CN1297142C - 选择性医学图像压缩方法 - Google Patents

Abstract

一种选择性医学图像压缩方法，主要包括对医学图像的编码方法和存储方法两部分，在医学图像的传输中将其分为有损压缩和无损压缩。应用于远程医疗信息系统中，以解决医学图像的传输和存储问题。提出并实现了选择性医学图像压缩方法，通过无损区的选择，将有损与无损压缩相结合，使图像的无损与有损数据分别存储，可独立传输和显示，最后形成以MWT为后缀的压缩图像格式，实现了一种在压缩性能、诊断性能、传输性能上适应于远程医疗系统的压缩方法，在不影响医学图像诊断性能的前提下，可以达到十几倍到几十的压缩比，有效地解决了医学图像的压缩比提高和诊断准确性下降之间的矛盾。

Description

选择性医学图像压缩方法

一、技术领域

本发明涉及一种图像压缩方法，具体的说，是应用于远程医疗信息系统中医学图像传输和存储过程中的一种图像压缩方法，是通过基于感兴趣区域ROI(Region of interest)的方法，将有损和无损压缩技术相结合，其中主要是对基于小波变换的图像压缩技术和Huffman编码方法的研究。

二、背景技术

一个远程医疗信息系统中，绝大部分医学信息是各种医学图像。而医学图像的要求较高，数据量很大，每个像素需要8～16bit。如以56kb/s的调制解调器传送单张2K×2K的放射片，假设效率是70％则要用去27分钟。此外太大的数据量对于存储的要求也是灾难性的。所以需要对医学图像进行压缩。目前，有基于DCT变换、小波变换、分形等很多图像压缩方法，但这些方法都不是针对医学图像的压缩方法，压缩后的图像是有损的，会产生不同程度的失真。目前的图像有损压缩尽管可提高压缩比，但这会严重影响医学诊断的准确性，难以被医学界接受，而无损压缩技术根据图像内容的不同一般最大压缩比只有1.5∶1到4∶1，因此，如果整幅医学图像全部采用无损压缩，其比特率仍然很大，无法从根本上解决目前远程医疗信息系统中医学图像的存储和传输问题。

小波变换技术在图像压缩领域中具有很好的表现。通过对其研究发现，在基于小波变换的图像压缩技术中，最典型的是由Shapiro提出的小波零树编码，虽然是公认的较好的一种小波编码算法，但它还有很多不足之处。首先，对正重要系数(POS)、负重要系数(NEG)、零树根(ZTR)和孤立零系数(IZ)这四个系数符号，一般要用两个比特进行编码，可编码为：11、10、01、00。由于这四个符号出现概率不同，也可以对其进行不等长的熵编码，可编码为：110、101、100、0，也可以直接用Huffman编码。但是不管用什么编码它都要占用可观的比特数，此外零树编码是一种逐次逼近的编码方法，需要多次的扫描零树，为了区分每一次扫描的开始和结束必须加入一个结束码END，这样一共有五个符号参与编码将进一步增大每个符号的比特数；其次，零树编码对于正负重要系数的幅值，一般有两种方法进行量化编码。由于所设定的阈值T满足对于所有的小波系数X，|X|＜2T，所以一种方法是用±(T+T/2)代替正负重要系数的幅值，这种方法重要系数的幅值不需要额外占用比特数，但量化精度不高，需要多次扫描逼近。另一种方法是将T到2T根据需要的量化精度，以固定的量化步长q分为T/q个区间，重要系数的幅值落在哪个区间就记录哪个区间的编码，解码时取这个区间范围的一半作为重要系数的幅值，这种方法量化精度可以达到很高，但需要额外占用比特数来记录区间的编码；再次，由于零树编码多次扫描逐次逼近的量化编码方法，在每一次扫描中还要扫描零树内部搜索ZTR和IZ，从而随着量化精度的提高，编码和解码时间增长，影响了实际应用。需要对其进行改进。本发明正是在研究已有的图像压缩技术的背景下，通过对它们进行一些新的改进、创新和有机的组合，得到了一种新的选择性医学图像压缩方法。

