DE102004001414A1

DE102004001414A1 - Verfahren und Gerät zur Durchführung nichtdyadischer Wavelet-Transformationen

Info

Publication number: DE102004001414A1
Application number: DE102004001414A
Authority: DE
Inventors: Nithin Bangalore Nagaraj; Sudipta Bangalore Mukhopadhyay; Frederick Wilson Wheeler
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2003-01-10
Filing date: 2004-01-09
Publication date: 2004-07-22
Also published as: US20040136602A1; JP2004260801A

Abstract

Die vorliegende Erfindung bezieht sich auf eine Technik zur Komprimierung von Daten unter Verwendung nichtdyadischer Wavelet-Transformationen. Die nichtdyadischen Wavelet-Transformationen können aus einem allgemeinen Modell abgeleitet werden, oder die speziellen nichtdyadischen Wavelet-Transformationen können so aufgebaut sein, wie es nötig ist, um die erwünschten Bildeigenschaften eines komprimierten Bildes zu verstärken. Die nichtdyadischen Wavelet-Transformationen können differentiell auf unterschiedliche Datendimensionen angewandt werden, um nicht quadratische Transformationen durchzuführen. Außerdem können nichtdyadische Wavelet-Transformationen aufeinanderfolgen, um neuartige Bildauflösungen der komprimierten Bilder zu erreichen.

Description

Die vorliegende Erfindung betrifft allgemein die Bilddatenkomprimierung. Insbesondere betrifft die Erfindung eine Technik zur Komprimierung von Bilddaten zur schnellen Übertragung und Dekomprimierung.
Die Bilddatenkomprimierung hat weitgehende Anwendungen. Digitalisierte Bilder können auf verschiedene Arten geschaffen werden, zum Beispiel mittels relativ einfacher Digitalisierungsausrüstung und digitaler Kameras wie auch mittels komplexer Bildverarbeitungssysteme wie diejenigen, welche für medizinische Diagnosen verwendet werden. Ohne Berücksichtigung der Umgebung, aus welcher die Bilddaten stammen, werden digitale Daten, welche die Bilder beschreiben, für die spätere Wiederherstellung und Darstellung gespeichert und können über Netze wie beispielsweise das Internet zu unterschiedlichen Orten übertragen werden. Ziele der Verwaltung digitaler Bilder schließen die wirkungsvolle Verwendung des Speichers, der der Speicherung von Bilddaten zugeteilt ist, wie auch die wirkungsvolle und schnelle Übertragung der Bilddaten zur Wiederherstellung ein. Das letzte Ziel ist besonders wichtig, wenn große oder komplexe Bilder über Netze mit relativ begrenzter Bandbreite übertragen werden sollen. Ruf dem Gebiet der medizinischen diagnostischen Bildverarbeitung beispielsweise kann es sehr große Sätze von Bilddaten geben, die zu einer Anzahl von Nutzern übertragen und von diesen angesehen werden sollen, einschließlich derer, die begrenzten Zugang auf sehr hohe Bandbreiten haben, welche für die schnelle Übertragung der Bilder mit allen Details erforderlich ist.
Bildarchivierungs- und Kommunikationssysteme oder PACS sind neuerdings extrem wichtige Bestandteile bei der Verwaltung von digitalisierten Bilddaten, insbesondere auf dem Gebiet der medizinischen Bildverarbeitung. Solche Systeme wirken oft als zentrale Lager von Bilddaten, welche die Daten von verschiedenen Quellen, wie medizinischen Bildverarbeitungssystemen, empfangen. Die Bilddaten werden gespeichert und Röntgenologen, diagnostizierenden und konsultierenden Ärzten und anderen Spezialisten wird über Netzverbindungen der Zugriff ermöglicht. Verbesserungen des PACS führten zu dramatischen Fortschritten des Umfangs der verfügbaren Bilddaten und erleichterten das Laden und Übertragen von umfangreichen Dateien innerhalb von Institutionen und zwischen einem zentralen Lagern oder Lagern und entlegenen Klienten.
