CN1471312A - 选择性医学图像压缩方法 - Google Patents
选择性医学图像压缩方法 Download PDFInfo
- Publication number
- CN1471312A CN1471312A CNA021267863A CN02126786A CN1471312A CN 1471312 A CN1471312 A CN 1471312A CN A021267863 A CNA021267863 A CN A021267863A CN 02126786 A CN02126786 A CN 02126786A CN 1471312 A CN1471312 A CN 1471312A
- Authority
- CN
- China
- Prior art keywords
- coding
- length
- image
- wavelet
- nmp
- 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.)
- Granted
Links
Images
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
本发明涉及一种图像压缩方法,具体的说,是涉及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。
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,仍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。
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原有的诊断准确性,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。
为实现上述目的,本发明采用了如下技术方案。
一种选择性医学图像压缩方法,其特征在于:它包括对医学图像的编码方法和存储方法两个部分,其中对医学图像的编码方法主要分为五个编码步骤,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,第四步是对小波图像进行有损压缩编码,包括用游程编码减少比特率的处理,用一次性量化提高编码速度的处理,适应人眼视觉特性的量化处理三种方法,第五步是取出无损区数据单独进行无损DPCM预测编码压缩;对医学图像的存储方法是按本发明所设计的MWT图像文件格式写文件数据,主要分为五个步骤,第一步是写文件头,第二步是写信息头,第三步是写调色板数据,第四步是写有损小波编码数据,第五步是写无损区的编码数据。
所述的选择性医学图像压缩方法,其特征在于:所述的选择无损压缩区域步骤是采用医生用鼠标在图像上拖拉出一个或多个互不重叠的矩形来实现对一个或多个无损区域的选择,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。
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编码步骤中,是用游程编码来减少比特率,其处理方法所采用的编码步骤可分为四步,第一步是进行小波系数扫描,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,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只记录其游程长度,剩下的POS和NEG两个符号,用1比特编码,扫描结束后,阈值T减半,返回本项所述的第一步骤直至T减小到预定值;第二步是对NMP的游程长度采用本发明所设计的Huffman编码进行编码,进一步减少编码比特数,在NMP编码之后即为POS或NEG的编码,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;第四步是返回本项所述的第二步骤,进行下一次扫描的编码。
所述的选择性医学图像压缩方法,其特征在于:所述的对小波图像进行有损压缩编码步骤中,是采用对小波图像用一次性量化来提高编码速度的,其处理方法所采用的编码步骤可分为三步,第一步是对小波系数进行一次性量化,量化过程为首先确定一个阈值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Qstep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分别进行Huffman编码,其中,NMP的游程长度Huffman码采用本发明所设计的游程长度Huffman编码,编为长度类别码+长度范围码的形式。
所述的选择性医学图像压缩方法,其特征在于:所述的医学图像存储方法中设计的以MWT为后缀的图像文件格式包括文件头、信息头、调色板和图像数据四个部分,第一部分文件头是一个MWTFILEHEADER结构;第二部分信息头是一个MWTINFOHEADER结构;第三部分是调色板,只有16色和256色图像才有,是一个以RGBQUAD结构为元素的数组;第四部分是实际的图像数据,前面是有损编码数据后面是无损编码数据,其中Huffman编码表的每一个表项为一个hftablesave结构,对有损和无损数据分别存储,独立传输和显示。
所述的选择性医学图像压缩方法,其特征在于:在对所述的小波图像进行有损压缩编码中所述的对小波图像的不重要系数NMP的游程长度进行Huffman编码时,采用了本发明所设计的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2s-2,形成长度范围码,码长为s,对于游程长度0和1只用长度类别码表示,省去长度范围码;解码时,先解出长度类别s,然后根据码长s取长度范围码,将长度范围码加上2s-2得到实际游程长度。
本发明根据医学诊断中大多只对图像中的某些病变部分感兴趣,而其他部分则不重要或可舍弃的实际情况,采用选择性医学图像压缩方法,通过选择无损压缩区,将无损压缩和有损压缩方法结合到一起,从而解决了医学图像压缩比增加和诊断准确性下降之间的矛盾。既降低了远程医疗图像传输的比特率,提高了传输速度,同时也提高了远程医疗诊断的准确性。
下面将结合附图对最佳实施例进行详细说明。
图1是本发明总的程序流程图;
图2是DPCM预测编码的方框图;
图3是对小波图像用游程编码减少比特率的方法所形成的比特流的方框图;
图4是对小波图像用一次性量化提高编码速度的方法所形成的比特流的方框图;
图5是本发明的MWT图像数据存储格式的方框图;
图6是一副腰椎滑脱的医学图像的原图;
图7是对图6用传统的零树编码压缩后的还原图像;
图8是对图6用本发明的游程编码减少比特率的方法,在未选择无损区情况下,压缩后的还原图像;
图9是对图6用本发明的一次性量化提高编码速度的方法,在未选择无损区情况下,压缩后的还原图像;
图10是对图6用本发明的游程编码减少比特率的方法,在选择了一个无损区的情况下,压缩后的还原图像。
本发明所述的选择性医学图像压缩方法,包括图像的编码方法和存储方法两部分。在对图像进行编码时首先要选择无损区域,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,最后将选择出的无损区域用无损压缩方法进行编码压缩;在对图像进行存储时要存储文件头、信息头和调色板信息,最后存储编码数据。在存储编码数据时要先存有损编码,然后将无损编码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。