三、发明内容

本发明的主要目的就是将图像中占小部分的重要区域采用无损压缩，而其它大部分区域用有损压缩，从而既保留了医学图像的诊断性又提高了压缩比。实现一种在压缩性能、诊断性能、传输性能上适应于远程医疗信息系统的可选择的无损图像压缩方法。使医学图像能够达到较大的压缩比，而又不破坏其诊断性能，不会产生由于图像的失真而带来的误诊，并具有良好的网络传输性能。

其技术方案和发明内容如下：对医学图像的编码方法，可根据实际的压缩效果和要求，对小波变换后的图像灵活选择两种新颖的有损编码压缩方法即：只区分不重要、正重要、负重要小波系数的逐次量化编码法和只区分不重要、重要小波系数的一次量化编码法；并在此基础上通过选择无损压缩区域，追加无损压缩区的编码，将这两种有损压缩方法和无损压缩方法结合起来；整个图像的压缩编码方法分为五个步骤：第一步是选择无损压缩区域；第二步是记录无损压缩区的位置和大小；第三步是对整幅图像进行小波变换；第四步是选择上述两种新颖的有损压缩方法之一对小波图像进行有损压缩编码；第五步是单独取出无损区数据采用无损的结合Huffman编码的二维差分脉冲编码调制DPCM预测编码，即先进行二维DPCM预测，然后对预测差值D进行Huffman编码。

对小波图像进行有损压缩时采用的只区分不重要、正重要、负重要小波系数的逐次量化编码法，该方法在扫描小波高频分量的系数时只区分正重要系数(POS)、负重要系数(NEG)和不重要系数(NMP)，对扫描结束码(END)用每一次扫描的编码长度代替，解码时当解码长度等于这次扫描编码长度，说明这次扫描结束，对NMP我们只记录其游程长度，这样只剩下POS和NEG两个符号，只需1比特编码即可；该方法对于小波低频分量LL的系数采用结合Huffman编码的二维DPCM预测编码；总的编码步骤可分为四步：第一步是进行高频小波系数扫描，绝对值小于阈值T的为不重要系数(NMP)记录其游程长度，大于阈值T的正数为正重要系数(POS)，大于阈值T的负数为负重要系数(NEG)，扫描结束后以END标记，然后阈值T减半返回步骤一直至T减小到预定值；第二步是对NMP的游程长度进行Huffman编码，进一步减少编码比特数，在NMP编码之后即为POS或NEG的编码，我们分别对其编码为1和0；第三步是算出POS，NEG和NMP的编码总长，将其记录到这次扫描编码的开头，代替END，然后返回步骤二，进行下一次扫描的编码；第四步是对小波低频分量进行结合Huffman编码的二维DPCM预测编码。

对小波图像进行有损压缩时采用的只区分不重要、重要小波系数的一次量化编码法，所采用的编码步骤可分为三步：第一步是对高频小波系数进行一次性量化，量化过程分两步：首先确定一个阈值T，将小于T的小波系数即不重要系数(NMP)量化为零，然后对大于T的小波系数即重要系数(IMP)，利用人眼视觉特性确定量化步长Q_step，进行再次量化，进一步减少数据量；第二步是扫描量化后的小波系数，对于不重要系数(NMP)，由于其量化为零所以只记录其游程长度，对于重要系数(IMP)，记录其量化后的实际值；第三步是对NMP的游程长度和IMP的值分别进行Huffman编码，由于只对小波系数扫描一次，所以不需要记录每一次扫描的编码比特数；第四步是对小波低频分量进行结合Huffman编码的二维DPCM预测编码。

