CN115914649A - 一种用于医疗视频的数据传输方法及系统 - Google Patents

Abstract

本发明涉及数据处理领域，具体涉及一种用于医疗视频的数据传输方法及系统，根据医疗视频每一帧图像中每个灰度值对应的所有像素点与邻域像素点灰度值的差异，得到邻域相似性；以邻域相似性作为权重计算帧图像的复杂程度；通过复杂程度和平均复杂程度的差异将每一帧图像划分区块；根据区块灰度方差、每个灰度值对应像素点的个数、所有灰度值对应像素点个数均值，得到每个区块的标签值；基于标签进行聚类，根据每类区块中每个区块和其他区块的灰度方差的差异以及像素点灰度值差异得到计算相对相似性，根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码得到压缩数据；对压缩数据进行传输，提高了数据的压缩传输效率。

Description

一种用于医疗视频的数据传输方法及系统

技术领域

本申请涉及数据处理领域，具体涉及一种用于医疗视频的数据传输方法及系统。

背景技术

随着科技的发展，视频技术在医疗领域的应用越来越广泛，而医疗视频往往对视频清晰度和传输的安全性有很高的要求，因此在传输的过程中会因为数据量较大，要求较高，导致消耗资源较多，所以医疗视频在传输的过程中，需要对其进行压缩来节省资源成本。

现有对医疗视频压缩的方法是利用有损预测编码对医疗视频进行帧内压缩，帧内压缩类似于静态图像压缩，只考虑当前帧图像中的信息，不考虑与相邻帧之间的冗余信息，此种压缩方式往往因为每一帧的视频所携带的信息量多少以及帧内信息相同的区域具有一定的位置偏差性，而不能达到较高的压缩效率以及压缩速度，对于医疗视频传输的成本有着一定的影响。

发明内容

针对利用有损预测编码对医疗视频进行帧内压缩时，不能达到较高的压缩效率以及压缩速度，对于医疗视频传输的成本产生影响的问题，本发明提供一种用于医疗视频的数据传输方法：

获取医疗视频的每一帧灰度图像；

根据每一帧图像中每个灰度值所包含的每个像素点与所包含每个像素点的邻域像素点灰度值的差异，得到每个灰度值对应像素点的邻域相似性；

根据每一帧图像中每个灰度值对应像素点的邻域相似性、每个灰度值出现的概率，获得每一帧图像的复杂程度；

利用每一帧图像的复杂程度与所有帧图像的平均复杂程度的差异设置每一帧图像的基础区块尺寸；

利用基础区块尺寸将每一帧图像划分为多个区块；

根据每个区块中所有像素点灰度方差、每个灰度值对应像素点的个数、所有灰度值对应像素点个数均值，得到每个区块的标签；

对每一帧图像中的区块基于标签进行聚类，根据每类区块中每个区块和其他区块的灰度方差的差异以及像素点灰度值差异，得到每类区块中每个区块的相对相似性；

将相对相似性最大的区块作为每类区块中的基础区块；

根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码，得到每一帧图像的压缩数据；

对压缩数据配置头文件后进行传输。

所述根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码的方法为：

选定每一帧图像中每类区块中的基础区块；

利用基础区块对相对相似性仅小于基础区块的区块进行预测编码；

将相对相似性仅小于基础区块的区块，作为新的基础区块，利用新的基础区块对相对相似性小于新的基础区块的区块进行预测编码，不断迭代，直至每类区块中所有区块完成预测编码。

所述每类区块中每个区块的相对相似性的获取方法为：

在每类区块中，任选一个区块作为目标区块；

获取目标区块的所有像素点的灰度方差和每个非目标区块所有像素点的灰度方差的差值；

获取目标区块中每个像素点和每个非目标区块中每个像素点的灰度差值的均值；

将灰度方差的差值和灰度差值的均值的乘积，作为目标区块和每个非目标区块的相似性；

将目标区块和所有非目标区块的相似性均值，作为目标区块的相对相似性。

所述每个区块的标签的获取方法为：

在每个区块中，获取每个灰度值对应的像素点个数和所有灰度值对应的像素点个数均值的差值；将该差值与该区块中所有像素点的方差相乘，再除以该区块中的像素点总数，得到的值作为该区块的标签。