要实现选择性医学图像压缩方法,首先必须实现对图像中无损区域的选择,本发明通过医生用鼠标在图像上拖拉出一个或多个互不重叠的矩形来实现一个或多个无损压缩区域的选择,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,量化步长q可由用户调整,默认q=1,即不量化,以保证其信息的完整性。
图2是我们所采用的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。
我们采用的4个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
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编码,其余的只对其预测差值进行编码,本发明采用了Huffman编码。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,实现了本发明所设计的小波图像压缩编码算法。具体的编码方法和步骤如下:
典型的由Shapiro提出的小波零树编码可参见其他资料介绍。目前,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。
大多数情况下,POS和NEG数量远小于ZTR数量,IZ数量最少,基于上述发现,我们采用游程编码来减少比特率,其具体实现方法如下: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,而符号END我们可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1 256×256Lena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。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;
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游程长度进行Huffman编码时,采用我们设计的Huffman编码,其方法如下:
将游程长度按照表2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2s-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+2s-2。这种改进的Huffman编码是本发明设计的一种编码,它与Huffman码的原理完全一致,但它的Huffman码表短,查表效率高,表示范围宽,编解码算法也不复杂。
最后形成的编码比特流如图3所示。
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
为了进一步提高编解速度,我们采用了一次性量化提高编码速度的方法,具体来说,就是将零树编码的逐次逼近量化改为一次性量化,然后对量化后的小波系数扫描一次保存重要的系数,实现图像的快速编码压缩。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Qstep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。其中,游程长度Huffman码仍然按照表2的长度类别,用上述改进的Huffman编码,编为长度类别码+长度范围码的形式。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这些特性来进行量化的。人眼对不同频带的敏感函数FS(S,R)定义为: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Qstep可通过以上两式确定:
Qstep=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Qstep分解为T/Qstep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,并将无损压缩编码嵌入到有损编码中。本发明对其直接进行无损DPCM预测编码,然后追加到有损编码后面。这里采用的无损DPCM预测编码和前面介绍的小波系数低频子带的DPCM预测编码,在方法上是相同的,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的编码步骤为:
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.对小波图像进行包括用游程编码减少比特率的处理、一次性量化提高编码速度的处理和用人眼视觉特性进行的量化处理,得到小波图像有损压缩编码;
5.取出无损区数据单独进行无损DPCM预测编码压缩。
图像的存储方法是按照本法明所设计的以MWT为后缀的图像文件格式来实现的。MWT图像格式中M表示医学(Medicine),WT表示是基于小波变换(WaveletTransform),具体描述如下。MWT图像格式:
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 mfLossLes sNum;//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 <dp n="d9"/> 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
};
本发明的选择性医学图像压缩方法的图像存储步骤为:
1.写文件头;
2.写信息头;
3.写调色板数据;
4.写有损小波编码数据;
5.写无损区的编码数据。
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。
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三种方法进行编码压缩,表3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,
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,用一次性量化提高编码速度的方法在编码速度上更为突出,所用的编码时间最少;而通过选择无损区形成的选择性医学图像压缩方法,在保留了需要观察的病变部位的情况下,仍取得了较大的压缩比,从而基本上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。
压缩比 | 信噪比PSNR(dB) | 编码时间(s) | ||||||
零树算法 | 游程编码减少比特率法 | 一次性量化提高速度法 | 零树算法 | 游程编码减少比特率法 | 一次性量化提高速度法 | 零树算法 | 游程编码减少比特率法 | 一次性量化提高速度法 |
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零树算法的比较(图像Lenna512×512)
Claims (6)