对小波图像的不重要系数(NMP)的游程长度进行Huffman编码时，该编码方法将按游程长度Huffman编码方法，编为长度类别码+长度范围码的形式，该编码方法将按游程长度分为不同的长度类别s，首先对长度类别s进行Huffman编码，形成长度类别，然后将实际的游程长度减去2s-2，形成长度范围码，码长为s，于是，游程长度Huffman码＝长度类别码+长度范围码，由于长度类别0和1只对应唯一的游程长度0和1，因此对于游程长度0和1只用长度类别码表示，省去了长度范围码；解码时，先解出长度类别s，然后根据码长s取长度范围码，那么，实际游程长度＝长度范围码+2s-2。

本发明省去了扫描零树内部搜索零树根(ZTR)和孤立零的步骤，并且通过将小波高频分量中的重要小波系数进行一次性量化和编码，提高了编码速度，由于在将有损与无损压缩结合时，采用了新的图像压缩编码方法，提高了整体图像的压缩性能，从而很好的解决了医学图像的压缩比提高与诊断准确性下降之间的矛盾。并在此基础上提供一定的选择性，如：可选择多个无损压缩区、选择压缩编码方法、选择图像的压缩比，使医学图像压缩具有更好的灵活性和适应性。

四、附图说明

图1是本发明所述的选择性医学图像压缩方法总的程序流程图。

图2是DPCM预测编码的方框图；

图3是只区分不重要、正重要、负重要小波系数的逐次量化编码法所形成的比特流的方框图；

图4是只区分不重要、重要小波系数的一次量化编码法所形成的比特流的方框图；

图5是本发明具体实施时所采用的MWT图像数据存储格式的方框图，其中的“方法一”代表只区分不重要、正重要、负重要小波系数的逐次量化编码法，“方法二”代表只区分不重要、重要小波系数的一次量化编码法；

图6是一副腰椎滑脱的医学图像的原图；

图7是对图6用传统的小波零树编码压缩后的还原图像；

图8是对图6用本发明的只区分不重要、正重要、负重要小波系数的逐次量化编码法，在未选择无损区情况下，压缩后的还原图像；

图9是对图6用本发明的只区分不重要、重要小波系数的一次量化编码法，在未选择无损区情况下，压缩后的还原图像；

图10是对图6用本发明的只区分不重要、正重要、负重要小波系数的逐次量化编码法，在选择了一个无损区情况下，压缩后的还原图像。

五、具体实施方式

下面将结合附图通过最佳实施例对具体实施方式进行详细说明。

本发明所述的选择性医学图像压缩方法，首先要选择无损区域(也可以不选)，然后对整个图像进行小波变换，再对小波变换后的图像进行编码压缩，这一步是有损的并有不同的编码压缩方法、压缩比和压缩质量可供选择。如果前面选择了无损区域，还要将选择出的无损区域用无损压缩方法进行编码压缩，并追加到有损编码后面，从而形成有损与无损编码相结合的图像压缩方法，这里的无损压缩方法也可选择。最后将压缩后的图像数据及一些必要的参数信息和文件信息按照一定的顺序和格式存成文件。总的流程图参见图1

对图像中无损区域的选择，具体实施时是通过医生用鼠标在图像上拖拉出的矩形来实现的，可以选择多个矩形区域做为无损压缩区。虽然实际上医生所感兴趣的重要区域大多数是不规则的，但我们并没有采用不规则无损区。因为，不规则的区域在大小和位置的确定以及计算和存储上都比矩形区域复杂得多，而矩形区虽然往往比医生所感兴趣的重要区域要大，但它实现起来简单，且一般增大的数据量并不太多。通过记录矩形无损区的大小、位置和数量来对其进行无损压缩。

对于小波变换后图像的有损压缩编码，要分为低频子带和高频子带两部分。我们对其低频LL子带采用结合Huffman编码的二维DPCM预测编码，在进行DPCM预测编码之前，先对LL子带的小波系数进行量化，用户通过调整量化步长q，来选择不同的压缩比和压缩质量，默认q＝1，即不量化，以保证其信息的完整性。对高频子带也是通过调整其预设的量化精度的方法，来实现压缩比的选择。

