出现的次数再除以总次数,得到每个灰度的概率 ;
3)利用Huffman树对差分图像I1进行编码,得到差分图像I1对应码字表Code;
所述图像解码过程,具体包括如下步骤:
A)对编码过程得到的码字表Code进行Huffman解码,得到差分图像I2;
B)对解码的数据结合编码过程步骤1)得到的符号矩阵S进行反差分,得到原始图像。
2.根据权利要求1所述的一种基于灰度概率的医学图像无损压缩方法,其特征在于,所述步骤1),具体是新建一个在灰度矩阵I第一列前添加一列数据为0的矩阵I0用于差分计算,新建三个零矩阵Tem、I1和S大小与I相等,对原图像进行Tem(i,j)=I0(i,j+1)-I0(i,j)计算赋给新建的临时矩阵Tem,然后取Tem的绝对值得差分矩阵I1,取Tem的符号,得符号矩阵S。
3. 根据权利要求1所述的一种基于灰度概率的医学图像无损压缩方法,其特征在于,步骤3)中,具体是利用差分图像I1中各灰度的概率构建Huffman树进行编码,其具体步骤如下:
3-1)构建Huffman树
3-1-1)将所有灰度的概率从小到大排序;
3-1-2)将两个最小概率作为叶子结点,值加起来合并成一个根结点,合并时将概率大的结点作为合并后结点的左孩子,概率小的作为合并后结点的右孩子;
3-1-3)将合并后的概率,与剩余的概率重新排队,重复步骤3-1-2);
3-1-4)重复步骤3-1-3),直到只剩下最后1个概率为止;
3-2)编码
从根结点开始反向分配码字,对左子树分配代码‘0’,右子树分配代码‘1’,一直到达叶子为止,然后从树根沿每条路径到达叶子结点的代码排列起来,得到每个灰度所对应的哈夫曼编码,然后构成压缩矩阵。
4.根据权利要求1所述的一种基于灰度概率的医学图像无损压缩方法,其特征在于,所述步骤A),具体包括如下步骤:
A-1)从压缩矩阵中读取编码,从根结点出发逐个读入编码中的二进制代码;
A-2)若代码为0,则走向左孩子,否则走向右孩子;
A-3)当到达叶子结点,译出代码所对应的灰度值;
A-4)继续读取编码从根节点开始出发,进行A-2)、A-3)步骤,直到压缩矩阵中所有编码的二进制代码都译一遍,得到与差分图像的灰度矩阵I1相同的矩阵I2。
5. 根据权利要求1所述的一种基于灰度概率的医学图像无损压缩方法,其特征在于,所述步骤B),是由解码数据I2和符号矩阵S反差分得到原图像Im,具体是:由解码得到的矩阵I2,新建俩个大小与I2相同的零矩阵Tem和Im,根据符号矩阵S和I2得到带正负与Tem相同的临时矩阵Tem1,然后Im的每一项都等于Tem1所有前项之和,即用Im(i,j)=Tem1(i,j)+Im(i,j-1)遍历一遍Tem1就得到与原始图像一样的图像 Im。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810645859.6A CN108846873A (zh) | 2018-06-21 | 2018-06-21 | 一种基于灰度概率的医学图像无损压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810645859.6A CN108846873A (zh) | 2018-06-21 | 2018-06-21 | 一种基于灰度概率的医学图像无损压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108846873A true CN108846873A (zh) | 2018-11-20 |
Family
ID=64203614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810645859.6A Pending CN108846873A (zh) | 2018-06-21 | 2018-06-21 | 一种基于灰度概率的医学图像无损压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846873A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111093081A (zh) * | 2019-12-20 | 2020-05-01 | 合肥埃科光电科技有限公司 | 一种图像无损压缩方法及系统 |
CN111681290A (zh) * | 2020-04-21 | 2020-09-18 | 华中科技大学鄂州工业技术研究院 | 一种基于dna编码技术的图片存储方法 |
CN114885035A (zh) * | 2022-06-30 | 2022-08-09 | 北京城建设计发展集团股份有限公司 | 无损压缩方法及装置、无损解压方法及装置 |
CN116320501A (zh) * | 2023-05-23 | 2023-06-23 | 浙江双视科技股份有限公司 | 红外数据压缩方法及可读存储介质 |
CN116760994A (zh) * | 2023-08-16 | 2023-09-15 | 北京大学人民医院 | 一种神经内科医疗影像编码通讯方法 |
CN116760952A (zh) * | 2023-08-17 | 2023-09-15 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101184220A (zh) * | 2007-12-03 | 2008-05-21 | 浙江大学 | 一种面向jpeg格式图像序列的无损压缩方法 |
CN102170568A (zh) * | 2011-03-11 | 2011-08-31 | 山东大学 | 高光谱遥感图像的无损压缩编码器及其译码器 |
CN103227920A (zh) * | 2013-04-03 | 2013-07-31 | 南京信息工程大学 | 一种多通道卫星图像无损压缩方法 |
-
2018
- 2018-06-21 CN CN201810645859.6A patent/CN108846873A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101184220A (zh) * | 2007-12-03 | 2008-05-21 | 浙江大学 | 一种面向jpeg格式图像序列的无损压缩方法 |
CN102170568A (zh) * | 2011-03-11 | 2011-08-31 | 山东大学 | 高光谱遥感图像的无损压缩编码器及其译码器 |