所述设置每一帧图像的基础区块尺寸的方法为：

获取所有帧图像的复杂程度均值，根据复杂程度均值设置基础区块尺寸；

获取每一帧图像的复杂程度和复杂程度均值的差值，将该差值和复杂程度均值的比值与基础区块尺寸相乘，得到该帧图像的基础区块尺寸。

所述每一帧图像的复杂程度的获取方法为：

将每个灰度值对应像素点的邻域相似性作为权值，将权值与该灰度值对应像素点出现的概率相乘，得到每一帧图像的信息熵，作为该帧图像的复杂程度。

所述每个灰度值对应像素点的邻域相似性的获取方法为：

获取每个灰度值对应的所有像素点；计算每个像素点与其每个邻域像素点灰度值差值的平方，将所有像素点与其邻域像素点灰度值差值的平方的均值，作为该灰度值对应的像素点的邻域相似性。

本发明还提供一种用于医疗视频的数据传输系统，包括：

图像采集模块：用于获取医疗视频的每一帧灰度图像；

数据压缩模块：

根据每一帧图像中每个灰度值所包含的每个像素点与所包含每个像素点的邻域像素点灰度值的差异，得到每个灰度值对应像素点的邻域相似性；

根据每一帧图像中每个灰度值对应像素点的邻域相似性、每个灰度值出现的概率，获得每一帧图像的复杂程度；

利用每一帧图像的复杂程度与所有帧图像的平均复杂程度的差异设置每一帧图像的基础区块尺寸；

利用基础区块尺寸将每一帧图像划分为多个区块；

根据每个区块中所有像素点灰度方差、每个灰度值对应像素点的个数、所有灰度值对应像素点个数均值，得到每个区块的标签；

对每一帧图像中的区块基于标签进行聚类，根据每类区块中每个区块和其他区块的灰度方差的差异以及像素点灰度值差异，得到每类区块中每个区块的相对相似性；

将相对相似性最大的区块作为每类区块中的基础区块；

根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码，得到每一帧图像的压缩数据；

数据传输模块：对压缩数据配置头文件后进行传输。

本发明的有益效果是：

本发明获取医疗视频的每一帧灰度图像，根据每一帧图像中每个灰度值对应的所有像素点与邻域像素点灰度值的差异，得到每个灰度值对应像素点的局部相似性；像素点与邻域像素点的灰度值差异越小，说明像素点与邻域的相似性越高，能够映同一灰度值对应的像素点与邻域的像素点灰度特征；本发明根据每一帧图像中每个灰度值对应像素点的邻域相似性、每个灰度值出现的概率，获得每一帧图像的复杂程度；每个灰度值对应像素点在每一帧图像中出现的概率可以反映出帧图像中灰度值出现的频率复杂性，但是由于每一帧图像都有较多灰度值相同的像素点，因此仅仅通过灰度值对应像素点出现的概率，无法单纯的描述每一帧视频的复杂程度，因此与灰度值对应像素点的局部信息进行结合，更加精确的表示出医疗视频中每一帧视频的复杂性；本发明根据帧图像复杂程度对每一帧图像设置基础区块，并利用基础区块将帧图像划分为多个区块；复杂程度越大的视频帧，对其设置的基础区块越小，区块越小，相似的区块越多，能够满足区块之间的相似性，提高区块之间的压缩效率；根据每个区块中所有像素点灰度方差、每个灰度值对应像素点的个数、所有灰度值对应像素点个数均值，得到每个区块的标签；方差反映灰度值的离散分布情况，均值反映整体灰度差异，结合像素点个数，得到的标签是对帧图像中每个区块的灰度分布特征表征；本发明对每一帧图像中的区块基于标签进行聚类，根据每类区块中每个区块和其他区块的灰度方差的差异以及像素点灰度值差异，得到每类区块中每个区块的相对相似性；聚类后可以将灰度特征相似的区块处于同一类别，因为预测编码技术是利用相邻的固定大小的区块之间的相似性进行帧内预测编码的，故根据每个区块和其他区块的灰度差异，计算每个区块和其他区块的相对相似性，为后续基于相似性进行预测编码，提供了基础；本发明将相对相似性最大的区块作为每类区块中的基础区块，根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码，得到每一帧图像的压缩数据，对压缩数据配置头文件后进行传输；在每个帧图像中，基于同类相似的区块之间的相似性进行聚类，尽可能的对所有的相似区块进行压缩，在提高压缩效率的同时降低了传输成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的一种用于医疗视频的数据传输方法流程示意图；