图2是我们所采用的二维DPCM预测编码框图，其中二维预测器我们采用了4种，可由用户选择以适应不同的图像。

设当前预测像素为f(x，y)，图像大小X×Y，预测器系数为a、b、c、d。则二维预测器可由式(1)表示，其中我们采用了4组不同的二维预测器系数分别为：

1、a＝0.5，b＝0.0，c＝0.25，d＝0.25

2、a＝0.5，b＝0.25，c＝0.25，d＝0.0

3、a＝0.5，b＝0.125，c＝0.25，d＝0.125

4、a＝1.0，b＝-0.5，c＝0.5，d＝0.0

$\left\{\begin{array}{c}f(x,y)=\mathrm{af}(x,y-1)+\mathrm{bf}(x-1,y-1)+\mathrm{cf}(x-1,y)+\mathrm{df}(x-1,y+1)x>1,Y>y>1\\ f(x,y)=f(x,y-1)x=1,y>1\\ f(x,y)=(a+c)f(x-1,y)+(b+d)f(x-1,y+1)x>1,y=1\\ f(x,y)=\mathrm{af}(x,y-1)+\mathrm{bf}(x-1,y-1)+(c+d)f(x-1,y)x>1,y=Y\end{array}\right.---\left(1\right)$

按照从上到下、从左到右的顺序进行预测，对于左上角的第一个值不预测直接参与编码，其余的只对其预测差值D进行Huffman编码。因为Huffman编码对出现概率大的效率符号采用短码字，对出现概率小的符号采用长码字，这样编码的结果可使最终的平均码字长度最短，效率较高，具有很广的应用范围，然而当被编码的符号范围变大时，其编码表也变大，查表效率降低，编解码时间变长，所以要对其进行改进。

小波系数低频子带LL的DPCM预测编码步骤如下：

1.对低频子带的小波系数进行量化。

2.对量化后的低频子带进行二维预测。

3.记录预测值与实际值的差值。

4.对预测差值进行Huffman编码。

小波压缩编码算法是否有效、能否提高压缩比，主要取决于小波变换后各高频子带的编码算法。对于小波变换后各高频子带(LH、HL、HH)，本发明在传统的小波零树编码算法上，从减少编码比特率和编码时间的思路入手，根据其存在的缺陷，实现了只区分不重要、正重要、负重要小波系数的逐次量化编码法和只区分不重要、重要小波系数的一次量化编码法。具体的方法和步骤如下：

在前面的背景技术一节中，已对典型的由Shapiro提出的小波零树编码的不足之处做了具体阐述。通过研究发现正重要系数POS和负重要系数NEG数量远小于零树根ZTR的数量，孤立零系数IZ数量最少。由于ZTR和IZ都为零，我们就将它们统一称为不重要系数，合并为一个符号NMP，而扫描结束码END我们用每一次扫描的编码比特数代替，不用对其进行编码，这样需要编码的符号数量就减少为POS、NEG和NMP三个符号。表1是重新分配符号后对256×256Lena图像一次扫描的部分结果，按扫描顺序从左至右排列。

33个NMP	POS	56个NMP	POS	28个NMP	NEG	3个NMP	POS	26个NMP	POS
										10个NMP	NEG	31个NMP	NEG	20个NMP	NEG	192个NMP	POS	19个NMP	NEG
POS	NEG	5个NMP	POS	31个NMP	POS	31个NMP	POS	84个NMP	POS
										13个NMP	POS	17个NMP	POS	62个NMP	POS	31个NMP	POS	17个NMP	POS
17个NMP	POS	31个NMP	POS	32个NMP	NEG	25个NMP	NEG	102个NMP	……

     表1256×256Lena图像小波系数扫描(T＝256)

由表1可以看出NMP的数量多、连续性强，这样我们可以只记录其游程长度，而不需对其符号另外编码。只区分不重要、正重要、负重要小波系数的逐次量化编码法的编码步骤为：

1.进行小波系数扫描。每一次扫描小波系数只区分正重要系数(POS)、负重要系数(NEG)和不重要系数(NMP)，省去了扫描零树内部搜索零树根(ZTR)和孤立零(IZ)的步骤，提高了编码速度。对扫描结束码(END)用每一次扫描的编码长度代替，解码时当解码长度等于这次扫描编码长度，说明这次扫描结束。对NMP我们只记录其游程长度。这样只剩下POS和NEG两个符号，只需1比特编码即可。扫描结束后，阈值T减半，返回步骤1直至T减小到预定值；