1、一种选择性医学图像压缩方法,其特征在于:它包括对医学图像的编码方法和存储方法两个部分,其中对医学图像的编码方法主要分为五个编码步骤,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,第四步是对小波图像进行有损压缩编码,包括用游程编码减少比特率的处理,用一次性量化提高编码速度的处理,适应人眼视觉特性的量化处理三种方法,第五步是取出无损区数据单独进行无损DPCM预测编码压缩;对医学图像的存储方法是按本发明所设计的MWT图像文件格式写文件数据,主要分为五个步骤,第一步是写文件头,第二步是写信息头,第三步是写调色板数据,第四步是写有损小波编码数据,第五步是写无损区的编码数据。
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:所述的选择无损压缩区域步骤是采用医生用鼠标在图像上拖拉出一个或多个互不重叠的矩形来实现对一个或多个无损区域的选择,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。
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编码步骤中,是用游程编码来减少比特率,其处理方法所采用的编码步骤可分为四步,第一步是进行小波系数扫描,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,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只记录其游程长度,剩下的POS和NEG两个符号,用1比特编码,扫描结束后,阈值T减半,返回本项权利要求所述的第一步骤直至T减小到预定值;第二步是对NMP的游程长度采用本发明所设计的Huffman编码进行编码,进一步减少编码比特数,在NMP编码之后即为POS或NEG的编码,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;第四步是返回本项权利要求所述的第二步骤,进行下一次扫描的编码。
4、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:所述的对小波图像进行有损压缩编码步骤中,是采用对小波图像用一次性量化来提高编码速度的,其处理方法所采用的编码步骤可分为三步,第一步是对小波系数进行一次性量化,量化过程为首先确定一个阈值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Qstep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分别进行Huffman编码,其中,NMP的游程长度Huffman码采用本发明所设计的游程长度Huffman编码,编为长度类别码+长度范围码的形式。
5、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:所述的医学图像存储方法中设计的以MWT为后缀的图像文件格式包括文件头、信息头、调色板和图像数据四个部分,第一部分文件头是一个MWTFILEHEADER结构;第二部分信息头是一个MWTINFOHEADER结构;第三部分是调色板,只有16色和256色图像才有,是一个以RGBQUAD结构为元素的数组;第四部分是实际的图像数据,前面是有损编码数据后面是无损编码数据,其中Huffman编码表的每一个表项为一个hftablesave结构,对有损和无损数据分别存储,独立传输和显示。
6、如权利要求1、3或4所述的选择性医学图像压缩方法,其特征在于:在对所述的小波图像进行有损压缩编码中所述的对小波图像的不重要系数NMP的游程长度进行Huffman编码时,采用了本发明所设计的游程长度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2s-2,形成长度范围码,码长为s,对于游程长度0和1只用长度类别码表示,省去长度范围码;解码时,先解出长度类别s,然后根据码长s取长度范围码,将长度范围码加上2s-2得到实际游程长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB021267863A CN1297142C (zh) | 2002-07-26 | 2002-07-26 | 选择性医学图像压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB021267863A CN1297142C (zh) | 2002-07-26 | 2002-07-26 | 选择性医学图像压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1471312A true CN1471312A (zh) | 2004-01-28 |
CN1297142C CN1297142C (zh) | 2007-01-24 |
Family
ID=34143391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB021267863A Expired - Fee Related CN1297142C (zh) | 2002-07-26 | 2002-07-26 | 选择性医学图像压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1297142C (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101056406B (zh) * | 2007-04-20 | 2010-06-02 | 哈尔滨工业大学 | 基于混合小波编码的医学超声图像压缩方法 |
CN101783952A (zh) * | 2010-03-01 | 2010-07-21 | 广东威创视讯科技股份有限公司 | 图像优化编码方法及优化编码装置 |
CN101908891A (zh) * | 2010-08-23 | 2010-12-08 | 南京信息工程大学 | 基于提升小波和pcnn的医学图像roi压缩方法 |
CN103947209A (zh) * | 2011-11-18 | 2014-07-23 | 皇家飞利浦有限公司 | 使用标准较低质量(网络)图像格式对高质量(医学)图像进行编码 |
CN107333135A (zh) * | 2017-06-05 | 2017-11-07 | 贵阳朗玛信息技术股份有限公司 | 影像图片的呈现方法及装置 |
CN107911122A (zh) * | 2017-11-13 | 2018-04-13 | 南京大学 | 基于分解压缩的分布式光纤振动传感数据无损压缩方法 |
CN108933944A (zh) * | 2018-06-08 | 2018-12-04 | 玖芯半导体有限公司 | 一种对图像数据进行处理的图像压缩方法 |
CN109067405A (zh) * | 2018-07-27 | 2018-12-21 | 深圳还是威健康科技有限公司 | 一种数据压缩的方法、装置、终端及计算机可读存储介质 |
CN109982085A (zh) * | 2017-12-28 | 2019-07-05 | 新岸线(北京)科技集团有限公司 | 一种高精度图像混合压缩的方法 |