图2是本发明的一种用于医疗视频的数据传输系统结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种用于医疗视频的数据传输方法的实施例，如图1所示，包括：

步骤一：获取医疗视频的每一帧灰度图像；根据每一帧图像中每个灰度值所包含的每个像素点与所包含每个像素点的邻域像素点灰度值的差异，得到每个灰度值对应像素点的邻域相似性；

该步骤的目的是，将医疗视频拆解为每一帧图像，并进行预处理，根据每个灰度值对应像素点的邻域像素点灰度值差异获取每个灰度值对应像素点的局部特征。

本发明获取到医疗视频，对医疗视频的整体视频进行逐帧拆解，获得医疗视频的每一帧视频图像，再对每一帧图像进行灰度化，获得灰度化后的帧灰度图像；

其中，每个灰度值对应像素点的邻域相似性的获取方法为：

获取每个灰度值对应的所有像素点；计算每个像素点与其每个邻域像素点灰度值差值的平方，将所有像素点与其邻域像素点灰度值差值的平方的均值，作为该灰度值对应的像素点的邻域相似性；具体的，以第帧图像为例：

第帧图像中灰度值为的像素点的邻域相似性计算方法为：

公式中，为帧图像中灰度值为的像素点的邻域相似性，是对第帧图像中灰度值为的像素点的遍历，为灰度值为的像素点在第帧图像中的总数，也就是灰度值为的像素点在第帧图像中出现的总次数，是对灰度值为的像素点的邻域像素点的遍历，本发明中为8邻域，表示第帧图像中的第个灰度值为的像素点，表示第个灰度值为的像素点周围8邻域内的第个像素点的灰度值，的含义为：第个灰度值为的像素点与其每个邻域像素点的灰度差值；

该公式中，针对第帧图像，通过对灰度值为的所有个像素点进行周围邻域的像素点的灰度值差异性，计算来表示灰度值为的像素点的邻域相似性，如果灰度值为的所有个像素点于周围邻域内的像素点分布相同或相似，则越小，即灰度值为的像素点周围邻域内的像素点的分布是不复杂的，如果灰度值为的所有个像素点于周围邻域内的像素点分布不相同，则越大，即说明第帧医疗视频中的灰度值为的像素点周围邻域内的像素点分布是复杂的，能够反映该灰度值对应像素点的邻域像素点分布特征。

需要说明的是，不同灰度值的像素点在第帧图像中出现的总次数可不相同，为方便叙述，本发明统一以进行表示，即每个灰度值对应的像素点在第帧图像中出现的总次数，都用进行表示，但不同的灰度值对应的像素点出现次数也是不同，的具体值也是不同的。

步骤二：根据每一帧图像中每个灰度值对应像素点的邻域相似性、每个灰度值出现的概率，获得每一帧图像的复杂程度；

该步骤的目的是，将每个灰度值对应像素点的邻域相似性作为权重，对每一帧图像的信息熵进行计算，得到每一帧图像的复杂程度，并基于复杂程度计算每一帧图像的帧内基础区域尺寸，为后续帧内分块提供了基础。

其中，每一帧图像的复杂程度的获取方法为：

将每个灰度值对应像素点的邻域相似性作为权值，将权值与该灰度值对应像素点出现的概率相乘，得到每一帧图像的信息熵，作为该帧图像的复杂程度，具体如下：

以第帧图像为例，其复杂程度计算方式如下所示：

公式中，表示第帧图像的复杂程度，为灰度值，表示第帧图像中灰度值为的像素点出现的概率，表示第帧医疗视频中的灰度值为的像素点的邻域相似性；

该公式中，表示的是图像的信息熵，常规情况下，在对视频图像进行信息描述的时候，是通过信息熵来进行描述的，对应的第帧图像的信息熵越大，则认为该帧视频越复杂；

但是本发明考虑到，信息熵不具备位置信息，只能反应出每一帧图像所携带的不同灰度值出现的频率复杂性，而医疗视频的每一帧图像具有大量的局部相似性，即有较多的区域其对应的像素点的灰度值是相同的，所以利用信息熵无法单纯的描述医疗视频每一帧视频复杂性；