Eine große Herausforderung ist die weitere Verbesserung der Verarbeitung großer Dateien, die Bilder definieren, für alle Bildverarbeitungssysteme von einfachen Internetbrowsern bis zu einem PACS für medizinische Diagnosen. Auf dem Gebiet der medizinischen Diagnose können digitalisierte Daten abhängig von den Bildverarbeitungsmethoden erfaßt und für eine große Anzahl von Bildern für eine einzige Untersuchung verarbeitet werden, wobei jedes Bild einen großen Datensatz darstellt, der diskrete Bildelemente oder Pixel eines wiederhergestellten Bilds definiert. Bildverarbeitungssysteme für Computertomographie (CT) können beispielsweise viele getrennte Bilder von einer untersuchten Anatomie für einen sehr kurzen Untersuchungszeitrahmen erzeugen. Idealerweise werden die gesamten derartigen Bilder zentral auf dem PACS gespeichert und den Röntgenologen zur Beurteilung und Diagnose verfügbar gemacht.
Verschiedene Techniken wurden vorgeschlagen und werden gegenwärtig für die Analyse und Komprimierung großer Dateien wie beispielsweise medizinische Bilddateien verwendet.
Bilddateien weisen typischerweise Ströme von Daten auf, die beschreibend für Bildmerkmale typischerweise von Intensitäten oder andere Merkmale individueller Pixel des wiederhergestellten Bildes sind. Auf dem Gebiet der medizinischen Diagnose werden diese Bilddateien typischerweise während der Bilderfassung oder der Kodierungssequenz wie in einem Röntgensystem, einem Magnetresonanzbilddsystem, einem Computertomographiebildsystem und so weiter erzeugt. Die Bilddaten werden dann verarbeitet, um dynamische Bereiche anzupassen oder um gewisse Merkmale, die auf dem Bild gezeigt sind, zu verstärken für die Speicherung, Übertragung und Darstellung.
Während Bilddateien in rohen und verarbeiteten Formaten gespeichert werden können, sind viele Bilddateien recht groß und würden einen beträchtlichen Platten- oder Speicherraum einnehmen. Die zunehmende Komplexität von Bildverarbeitungssystemen führte auch zur Erzeugung von sehr großen Bilddateien, die typischerweise mehr Daten als ein Ergebnis eines nützlichen dynamischen Bereichs des Bildverarbeitungssystems, der Größe der Matrix der Bildpixel und der Anzahl der Bilder, die pro Untersuchung erfaßt werden, beinhaltet.
Zusätzlich dazu, daß große Bilddateien einen großen Bereich des verfügbaren Speichers einnehmen, kann es schwierig und zeitraubend sein, sie von einem Ort zu einem anderen zu übertragen. In der medizinischen Bildverarbeitung beispielsweise wird ein Scanner oder eine andere Bildverarbeitungseinrichtung typischerweise Rohdaten erzeugen, die zumindest teilweise von dem Scanner verarbeitet werden können. Die Daten werden dann zu einer weiteren Bildverarbeitungsschaltung übertragen, die typischerweise einen programmierten Computer umfaßt, wo die Bilddaten weiterverarbeitet und vermehrt werden. Schließlich werden die Bilddaten entweder lokal in dem System oder in dem PACS für die spätere Wiedergewinnung und Analyse gespeichert. Für alle diese Schritte der Datenübertragung muß auf große Bilddateien zugegriffen werden und diese von einer Einrichtung zu einer weiteren übertragen werden.
Gegenwärtige Bildverarbeitungstechniken umfassen die Komprimierung von Bilddaten innerhalb der PACS-Umgebung, um die Speicheranforderungs- und Übertragungszeiten zu verringern. Ein Nachteil existierender Komprimierungstechniken ist die Speicherung, der Zugriff und die Übertragung von großen Dateien, selbst wenn ein Verwender das wiederhergestellte Bild mit allen verfügbaren Details nicht sehen kann oder will. In der medizinischen Bildverarbeitung können beispielsweise extrem detaillierte Bilder erfaßt und gespeichert werden, während ein Röntgenologe oder Arzt, der die Bilder sehen möchte, keinen geeigneten Bildschirm zur Darstellung des Bildes in der Auflösung hat, in der es gespeichert ist. Die Übertragung der gesamten Bilder zu einem entlegenen Betrachtungsort wird so eventuell nicht zu einem wirklichen Vorteil für relativ zeitaufwendige Operationen führen und kann das Lesen oder die anderweitige Verwendung der Bilder verlangsamen.