CN103227920A (zh) * | 2013-04-03 | 2013-07-31 | 南京信息工程大学 | 一种多通道卫星图像无损压缩方法 |
Non-Patent Citations (3)
Title |
---|
张小星 等: "气象卫星云图压缩编码方法的研究", 《光学技术》 * |
邓冰 等: "基于分区预测差分编码的遥感星上数据无损压缩", 《测绘科学》 * |
高健 等: "基于3-参数变长编码的图像无损压缩算法", 《自动化学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111093081A (zh) * | 2019-12-20 | 2020-05-01 | 合肥埃科光电科技有限公司 | 一种图像无损压缩方法及系统 |
CN111093081B (zh) * | 2019-12-20 | 2022-05-31 | 合肥埃科光电科技股份有限公司 | 一种图像无损压缩方法及系统 |
CN111681290A (zh) * | 2020-04-21 | 2020-09-18 | 华中科技大学鄂州工业技术研究院 | 一种基于dna编码技术的图片存储方法 |
CN111681290B (zh) * | 2020-04-21 | 2023-08-15 | 华中科技大学鄂州工业技术研究院 | 一种基于dna编码技术的图片存储方法 |
CN114885035A (zh) * | 2022-06-30 | 2022-08-09 | 北京城建设计发展集团股份有限公司 | 无损压缩方法及装置、无损解压方法及装置 |
CN116320501A (zh) * | 2023-05-23 | 2023-06-23 | 浙江双视科技股份有限公司 | 红外数据压缩方法及可读存储介质 |
CN116760994A (zh) * | 2023-08-16 | 2023-09-15 | 北京大学人民医院 | 一种神经内科医疗影像编码通讯方法 |
CN116760994B (zh) * | 2023-08-16 | 2023-10-13 | 北京大学人民医院 | 一种神经内科医疗影像编码通讯方法 |
CN116760952A (zh) * | 2023-08-17 | 2023-09-15 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN116760952B (zh) * | 2023-08-17 | 2023-10-20 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846873A (zh) | 一种基于灰度概率的医学图像无损压缩方法 | |
US20200327701A1 (en) | Image encoding method and apparatus and image decoding method and apparatus | |
CN103400174B (zh) | 一种二维码的编码方法、解码方法及系统 | |
CN101243664A (zh) | 应用于对各类码进行编码和解码的原地变换 | |
CN107018419B (zh) | 一种基于ambtc的图像压缩编码方法 | |
US20160204795A1 (en) | Systems and methods for model-free compression and model-based decompression | |
CN103346800B (zh) | 一种数据压缩方法及装置 | |
CN116506073A (zh) | 一种工业计算机平台数据快速传输方法及系统 | |
CN105103192B (zh) | 用于顶点误差校正的方法和装置 | |
Zhang et al. | Lossless image compression using a multi-scale progressive statistical model | |
CN107004135A (zh) | 大图像文件的远程查看 | |
EP1766911A1 (en) | Discrete universal denoising with reliability information | |
CN116978011B (zh) | 一种用于智能目标识别的图像语义通信方法及系统 | |
Rakhmanov et al. | Compression of GNSS data with the aim of speeding up communication to autonomous vehicles | |
CN112132158A (zh) | 一种基于自编码网络的可视化图片信息嵌入方法 | |
Shah et al. | Coarsely quantized decoding and construction of polar codes using the information bottleneck method | |
CN103152574A (zh) | 基于特征配准的速率受限的遥感图像传输系统 | |
CN116600119B (zh) | 视频编码、解码方法、装置、计算机设备和存储介质 | |
CN117353754A (zh) | 高斯混合模型信源的编解码方法、系统、设备和介质 | |
CN117528120A (zh) | 一种基于切片的深度学习点云几何压缩方法 | |
US20230154053A1 (en) | System and method for scene graph lossless compression by context-based graph convolution | |
WO2013075329A1 (en) | Method and apparatus for generating a bitstream of repetitive structure discovery based 3d model compression | |
WO2023159820A1 (zh) | 图像压缩方法、图像解压缩方法及装置 | |
CN110808739A (zh) | 一种信源符号概率分布未知的二元编码方法及装置 | |
CN116095183A (zh) | 一种数据压缩方法以及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |
|
RJ01 | Rejection of invention patent application after publication |