因此，本发明对于第帧图像的复杂性是计算基于邻域相似性的加权信息熵，通过对每个灰度值出现的概率以邻域相似性作为权重进行加权，即以每个灰度值对应像素点的邻域相似性，作为信息熵计算中不同灰度值出现的概率的权值，其目的在于，灰度值为的像素点在第帧图像中出现的频率很高，但是其对应的权值却很小，即使灰度值为的像素点在第帧图像中分布很多，但是其无法对该帧视频的复杂性计算提供更大的贡献，也就是灰度值为的像素点周围邻域是不复杂的；

本发明计算得到的加权信息熵不仅能够表示每一帧图像中的不同灰度值出现的频率复杂性，也能表示出图像的局部相似性，更加精确的表示出医疗视频中每一帧图像的复杂性；

需要说明的是，由于每一帧图像中的所有像素点的灰度值分布更丰富以及相同像素点周围像素点分布的相似程度的差异越大，则说明该帧图像更复杂，所以根据此特征对待传输的医疗视频的每一帧图像进行复杂程度的计算。

步骤三：利用每一帧图像的复杂程度与所有帧图像的平均复杂程度的差异设置每一帧图像的基础区块尺寸；利用基础区块尺寸将每一帧图像划分为多个区块；

该步骤的目的是，利用每一帧图像的复杂程度和平均复杂程度对帧图像的区块分割大小进行自适应设置，并根据自适应区块大小对每一帧图像进行分块。

其中，设置每一帧图像的基础区块尺寸的方法为：

（1）获取所有帧图像的复杂程度均值，根据复杂程度均值设置基础区块尺寸；

具体为，本发明中，表示待传输的医疗视频中所有帧图像的复杂程度的平均值，以作为基础，设置对应的基础区块尺寸大小，具体含义为：当待传输的医疗视频中某一帧图像的复杂程度为时，该帧内的基础区块大小为（基础区块尺寸大小为），本发明中，具体的实施者可自行设置；

（2）获取每一帧图像的复杂程度和复杂程度均值的差值，将该差值和复杂程度均值的比值与基础区块尺寸相乘，得到该帧图像的基础区块尺寸；

以第帧图像为例，其基础区块尺寸的大小的获取过程为：

公式中，为第帧图像的基础区块尺寸，为第n帧图像的复杂程度，表示基础区块尺寸大小，表示所有帧图像的复杂程度的平均值，为向上取整符号；

该公式中，本发明对所有帧图像进行基础区块尺寸的设置，是根据图像复杂程度均值设定基础区块尺寸，然后根据每帧图像复杂程度和复杂程度均值的比例，对基础区块尺寸进行自适应性调整，得到每帧图像自己的基础区块尺寸，也就是通过每一帧图像与整体所有帧视频的复杂程度的差异值来进行每一帧图像的基础区块大小的自适应调整，以第帧医疗视频为例，如果其越复杂，则对应的越大，对其与所有帧视频的平均复杂程度的差异值为负且越小，则有越小，也相应的越小，即第帧图像的基础区块大小也越小，对其进行压缩时信息的损失量也越小；反之如果第帧图像越不复杂，则其对应的相应的也就越大，即第帧视频的区块大小也越大，对其进行压缩的时候压缩所用的时间也就越少；

需要说明的是，对每一帧图像，进行基于复杂程度的区块大小的自适应，其目的为后续压缩时是以该大小作为基础，对于每一帧图像进行区块分割，并且在后续步骤中以分割后的区块为基础，对视频中的每一帧图像进行压缩；

其中，利用基础区块尺寸将每一帧图像划分为多个区块的方法为：

利用每一帧图像的基础区块尺寸，对每一帧图像进行分割，将每一帧图像划分为个区块，由于每一帧图像因为基础区块大小不同，则其对应的划分后的区块个数也不同。

需要说明的是，待传输的医疗视频中，每一帧图像中的结构与灰度值的分布是不同的，即每一帧图像的复杂程度是不同的，所以本步骤对每一帧图像的复杂程度进行量化，通过每一帧图像的复杂程度进行对应帧图像的区块分割大小的自适应，使得具有复杂内容的图像中基础区块更小，来满足压缩后该帧视频的信息损失量更小，而具有简单内容的视频帧中基础区块更大，来提升压缩的时间。