Komprimierungsschemata, die dyadische Wavelet-Transformation verwenden, sprechen einige dieser Bedenken an. Komprimierungsschemata, die dyadische Wavelet-Transformationen verwenden, nutzen eingebettete Auflösungen innerhalb einer Grundstruktur mit mehreren Auflösungen, was hinsichtlich der Bildauflösungen, die gespeichert oder übertragen werden, mehr Flexibilität erlaubt. Da die dyadischen Wavelet-Transformationen unglücklicherweise in Faktoren von ein halb funktionieren, verringert sich die Bildauflösung für jede Dimension nach jeder Iteration um die Hälfte, wenn sie uniform auf ein mehrdimensionales Datenobjekt wie ein Bild angewandt werden. Dies begrenzt die Anzahl der nützlichen Zerlegungen, die durchgeführt werden können, und bewirkt auch, daß das Längenverhältnis, d. h. das Verhältnis einer transformierten Dimension zu einer anderen, wie etwa die Höhe/Breite für jedes Zerlegungsniveau konstant bleibt. Zusätzlich kann die Auflösung der Darstellungseinrichtung zwischen Zerlegungsniveaus in einer dyadischen Grundstruktur liegen, was zu einem dargestellten Bild führt, das für die Darstellungseinrichtung nicht optimal ist, ebenso wie zu nicht optimaler Übertragung der Daten in einer Netzumgebung. Mit anderen Worten können mehr oder weniger komprimierte Daten als optimal sind zu einem Darstellungsgerät gesandt werden, das wiederum eventuell die Daten nicht mit der optimalen Auflösung der Darstellungseinrichtung darstellen kann. Diese Probleme treten allgemein aufgrund der begrenzten Flexibilität auf, für welche eine dyadische Wavelet-Transformation hinsichtlich der verfügbaren Zerlegungsniveaus führt.
Deshalb ist eine verbesserte Bilddatenkomprimierungs- und Dekomprimierungstechnik nötig, die für eine schnelle Komprimierung und Dekomprimierung von Bilddateien führt und die verbesserte Komprimierungsverhältnisse und Übertragungszeiten erreicht. Insbesondere ist eine Technik notwendig, die es erlaubt, komprimierte Bilddateien zu schaffen und mit unterschiedlichen Auflösungen oder Größen abhängig von der Bandbreite und der erwünschten oder verfügbaren Auflösung auf seiten eines Clients zu übertragen.
Die vorliegende Technik schafft eine neue Lösung der Bildkomprimierung. Insbesondere werden nichtdyadische Wavelet-Transformationen verwendet, um die unterscheidbaren Zerlegungsniveaus zu vergrößern, wodurch die Flexibilität der Komprimierungstechniken vergrößert wird. Die nichtdyadischen Wavelet-Transformationen können auf verschiedene Dimensionen der Daten, d. h. die Höhe, Breite, Tiefe, Zeit einschließlich differentieller Anwendung, um nicht quadratische Komprimierungssätze anzupassen, angewandt werden.
Zusätzlich können nichtdyadische Wavelet-Transformationen aufeinanderfolgen, um dyadische oder nichtdyadische Auflösungen zu erzeugen, oder können differentiell angewandt werden, so daß die Längenverhältnisse nach der Komprimierung verändert werden können.