2.对NMP的游程长度采用本发明提出的Huffman编码，进一步减少编码比特数。在NMP编码之后即为POS或NEG的编码，我们分别对其编码为1和0；

3.算出POS，NEG和NMP的编码总长，将其记录到这次扫描编码的开头，代替END；

4.返回步骤2，进行下一次扫描的编码。

对NMP游程长度所采用的Huffman编码方法如下：

长度类别	游程长度范围
		0	0
1	1
		2	2-5
3	6-13
		4	14-29
5	30-61
		6	62-125
	

s	2s-2-2s+1，3

      表2游程长度类别

因为游程长度一定为正整数，所以该编码方法将按游程长度Huffman编码方法，编为长度类别码+长度范围码的形式，该编码方法将按游程长度分为不同的长度类别s。首先对长度类别s进行Huffman编码，形成长度类别码，然后将实际的游程长度减去2^s-2，形成长度范围码，码长为s。于是，NMP游长Huffman码＝长度类别码+长度范围码。由于长度类别0和1只对应唯一的游程长度0和1，因此对于游程长度0和1只用长度类别码表示，省去了长度范围码。解码时，先解出长度类别s，然后根据码长s取长度范围码，那么，实际游程长度＝长度范围码+2^s-2。这种编码方法和前面提到的Huffman编码的优点又克服了符号范围变大时Huffman编码的缺点，具有码表短，查表效率高，表示范围宽，编解码算法也不复杂的特点。最后形成的编码比特流如图3所示。

为了进一步提高编解速度，我们将上面所采用的逐次量化编码改为一次性量化，然后对量化后的小波系数只扫描一次，并将正重要系数POS和负重要系数NEG统一称为重要系数IMP来保存，实现图像的快速编码压缩。这就是只区分不重要、重要小波系数的一次量化编码法，具体编码步骤如下：

1.对小波系数进行一次性量化。量化过程分两步：首先确定一个阈值T，将小于T的小波系数即不重要系数NMP量化为零；然后对大于T的小波系数即重要系数IMP，利用下面将要介绍的利用人眼视觉特性进行量化的方法确定量化步长Q_step进行再次量化，进一步减少数据量。

2.扫描量化后的小波系数。对于不重要系数NMP，由于其量化为零所以只记录其游程长度；对于重要系数IMP，记录其量化后的实际值。

3.对NMP的游程长度和IMP分别进行Huffman编码。由于只对小波系数扫描一次，所以不需要记录每一次扫描的编码比特数，形成的比特流如图4所示。

在步骤1中的阈值T用如下公式确定：

T＝k(δ+μ)

其中k为可调系数，δ为高频系数的均方差μ为高频系数的均值。

利用人眼视觉特性进行量化的方法是基于人眼视觉系统对不同频带、不同方向和不同背景亮度下的噪声敏感程度不一样的特性来进行量化的。人眼对不同频带的敏感函数FS(S，R)定义为：

$\mathrm{FS}(S,R)=\left\{\begin{array}{cc}\sqrt{2}\×2^{-s},& R=\mathrm{HH}\\ 2^{-s},& R=\mathrm{HH},\mathrm{HL}\end{array}\right.$

式中S是小波分解的级数，R是LL、LH、HL和HH中的一个子带的表示符号。在复杂图像的情况下，视觉系统适应于一平均光强度级，因此可将人眼对具有可变背景对比度的敏感函数DS定义为：

DS＝C×B

式中B为原始图像的平均光强度级，可由小波分解后的最低低频LL带近似求得；C＝B/B为韦伯比，其中B表示亮度由B变为B+B刚好被人眼察觉，韦伯比在很大范围内近似为一个常数，一般为0.02。这样量化步长Q_step可通过以上两式式确定：