步骤四：根据每个区块中所有像素点灰度方差、每个灰度值对应像素点的个数、所有灰度值对应像素点个数均值，得到每个区块的标签；对每一帧图像中的区块基于标签进行聚类；

该步骤的目的是，对于不同的区块设置不同的标签值，并基于标签值进行聚类。

其中，每个区块的标签的获取方法为：

由于每一帧图像中每个区块的内容不同，再对其进行压缩的时候，效果也不同，所以本发明对每一帧图像中的每一个区块进行特征提取，获得标签值，具体为：

在每个区块中，获取每个灰度值对应的像素点个数和所有灰度值对应的像素点个数均值的差值；将该差值与该区块中所有像素点的方差相乘，再除以该区块中的像素点总数，得到的值作为该区块的标签；

以第帧图像中第个区块为例，其区块标签的计算方式如下所示：

公式中，为第帧图像中第个区块的标签值，表示第帧图像中的第个区块中所有像素点的灰度值的方差；表示第帧图像中第个区块中灰度值为的像素点出现的个数；表示第个区域的像素点的总个数；表示第个区块中所有不同灰度值出现的个数的平均值，其计算方式为：；

进一步的，对每一帧图像中的所有区块基于标签值进行聚类，将每一帧图像中的所有区块聚类为多个具有相似灰度值的类别，使得具有相似灰度值的区块处于同一个类别之中，来减少后续获取每个区块的相对相似性的计算量。

步骤五：根据每类区块中每个区块和其他区块的灰度方差的差异以及像素点灰度值差异，得到每类区块中每个区块的相对相似性；将相对相似性最大的区块作为每类区块中的基础区块；

该步骤的目的是，对每一帧视频中的所有类别中的每个区块和其他区块之间的差异进行分析，计算出每个区块的相对相似性，并根据相对相似性大小确定出最终用于编码的基础区块。

其中，每个区块的相对相似性的获取方法为：

（1）在每类区块中，任选一个区块作为目标区块；以第帧图像中的第个区块类别中的第个区块为例，将其作为目标区块；

（2）获取目标区块的所有像素点的灰度方差和每个非目标区块所有像素点的灰度方差的差值；以第个区块类别中的第个区块为例，将第个区块作为非目标区块，计算的值，为第个区块中像素点灰度值方差，为第个区块中像素点灰度值方差；

（3）获取目标区块中每个像素点和每个非目标区块中每个像素点的灰度差值的均值；

公式中，为第个区块（目标区块）和第个区块（非目标区块）中每个像素点的灰度差值的均值，为第个区块中的像素点个数，也是第个区块中的像素点个数（因为每个类别中的区块大小都是一样的，像素点个数也一样），为第个区块中第个像素点的灰度值，为第个区块中第个像素点的灰度值；

（4）将灰度方差的差值和灰度差值的均值的乘积，作为目标区块和每个非目标区块的相似性，具体为：

公式中，为目标区块和每个非目标区块的相似性；

（5）将目标区块和所有非目标区块的相似性均值，作为目标区块的相对相似性；具体为：

公式中，为第个区块类别中的第个区块（目标区块）的相对相似性，为第个区块类别中区块总数量，和都属于范围内，并且不等于，也就是将目标区块之外的其他区块和目标区块进行对比分析；

该公式中，相对相似性是指第个区块与自身所在的第个类别中所有区块的相似性，现有的预测编码技术是利用相邻的固定大小的宏块之间的相似性进行帧内预测编码的，这样对于不相邻的相似的宏块无法达到较好的压缩效果，而在不同帧的医疗视频中，每一帧的医疗视频的因为镜头移动的原因，自身的复杂性是不一样的，并且不同复杂性的视频帧之内的不同区域的图像可能具有高度相似性，所以本发明在利用每一帧视频的复杂性对其进行自适应区块的大小的前提下，越复杂的视频帧对其自适应的区块越小，复杂的视频帧相似的区域较小，区块越小，相似的区块越多，来满足区块之间的相似性，防止压缩时的信息丢失以及提高区块之间的压缩效率，越简单的视频帧对其自适应的区块越大，尽可能的在满足压缩时间的基础上满足压缩效率；简单的视频帧具有大面积的相似区域，所以区块可以适当的大一点来减少压缩时的计算量；又因为对每一帧的视频进行基于标签的聚类，所以本发明通过对每个类别中的所有不同的区块进行基于相对相似性的计算，相对相似性越高，说明该区块在同类别中与其与区块越相似，在进行后续的预测编码压缩的时候，是基于同类别压缩的，而不是相邻的宏块进行压缩，使得在该帧的视频中，尽可能的对所有的相似的区块进行压缩，使得该帧的医疗视频的压缩效率最大。