Erfindungsgemäß wird ein Verfahren zur Komprimierung eines Satzes von Datenpunkten geschaffen, Mehrere Datenpunkte werden in eine oder mehrere Untergruppen kodiert. Einer oder mehrere erste Koeffizienten werden für jede Untergruppe berechnet. Jeder erste Koeffizient wird unter Verwendung von zwei oder mehr Datenpunkten innerhalb der entsprechenden Untergruppe berechnet. Einer oder mehrere zweite Koeffzienten werden für jede Untergruppe berechnet. Jeder zweite Koeffizient wird unter Verwendung von zumindest einem von einem oder mehreren ersten Koeffizienten und einem oder mehreren Datenpunkten innerhalb der entsprechenden Untergruppe berechnet. Die Anzahl der ersten Koeffizienten ist nicht gleich der Anzahl der zweiten Koeffizienten.
Außerdem wird ein Codec zur Komprimierung und Dekomprimierung digitaler Daten geschaffen. Der Codec umfaßt einen Kodierer, der eingerichtet ist, um mehrere Datenpunkte, die eine digitale Aufnahme enthalten in eine oder mehrere Untergruppe zu gruppieren. Der Kodierer ist auch eingerichtet, um einen oder mehrere erste Koeffizienten für jede Untergruppe zu berechnen. Jeder erste Koeffizient wird unter Verwendung von einem oder mehreren Datenpunkten innerhalb der entsprechenden Untergruppe berechnet. Der Kodierer ist auch eingerichtet, um einen oder mehrere zweite Koeffizienten für jede Untergruppe zu berechnen. Jeder zweite Koeffizient wird unter Verwendung von zumindest einem von dem einen oder mehreren Koeffizienten und einem oder mehreren Datenpunkten innerhalb der entsprechenden Untergruppe berechnet. Die Anzahl der ersten Koeffizienten ist nicht gleich der Anzahl der zweiten Koeffizienten. Der Codec umfaßt auch einen Dekodierer, der eingerichtet ist, um mehrere Datenpunkte aus den ersten Koeffizienten und den zweiten Koeffizienten wiederherzustellen.
Ferner wird ein Bildverwaltungssystem geschaffen. Das System umfaßt einen oder mehrere Daten-Server, die eingerichtet sind, um eine oder mehrere Dateien von zumindest einer von einer oder mehreren Eingabe/Ausgabeschnittstellen, einem oder mehreren Bildverarbeitungssystemen, einem oder mehreren Bildspeicherungssystemen und einem oder mehreren entfernten Clients zu empfangen und dahin zu übertragen. Das System umfaßt auch einen Codec, der eingerichtet ist, um die Dateien zu verarbeiten. Der Codec umfaßt einen Kodierer, der eingerichtet ist, mehrere Datenpunkte, die eine digitale Aufnahme enthalten, in eine oder mehrere Untergruppen zu gruppieren. Der Kodierer ist auch eingerichtet, um einen oder mehrere erste Koeffzienten für jede Untergruppe zu berechnen. Jeder erste Koeffizient wird unter Verwendung von zwei oder mehreren Datenpunkten innerhalb der entsprechenden Untergruppe berechnet. Der Kodierer ist auch eingerichtet, um einen oder mehrere zweite Koeffizienten für jede Untergruppe zu berechnen. Jeder zweite Koeffizient wird unter Verwendung von zumindest einem von einem oder mehreren ersten Koeffizienten und einem oder mehreren Datenpunkten innerhalb der entsprechenden Untergruppe berechnet. Die Anzahl der ersten Koeffizienten ist nicht gleich der Anzahl der zweiten Koffizienten. Der Codec umfaßt auch einen Dekodierer, der eingerichtet ist, um mehrere Datenpunkte aus den ersten Koeffizienten und den zweiten Koeffizienten wiederherzustellen.
Darüber hinaus wird ein greifbares Mittel zur Komprimierung eines Satzes von Datenpunkten geschaffen. Das greifbare Mittel umfaßt eine Routine, um mehrere Datenpunkte in eine oder mehrere Untergruppen zu gruppieren. Zusätzlich umfaßt das greifbare Mittel eine Routine, um einen oder mehrere erste Koeffizienten für jede Untergruppe zu berechnen, Jeder erste Koeffizient wird unter Verwendung von zwei oder mehr Datenpunkten innerhalb der entsprechenden Untergruppe berechnet. Das greifbare Mittel umfaßt auch eine Routine, um eine oder zwei zweite Koeffizienten für jede Untergruppe zu berechnen. Jeder zweite Koeffizient wird unter Verwendung von zumindest einem von einem oder mehreren ersten Koeffizienten und einem oder mehreren Datenpunkten innerhalb der entsprechenden Untergruppe berechnet. Die Anzahl der ersten Koeffizienten ist nicht gleich der Anzahl der zweiten Koeffizienten.