            Q_step＝FS(S，R)×DS

实际编码时，对T到2T的区间划分，将按照量化步长Q_step分解为T/Q_step个区间，而不再按照固定的量化步长q来划分，从而在不增加图像视觉失真的前提下，根据图像合理分配量化步长，降低视觉上不敏感部分的量化精度，减少编码比特数。

对选出的无损区域，还要实现无损压缩，并将无损压缩编码追加到有损编码后面。具体的实施方法是采用结合Huffman编码的二维DPCM预测编码方法，和前面介绍的小波系数低频子带的编码方法是一样的，只是省去了量化这一步骤，从而实现了完全无损。

本发明的选择性医学图像压缩方法总的步骤为：

1.选择无损压缩区域；

2.记录无损压缩区的位置和大小；

3.对整幅图像进行小波变换；

4.对小波图像采用只区分不重要、正重要、负重要小波系数的逐次量化编码法或只区分不重要、重要小波系数的一次量化编码法；

5.取出无损区数据单独进行无损压缩(我们采用结合整数双码Huffman编码的二维DPCM预测编码方法)；

6.在有损压缩编码后追加无损区的编码比特流，并存储最终的图像编码数据、参数信息和文件信息。

本发明的选择性医学图像压缩方法的总的程序流程图如图1所示。

最后形成的压缩图像格式以MWT为后缀，M表示医学(Medicine)，WT表示是基于小波变换(Wavelet Transform)的图像压缩格式，具体的MWT图像格式如下。

一个MWT文件一般分为文件头、信息头、调色板和图像数据四个部分。

第一部分是图像的文件头MWTFILEHEADER，它是一个结构，其定义如下：

struct MWTFILEHEADER∥mwt文件头结构

{

WORD mfType；∥mwt文件格式标识，固定为″MW″0x574d

BYTE mfVersion；∥mwt文件版本，目前为1.0version0x01

BYTE mfLossLessNum；∥无损压缩区个数

DWORD mfSize；∥mwt文件大小(以字节为单位)

WORD mfOffBits；∥以字节为单位，指示图像数据在文件中的地址

}；

该结构固定为10个字节(BYTE、WORD和DWORD分别为无符号8位、16位和32位整数)。

第二部分是图像的信息头结构MWTINFOHEADER，其定义如下：

struct MWTINFOHEADER∥mwt图像信息头结构

{

WORD miSize；∥MWTINFOHEADER结构大小(以字节为单位)

DWORD miWidth；/*小波变换后的图像数据宽度(以象素为单位，原点在左下角)，为2的整数倍，有可能对实际图像宽度做了延拓*/

DWORD miHeight；/*小波变换后的图像数据高度(以象素为单位，原点在左下角)，为2的整数倍，有可能对实际图像高度做了延拓

*/

DWORD miRWidth；∥实际图像宽度(以象素为单位，原点在左下角)

DWORD miRHeight；∥实际图像高度(以象素为单位，原点在左下角)

WORD miImgType；/*图像类型(0x0001：黑白，0x0004：4位灰度，0x0008：8位灰度，0x0400：4位彩色(16色)，0x0800：8位彩色(256色)，0x1000：16位彩色(65535色)，0x1800：24位彩色(真彩色))*/

DWORD miDPDataBits；∥小波低频分量的DPCM霍夫曼编码数据bit数

DWORD miZtDataBits；∥小波高频分量的数据bit数

BYTE miWTGrade；∥小波变换级数

BYTE miWFilterId；∥小波(滤波器)索引

BYTE miDPCMId；∥小波低频分量的DPCM(预测器)索引

DWORD miDPQuant；∥小波低频分量的DPCM量化系数

BYTE miDPHfSize；∥小波低频分量的DPCM霍夫曼编码表表项数

BYTE miZtId；∥小波高频分量的编码算法索引

BYTE miZtE；∥小波高频分量的最大阈值系数E(T＝2E)