进一步的，将相对相似性最大的区块作为每类区块中的基础区块；

利用本步骤对第帧图像中第个类别中的所有区块进行相对相似性的计算，可以获得所有区块的相对相似性，而后选择其中相对相似性最大值对应的区块作为第个类别的基础区块，因为进行压缩时，利用相对相似性最大的区块作为压缩的基础区块，其相对相似性最大，即该区块与同类别中的其与区块的相似性最高，其预测值更加的准确，信息损失量更少。

利用对第帧图像中的每个类别进行分析，可以获得第帧图像中的每个类别的基础区块第帧图像中所有类别的基础区块获取完毕。

步骤六：根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码，得到每一帧图像的压缩数据；对压缩数据配置头文件后进行传输。

该步骤的目的是，对帧图像进行预测编码得到压缩数据进行传输。

其中，根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码的方法为：

利用基础区块与每一个类别中的所有区块的相对相似性进行有损预测编码压缩，具体过程以第帧图像中的第个类别为例，压缩过程如下所示：

首先对帧图像中的第个类别中的基础区块进行选定（相对相似性最大的区块）；

而后，利用该基础区块对该类比中仅小于基础区块的相对相似性的区块进行预测编码，接着以仅小于基础区块的相对相似性的区块作为新的基础区块；

继续以新的基础区块对仅小于新的基础区块的相对相似性的区块进行预测编码；不断迭代，以此方式循环对第个类别中所有的区块进行预测编码，直至第个类别中的所有区块编码结束。

利用此方式对第帧图像的所有类别的区块进行预测编码，可获得第帧图像的压缩数据，对待传输的医疗视频的每一帧都按照第帧的处理方式进行操作，可获得待传输的医疗视频的所有压缩数据。

进一步的，对已经压缩完成的所有待传输的医疗视频进行头文件配置，而后进行传输。

本发明所述的头文件配置部分为，每一帧的视频的区块大小，以及每个区块的原有位置，因为本发明对于待传输的所有帧视频时基于不同区块的混序压缩，所以需要对每一帧视频对应的区块大小以及压缩后的区块在原视频中的位置进行记录以便后续的解码，对记录的信息采用二进制编码的形式进行头文件配置即可，而后对头文件配置后的待传输的医疗视频的压缩数据进行传输即可。

本发明的另一种实施例为一种用于医疗视频的数据传输系统，如图2所示：

S1图像采集模块：用于获取医疗视频的每一帧灰度图像，并将图像发送至S2数据压缩模块；

S2数据压缩模块：根据每一帧图像中每个灰度值所包含的每个像素点与所包含每个像素点的邻域像素点灰度值的差异，得到每个灰度值对应像素点的邻域相似性；

根据每一帧图像中每个灰度值对应像素点的邻域相似性、每个灰度值出现的概率，获得每一帧图像的复杂程度；

利用每一帧图像的复杂程度与所有帧图像的平均复杂程度的差异设置每一帧图像的基础区块尺寸；

利用基础区块尺寸将每一帧图像划分为多个区块；

根据每个区块中所有像素点灰度方差、每个灰度值对应像素点的个数、所有灰度值对应像素点个数均值，得到每个区块的标签；

对每一帧图像中的区块基于标签进行聚类，根据每类区块中每个区块和其他区块的灰度方差的差异以及像素点灰度值差异，得到每类区块中每个区块的相对相似性；

将相对相似性最大的区块作为每类区块中的基础区块；

根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码，得到每一帧图像的压缩数据，并将压缩数据发送给S3数据传输模块；

S3数据传输模块：对压缩数据配置头文件后进行传输。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种用于医疗视频的数据传输方法，其特征在于，包括：