Außerdem wird ein Verfahren zur Komprimierung eines Satzes von Datenpunkten geschaffen. Es wird auf einen Satz von Datenpunkten zugegriffen. Eine nichtdyadische Wavelet-Transformation wird auf den Satz von Datenpunkten angewandt, so daß ein erster Satz von transformierten Daten und ein zweiter Satz von transformierten Daten entstehen.
Überdies wird ein Codec zur Komprimierung und Dekomprimierung von digitalen Daten geschaffen. Der Codec umfaßt einen Kodierer, der eingerichtet ist, um auf einen Satz von Datenpunkten zuzugreifen und eine nichtdyadische Wavelet-Transformation auf den Satz von Datenpunkten anzuwenden, so daß ein erster Satz von transformierten Daten und ein zweiter Satz von transformierten Daten entstehen. Der Codec umfaßt auch einen Dekodierer, der eingerichtet ist, um eine nichtdyadische Wavelet-Umkehrtransformation auf den ersten Satz von transformierten Daten und auf den zweiten Satz von transformierten Daten anzuwenden, so daß der Satz von Datenpunkten wiederhergestellt wird.
Ferner wird ein Bildverbreitungssystem geschaffen. Das System umfaßt einen oder mehrere Daten-Server, die eingerichtet sind, um eine oder mehrere Dateien von zumindest einer oder mehreren Eingabe/Ausgabeschnittstellen, einem oder mehreren Bildverarbeitungssystemen, einem oder mehreren Bildspeicherungssystemen oder einem oder mehreren entfernten Clients zu empfangen und dahin zu senden. Das System weist auch einen Codec auf, der eingerichtet ist, um die Dateien zu verarbeiten. Der Codec umfaßt einen Kodierer, der eingerichtet ist, um auf einen Satz von Datenpunkten zuzugreifen und um eine nichtdyadische Wavelet-Transformation auf den Satz von Datenpunkten anzuwenden, so daß ein erster Satz von transformierten Daten und ein zweiter Satz von transformierten Daten entstehen. Der Codec umfaßt auch einen Dekodierer, der eingerichtet ist, um eine nichtdyadische Wavelet-Umkehrtransformation auf den ersten Satz transformierter Daten und den zweiten Satz transformierter Daten anzuwenden, so daß der Satz von Datenpunkten wiederhergestellt wird.
Des weiteren wird ein Bildverwaltungssystem geschaffen. Das System umfaßt einen oder mehrere File-Server, die eingerichtet sind, um eine oder mehrere Dateien von zumindest einer oder mehreren Eingabe/Ausgabeschnitstellen, einer oder mehreren Bildverarbeitungssystemen, einem oder mehreren Bildspeicherungssystemen oder einem oder mehreren entlegenen Clients zu empfangen und dahin zu senden. Das System umfaßt auch ein Mittel, um eine oder mehrere nichtdyadische Transformationen der Dateien durchzuführen.
Ferner wird ein greifbares Mittel geschaffen, um einen Satz von Datenpunkten zu komprimieren. Das greifbare Mittel umfaßt eine Routine, um auf einen Satz von Datenpunkten zuzugreifen. Das greifbare Mittel umfaßt auch eine Routine, um eine nichtdyadische Wavelet-Transformation auf den Satz von Datenpunkten anzuwenden, so daß ein erster Satz von transformierten Daten und ein zweiter Satz von transformierten Daten entstehen.
Überdies wird ein Verfahren zur Dekomprimierung eines Satzes von Datenpunkten geschaffen. Es wird auf einen ersten Satz von transformierten Datenpunkten und auf einen zweiten Satz von transformierten Datenpunkten zugegriffen. Es wird eine nichtdyadische Wavelet-Umkehrtransformation auf den ersten Satz von transformierten Datenpunkten und den zweiten Satz von transformierten Datenpunkten angewandt, so daß ein Satz von nicht transformierten Datenpunkten entsteht.