BYTE miZtCr；∥小波高频分量的压缩比系数

DWORD miZtQuant；∥小波高频分量的量化系数

BYTE miZtHfSize；∥小波高频分量重要系数的霍夫曼编码表表项数

BYTE miZtRlHfSize；∥小波高频分量的游程长度霍夫曼编码表表项数

}；

该结构存储了对图像进行解压还原时，所需要用到的各项参数。结构固定为45个字节。

第三部分是调色板。在MWT图像格式中，只有16色和256色图像才设置调色板，其它的图像类型则没有调色板，在信息结构MWTINFOHEADER后面直接为图像数据。

调色板实际上是一个数组，数组中每个元素代表一种颜色，其类型是一个RGBQUAD结构，占4个字节，定义如下：

typedef struct tagRGBQUAD

{

BYTE rgbBlue；∥该颜色的蓝色分量

BYTE rgbGreen；∥该颜色的绿色分量

BYTE rgbRed；∥该颜色的红色分量

BYTE rgbReserved；∥保留值

}RGBQUAD；

调色板的大小即颜色数，由图像类型miImgType来确定。

第四部分就是实际的图像数据。它的存储格式如图5所示。图5中：无损区Huffman编码表表项数，占1个字节，为BYTE类型的数据；无损区编码数据bit数，占4个字节，为DWORD类型的数据；无损区的左、上、右、下四个坐标均为WORD类型数据，共占4×2个字节；所有的Huffman编码表的存储结构是一样的，即按照每一个Huffman编码表的表项，一个一个的顺序存储其表项结构。Huffman编码表的每一个表项结构占6个字节，其定义如下：

struct hftablesave

{

BYTE symb；∥被编码的符号

DWORD code；∥编码

BYTE bits；∥编码比特数

}；

本发明采用Burt双正交小波，对512×512×8bit标准Lena图像分别用前面介绍的方法进行编码压缩，表4给出了实验结果并与零树编码进行了对比，编码时间为P133MHz计算机上测得。图7的压缩比CR＝58.60，峰值信噪比PSNR＝35.52。图8的压缩比CR＝73.18，峰值信噪比PSNR＝36.40。图9的压缩比CR＝64.97，峰值信噪比PSNR＝35.28。图10的虚线框部分为腰椎滑脱的病变部位，采用无损压缩，因此信噪比失去对比意义，不再给出，其压缩比CR＝32.26。

压缩比			信噪比PSNR(dB)			编码时间(s)
									小波零树编码	只区分不重要、正重要、负重要小波系数的逐次量化编码法	只区分不重要、重要小波系数的一次量化编码法	小波零树编码	只区分不重要、正重要、负重要小波系数的逐次量化编码法	只区分不重要、重要小波系数的一次量化编码法	小波零树编码	只区分不重要、正重要、负重要小波系数的逐次量化编码法	只区分不重要、重要小波系数的一次量化编码法
8.0	10.76	10.08	37.60	38.47	39.80	2.49	1.98	1.70
									18.60	18.94	20.69	34.19	36.21	35.37	1.76	1.31	0.93
32.0	32.06	35.95	33.17	33.41	32.52	1.42	1.04	0.71
									40.0	55.73	49.65	31.13	30.21	30.64	1.24	0.77	0.66
64.0	-	65.54	30.23	-	29.26	1.11	-	0.60
									80.0	107.6	80.91	28.49	26.93	28.21	0.96	0.61	0.55

表3本发明的实验结果及与小波零树编码的比较(图像Lenna512×512)

由表3和图6至图10可以看出本发明的压缩方法相对于零树编码算法，在相似信噪比条件下，压缩比要高于它，在相似压缩比条件下，信噪比要高于它，并且编码时间也小于它。其中，用只区分不重要、重要小波系数的一次量化编码的方法在编码速度上更为突出，所用的编码时间最少。通过选择无损压缩区，既保留了需要观察的病变部位，又取得了较大的压缩比。

Claims (4)