CN115883670A (zh) * | 2023-02-21 | 2023-03-31 | 湖南格尔智慧科技有限公司 | 一种医疗数据分析采集方法及装置 |
CN117542488A (zh) * | 2024-01-10 | 2024-02-09 | 济南宝林信息技术有限公司 | 一种用于脑肿瘤ct数据的智能处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010097394A (ko) * | 2000-04-22 | 2001-11-08 | 박흠찬 | 의료영상의 차등압축방법 |
-
2002
- 2002-07-26 CN CNB021267863A patent/CN1297142C/zh not_active Expired - Fee Related
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101056406B (zh) * | 2007-04-20 | 2010-06-02 | 哈尔滨工业大学 | 基于混合小波编码的医学超声图像压缩方法 |
CN101783952A (zh) * | 2010-03-01 | 2010-07-21 | 广东威创视讯科技股份有限公司 | 图像优化编码方法及优化编码装置 |
CN101908891A (zh) * | 2010-08-23 | 2010-12-08 | 南京信息工程大学 | 基于提升小波和pcnn的医学图像roi压缩方法 |
CN103947209A (zh) * | 2011-11-18 | 2014-07-23 | 皇家飞利浦有限公司 | 使用标准较低质量(网络)图像格式对高质量(医学)图像进行编码 |
CN107333135A (zh) * | 2017-06-05 | 2017-11-07 | 贵阳朗玛信息技术股份有限公司 | 影像图片的呈现方法及装置 |
CN107911122A (zh) * | 2017-11-13 | 2018-04-13 | 南京大学 | 基于分解压缩的分布式光纤振动传感数据无损压缩方法 |
CN109982085A (zh) * | 2017-12-28 | 2019-07-05 | 新岸线(北京)科技集团有限公司 | 一种高精度图像混合压缩的方法 |
CN108933944A (zh) * | 2018-06-08 | 2018-12-04 | 玖芯半导体有限公司 | 一种对图像数据进行处理的图像压缩方法 |
CN109067405A (zh) * | 2018-07-27 | 2018-12-21 | 深圳还是威健康科技有限公司 | 一种数据压缩的方法、装置、终端及计算机可读存储介质 |
CN109067405B (zh) * | 2018-07-27 | 2022-10-11 | 深圳市元征科技股份有限公司 | 一种数据压缩的方法、装置、终端及计算机可读存储介质 |
CN115883670A (zh) * | 2023-02-21 | 2023-03-31 | 湖南格尔智慧科技有限公司 | 一种医疗数据分析采集方法及装置 |
CN117542488A (zh) * | 2024-01-10 | 2024-02-09 | 济南宝林信息技术有限公司 | 一种用于脑肿瘤ct数据的智能处理方法 |
CN117542488B (zh) * | 2024-01-10 | 2024-04-12 | 济南宝林信息技术有限公司 | 一种用于脑肿瘤ct数据的智能处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1297142C (zh) | 2007-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100348049C (zh) | 用于渐进地变换并编码数字数据的系统和方法 | |
CN1303820C (zh) | 基于质量的图像压缩 | |
CN1198466C (zh) | 产生量化矩阵的方法 | |
CN1547724A (zh) | 使用golomb-rice的无损失帧内编码 | |
CN1071526C (zh) | 图象数据的自适应可变长度编码和译码方法 | |
US20020003905A1 (en) | Image processing system, image processing apparatus, and image processing method | |
US6792153B1 (en) | Image processing method and apparatus, and storage medium | |
Wu | Medical image compression by sampling DCT coefficients | |
CN1266843C (zh) | 编码方法及系统以及译码方法及系统 | |
Walker | Lossy image codec based on adaptively scanned wavelet difference reduction | |
WO1997035427A1 (en) | Data compression using adaptive bit allocation and hybrid lossless entropy encoding | |
US20080008395A1 (en) | Image compression based on union of DCT and wavelet transform | |
CN1383684A (zh) | 彩色视频编码与解码方法 | |
EP1797520B1 (en) | Methods and systems for rate control in image compression | |
WO2007092661A2 (en) | Variable length coding for sparse coefficients | |
CN101039374A (zh) | 一种图像无损压缩和图像解压缩方法 | |
CN101075348A (zh) | 一种图像压缩方法和装置 | |
CN1471312A (zh) | 选择性医学图像压缩方法 | |
US20060039616A1 (en) | Amplitude coding for clustered transform coefficients | |
CN1607810A (zh) | 采用弱波变换和象限树编码压缩电信图象数据的方法和系统 | |
Memon | Adaptive coding of DCT coefficients by Golomb-Rice codes | |
Tischer et al. | Context-based lossless image compression | |
CN1725861A (zh) | 压缩/解压缩图像的方法和使用该方法的设备 | |
CN101056406B (zh) | 基于混合小波编码的医学超声图像压缩方法 | |
CN1310190C (zh) | 根据每块的能量编码静止图像的离散小波变换器件与方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20070124 Termination date: 20100726 |