Die aufgeführten und weitere Vorteile und Merkmale der Erfindung werden durch Lesen der folgenden detaillierten Beschreibung unter Bezugnahme auf die beiliegenden Zeichnungen offenbar werden. Es zeigen:
1 eine schematische Darstellung eines beispielhaften Bildverwaltungssystems, dargestellt ist ein Beispiel eines Bildarchivierungs- und Kommunikationssystems oder PACS zum Empfangen und Speichern von Bilddaten;
2 eine schematische Darstellung der Inhalte von Datenbanken zur Bezeichnung von gespeicherten Bilddaten in Dateien, die verschiedene Bilddatensätze, komprimierte Daten und beschreibende Information enthalten;
3 eine Darstellung eines typischen Bilds von dem Typ, der von dem System aus 1 empfangen, komprimiert und gespeichert wird;
4 ein Zustandsdiagramm eines Untersatzes von Daten, auf den eine allgemeine nichtdyadische Transformation angewandt wird;
5 ein Zustandsdiagramme einer allgemeinen nichtdyadischen Transformation;
6 ein Zustandsdiagramm des sich aus der Transformation aus 4 ergebenden Datensatzes, auf den eine weitere allgemeine nichtdyadische Transformation angewandt wird;
7 eine Darstellung der Frequenzunterbänder, die durch eine nichtdyadische Transformation mit mehreren Zerlegungsniveaus erzeugt werden;
8 ein Zustandsdiagramme einer allgemeinen nichtdyadischen Umkehrtransformation, die der allgemeinen nichtdyadischen Transformation aus 5 entspricht;
9 eine schematische Darstellung eines beispielhaften Codec, der eingerichtet ist, um eine nichtdyadische Wavelet-Transformation auszuführen;
10 ein Zustandsdiagramm eines Untersatzes von Daten, auf die eine spezielle nichtdyadische Transformation angewandt wird;
11 ein Zustandsdiagramm einer speziellen nichtdyadischen Umkehrtransformation, die der speziellen nichtdyadischen Transformation aus 10 entspricht;
12 ein Zustandsdiagramm eines Untersatzes von Daten, auf den eine alternative spezielle nichtdyadische Transformation angewandt wird; und
13 ein Zustandsdiagramm einer speziellen nichtdyadischen Umkehrtransformation, die der speziellen nichtdyadischen Transformation aus 12 entspricht.
Die im folgenden erörterten Techniken beziehen sich auf Datenkodierungssysteme im allgemeinen und insbesondere auf Systeme, in welchen Daten, die aus Sätzen von Datenpunkten bestehen, zu Speicherung, Übertragung oder Darstellung kodiert oder komprimiert werden. Daten, die auf eine solche Art verarbeitet werden können, umfassen digitale Bilder, digitale Videos und Volumdaten. Beispiele solcher Daten sind digital erfaßte Bilder oder Videos einschließlich derer, die zur Sicherheitsüberwachung gehören, d.h. Gepäcküberwachung und Geometrie, medizinische Bildverarbeitung, nichtdestruktive Werkstoffuntersuchungen, metereologische Datensammlung und digitale Fotos und Filme. Zusätzlich sind analoge Bilder oder Videos, die in ein digitales Format umgewandelt wurden, wie beispielsweise durch Abtasten oder einen anderen Umwandlungsmechanismus, auch Beispiele solcher Daten. Obwohl diese vielfältigen verschiedenen Typen digitaler Daten für die im folgenden beschriebenen Techni ken geeignet sind, wird die folgende Erörterung im Zusammenhang mit medizinischer Bildverarbeitung dargestellt. Dies soll jedoch so verstanden werden, daß auf medizinischer Bilder und medizinische Bildverarbeitungssysteme nur zur Veranschaulichung der allgemeinen erörterten Techniken Bezug genommen wird und dies nicht den Umfang einschränkt.