1、一种选择性医学图像压缩方法，其特征在于：对医学图像的编码方法，可根据实际的压缩效果和要求，对小波变换后的图像灵活选择两种有损编码压缩方法即：只区分不重要、正重要、负重要小波系数的逐次量化编码法和只区分不重要、重要小波系数的一次量化编码法；并在此基础上通过选择无损压缩区域，追加无损压缩区的编码，将这两种有损压缩方法和无损压缩方法结合起来；整个图像的压缩编码方法分为五个步骤：第一步是选择无损压缩区域；第二步是记录无损压缩区的位置和大小；第三步是对整幅图像进行小波变换；第四步是选择上述两种有损压缩方法之一对小波图像进行有损压缩编码；第五步是单独取出无损区数据采用无损的结合Huffman编码的二维差分脉冲编码调制DPCM预测编码，即先进行二维DPCM预测，然后对预测差值D进行Huffman编码。

2、如权利要求1所述的选择性医学图像压缩方法，其特征在于：对小波图像进行有损压缩时采用的只区分不重要、正重要、负重要小波系数的逐次量化编码法，该方法在扫描小波高频分量的系数时只区分正重要系数POS、负重要系数NEG和不重要系数NMP，对扫描结束码END用每一次扫描的编码长度代替，解码时当解码长度等于这次扫描编码长度，说明这次扫描结束，对NMP我们只记录其游程长度，这样只剩下POS和NEG两个符号，只需1比特编码即可；该方法对于小波低频分量LL的系数采用结合Huffman编码的二维DPCM预测编码；总的编码步骤可分为四步：第一步是进行高频小波系数扫描，绝对值小于阈值T的为不重要系数NMP记录其游程长度，大于阈值T的正数为正重要系数POS，大于阈值T的负数为负重要系数NEG，扫描结束后以END标记，然后阈值T减半返回步骤一直至T减小到预定值；第二步是对NMP的游程长度进行Huffman编码，进一步减少编码比特数，在NMP编码之后即为POS或NEG的编码，我们分别对其编码为1和0；第三步是算出POS，NEG和NMP的编码总长，将其记录到这次扫描编码的开头，代替END，然后返回步骤二，进行下一次扫描的编码；第四步是对小波低频分量进行结合Huffman编码的二维DPCM预测编码。

3、如权利要求1所述的选择性医学图像压缩方法，其特征在于：对小波图像进行有损压缩时采用的只区分不重要、重要小波系数的一次量化编码法，所采用的编码步骤可分为三步：第一步是对高频小波系数进行一次性量化，量化过程分两步：首先确定一个阈值T，将小于T的小波系数即不重要系数NMP量化为零，然后对大于T的小波系数即重要系数IMP，利用人眼视觉特性确定量化步长Q_step，进行再次量化，进一步减少数据量；第二步是扫描量化后的小波系数，对于不重要系数NMP，由于其量化为零所以只记录其游程长度，对于重要系数IMP，记录其量化后的实际值；第三步是对NMP的游程长度和IMP的值分别进行Huffman编码，由于只对小波系数扫描一次，所以不需要记录每一次扫描的编码比特数；第四步是对小波低频分量进行结合Huffman编码的二维DPCM预测编码。

4、如权利要求1、2或3所述的选择性医学图像压缩方法，其特征在于：对小波图像的不重要系数NMP的游程长度进行Huffman编码时，该编码方法将按游程长度Huffman编码方法，编为长度类别码+长度范围码的形式，该编码方法将按游程长度分为不同的长度类别s，首先对长度类别s进行Huffman编码，形成长度类别，然后将实际的游程长度减去2^s-2，形成长度范围码，码长为s，于是，游程长度Huffman码＝长度类别码+长度范围码，由于长度类别0和1只对应唯一的游程长度0和1，因此对于游程长度0和1只用长度类别码表示，省去了长度范围码；解码时，先解出长度类别s，然后根据码长s取长度范围码，那么，实际游程长度＝长度范围码+2^s-2。

Images