获取医疗视频的每一帧灰度图像；

根据每一帧图像中每个灰度值所包含的每个像素点与所包含每个像素点的邻域像素点灰度值的差异，得到每个灰度值对应像素点的邻域相似性；

根据每一帧图像中每个灰度值对应像素点的邻域相似性、每个灰度值出现的概率，获得每一帧图像的复杂程度；

利用每一帧图像的复杂程度与所有帧图像的平均复杂程度的差异设置每一帧图像的基础区块尺寸；

利用基础区块尺寸将每一帧图像划分为多个区块；

根据每个区块中所有像素点灰度方差、每个灰度值对应像素点的个数、所有灰度值对应像素点个数均值，得到每个区块的标签；

对每一帧图像中的区块基于标签进行聚类，根据每类区块中每个区块和其他区块的灰度方差的差异以及像素点灰度值差异，得到每类区块中每个区块的相对相似性；

将相对相似性最大的区块作为每类区块中的基础区块；

根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码，得到每一帧图像的压缩数据；

对压缩数据配置头文件后进行传输。

2.根据权利要求1所述的一种用于医疗视频的数据传输方法，其特征在于，所述根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码的方法为：

选定每一帧图像中每类区块中的基础区块；

利用基础区块对相对相似性仅小于基础区块的区块进行预测编码；

将相对相似性仅小于基础区块的区块，作为新的基础区块，利用新的基础区块对相对相似性小于新的基础区块的区块进行预测编码，不断迭代，直至每类区块中所有区块完成预测编码。

3.根据权利要求1所述的一种用于医疗视频的数据传输方法，其特征在于，所述每类区块中每个区块的相对相似性的获取方法为：

在每类区块中，任选一个区块作为目标区块；

获取目标区块的所有像素点的灰度方差和每个非目标区块所有像素点的灰度方差的差值；

获取目标区块中每个像素点和每个非目标区块中每个像素点的灰度差值的均值；

将灰度方差的差值和灰度差值的均值的乘积，作为目标区块和每个非目标区块的相似性；

将目标区块和所有非目标区块的相似性均值，作为目标区块的相对相似性。

4.根据权利要求1所述的一种用于医疗视频的数据传输方法，其特征在于，所述每个区块的标签的获取方法为：

在每个区块中，获取每个灰度值对应的像素点个数和所有灰度值对应的像素点个数均值的差值；将该差值与该区块中所有像素点的方差相乘，再除以该区块中的像素点总数，得到的值作为该区块的标签。

5.根据权利要求1所述的一种用于医疗视频的数据传输方法，其特征在于，所述设置每一帧图像的基础区块尺寸的方法为：

获取所有帧图像的复杂程度均值，根据复杂程度均值设置基础区块尺寸；

获取每一帧图像的复杂程度和复杂程度均值的差值，将该差值和复杂程度均值的比值与基础区块尺寸相乘，得到该帧图像的基础区块尺寸。

6.根据权利要求1所述的一种用于医疗视频的数据传输方法，其特征在于，所述每一帧图像的复杂程度的获取方法为：

将每个灰度值对应像素点的邻域相似性作为权值，将权值与该灰度值对应像素点出现的概率相乘，得到每一帧图像的信息熵，作为该帧图像的复杂程度。

7.根据权利要求1所述的一种用于医疗视频的数据传输方法，其特征在于，所述每个灰度值对应像素点的邻域相似性的获取方法为：

获取每个灰度值对应的所有像素点；计算每个像素点与其每个邻域像素点灰度值差值的平方，将所有像素点与其邻域像素点灰度值差值的平方的均值，作为该灰度值对应的像素点的邻域相似性。

8.一种用于医疗视频的数据传输系统，其特征在于，包括：

图像采集模块：用于获取医疗视频的每一帧灰度图像；

数据压缩模块：

根据每一帧图像中每个灰度值所包含的每个像素点与所包含每个像素点的邻域像素点灰度值的差异，得到每个灰度值对应像素点的邻域相似性；

根据每一帧图像中每个灰度值对应像素点的邻域相似性、每个灰度值出现的概率，获得每一帧图像的复杂程度；

利用每一帧图像的复杂程度与所有帧图像的平均复杂程度的差异设置每一帧图像的基础区块尺寸；

利用基础区块尺寸将每一帧图像划分为多个区块；

根据每个区块中所有像素点灰度方差、每个灰度值对应像素点的个数、所有灰度值对应像素点个数均值，得到每个区块的标签；

对每一帧图像中的区块基于标签进行聚类，根据每类区块中每个区块和其他区块的灰度方差的差异以及像素点灰度值差异，得到每类区块中每个区块的相对相似性；

将相对相似性最大的区块作为每类区块中的基础区块；

根据基础区块和其他每个区块的相对相似性大小对每类区块进行预测编码，得到每一帧图像的压缩数据；

数据传输模块：对压缩数据配置头文件后进行传输。

Images