1 veranschaulicht beispielsweise ein beispielhaftes Bilddatenverwaltungssystem in Forme eines Bildarchivs und Kommunikationssystems oder PACS 10 zum Empfangen, Komprimieren und Dekomprimieren von Bilddaten. In der veranschaulichten Ausführungsform empfangt das PACS 10 Bilddaten von mehreren getrennten Bildverarbeitungssystemen, die mit den Bezugsezeichen 12, 14 und 16 bezeichnet sind. Wie Fachleute wissen werden, können die Bildverarbeitungssysteme einen vielfältigen Typ oder Methoden haben wie Magnetresonanz-Bilderverarbeitungs(MRI)-Systeme, Computertomographie(CT)-Systeme, Positronenemissionstomographie(PET)-Systeme, Röntgenfluoroskopie (RF), Computerröntgen (CR), Ultraschallsysteme und so weiter. Außerdem können die Systeme Verarbeitungseinheiten oder Digitalisierungseinheiten wie beispielsweise Ausrüstung einschließen, die dazu dient, digitale Bilddaten auf Grundlage existierender Filme oder Bildern auf Blättern zu schaffen. Es soll auch angemerkt werden, daß die Systeme die Bilddaten zu dem PACS zuführen, sich innerhalb des PACS befinden können wie etwa in der gleichen Institution oder Einrichtung oder von dem PACS weit entlegen sein können wie etwa eine außerhalb gelegene Klinik oder angeschlossene Institution. Im letzteren Fall können die Bilddaten über eine geeignete Netzverbindung einschließlich offener Netze, privater Netze, virtueller privater Netze und so weiter übertragen werden.
Das PACS 10 umfaßt einen oder mehrere Datei-Server 18, die dafür ausgelegt sind, Bilddaten zu empfangen und zu verarbeiten und die Bilddaten für die Dekomprimierung und Durch sicht zugänglich zu machen. Der Server 18 empfängt die Bilddaten über eine Eingabe/Ausgabeschnittstelle 19. Die Bilddaten können in Routinen komprimiert werden, auf die über eine Komprimierungs/Dekomprimierungsschnittstelle 20 zugegriffen wird. Wie im folgenden genauer beschrieben dient die Schnittstelle 20 dazu, die ankommenden Bilddaten schnell und optimal zu komprimieren, während der Server 18 und andere Komponenten des PACS weiterhin auf beschreibende Bilddaten Bezug nehmen können. Falls erwünscht kann die Schnittstelle auch dazu dienen, die Bilddaten, auf welche über den Server zugegriffen wird, zu dekomprimieren. Die Komprimierung der Daten bei der Schnittstelle 20 erlaubt es, mehr Daten in dem System 10 zu speichern, oder erlaubt es, die Daten schneller und wirkungsvoller zu Anlagen des Netzes zu übertragen, die auch dafür ausgelegt sein können, die komprimierten Daten zu dekomprimieren.
Der Server ist auch mit internen Clients, wie mit den Bezugszeichen 22 bezeichnet, gekoppelt, wobei jeder Client typischerweise eine Workstation umfaßt, bei der ein Röntgenologe, Arzt oder Pfleger auf die Bilddaten von einem Server zugreifen, die Bilddaten dekomprimieren und die Bilddaten je nach Wunsch ansehen oder ausgeben kann. Über Clients 22 können auch Daten eingeben werden, wie etwa ein Diktat eines Radiologen, das sich an die Durchsicht der Untersuchungssequenzen anschließt. Ähnlich kann der Server 18 mit einer oder mehreren Schnittstellen wie einer Druckerschnittstelle 24 gekoppelt sein, die dazu dienen, auf Bilddaten zuzugreifen und diese zu dekomprimieren oder Bilder auf Blättern über einen Drucker 26 oder anderes Zusatzgerät auszugeben.
Der Server 28 kann Bilddaten oder andere Arbeitsablaufsinformation innerhalb des PACS einem oder mehreren Datei-Servern 18 zuordnen. In der gegenwärtig betrachteten Ausführungsform kann der Datenbank-Server 28 querverweisende Information, die besondere Bildsequenzenverweise, ärztliche Diagnoseinformation, Patienteninformation, Hintergrundinformation, Querverweise für Arbeitslisten und so weiter umfassen. Die Information in dem Daten-Server 28 dient dazu, die Speicherung und Zuordnung der Bilddateien zueinander zu erleichtern und es auf Anforderung Clients schnell und genau den Zugriff auf Bilddateien, die innerhalb des Systems gespeichert sind, zu ermöglichen. Ähnlich ist Server 18 mit einem oder mehreren Archiven 30 wie einem optischen Speichersystem gekoppelt, welches als Lager großer Mengen von Bilddaten zur Sicherung und Archivierung dient. Techniken zum Übertragen von Bilddaten zwischen Server 18 und irgendeinem Speicher, der zu dem Server 18 gehört und ein kurzfristiges Speichersystem bildet, und dem Archiv 30 können ein geeignetes Datenverwaltungsschema befolgen, wie etwa die Archivierung von Bilddaten, die der Durchsicht und dem Diktat eines Röntgenologen folgt, oder nachdem eine ausreichende Zeit nach dem Empfang und der Durchsicht der Bilddateien verstrichen ist.
In der veranschaulichten Ausführungsform können andere Komponenten des PACS-Systems oder der Institution in die bereits genannten Komponenten integriert sein, um die Systemfunktionalität weiter zu erhöhen. Wie beispielsweise in 1 veranschaulicht, ist eine Komprimierungs/Dekomprimierungsbibliothek 32 mit einer Schnittstelle 20 gekoppelt und dient zur Speicherung der Komprimierungsroutinen, der Algorithmen, der Nachschlagetabellen und so weiter für den Zugriff durch die Schnittstelle 20 (oder andere Systemkomponenten) auf die Durchführung von Komprimierungs- und Dekomprimierungsroutinen hin (d.h. um verschiedene Routinen, Softwareversionen, Codetabellen und so weiter zu speichern). In der Praxis kann die Schnittstelle 20 Teil der Bibliothek 32 sein. Die Bibilothek 32 kann auch mit anderen Komponenten des Systems wie den Clients 22 oder der Drukkerschnittstelle 24 gekoppelt sein, die auch dazu dienen können, Daten zu komprimieren oder dekomprimieren, um ähnlich als Bibliothek oder Speicher für die Komprimierungs- und Dekomprimierungsroutinen und Algorithmen zu dienen. Obwohl die Bibliothek 32 als getrennte Komponenten in 1 veranschaulicht ist, sollte dies so verstanden werden, daß die Bibliothek 32 in einem geeigneten Server oder Speichereinrichtung einschließlich des Servers 18 eingeschlossen sein kann. Außerdem kann der Code, der die im folgenden beschriebenen Komprimierungs- und Dekomprimierungsprozesse definiert, direkt in die Schnittstelle 20 und/oder Bibliothek 32 geladen werden oder kann über Netzverbindungen einschließlich eines Fernnetz, offenen Netzes und so weiter geladen oder aktualisiert werden.
Zusätzliche Systeme können mit dem PACS wie etwa direkt mit dem Server 28 oder über Schnittstellen wie Schnittstelle 19 verbunden sein. In der Ausführungsform, die in 1 veranschaulicht ist, ist ein Röntgenabteilungsinformationssystem oder RIS 34 mit dem Server 18 verbunden, um den Datenaustausch zu erleichtern, typischerweise Querverweisdaten innerhalb des Datenbank-Servers 28 und einem Zentral- oder Abteilungsinformationssystem oder einer Datenbank. Ähnlich kann ein Krankenhausinformationssystem oder HIS 36 mit dem Server 28 gekoppelt sein, um ähnlich Datenbankinformation, Arbeitsablaufinformation und so weiter auszutauschen. Falls erwünscht können solche Systeme eine Schnittstelle über Datenaustauschsoftware haben oder können teilweise oder vollständig in das PACS-System integriert sein, um für einen Zugriff auf die Daten zwischen der PACS-Datenbank und der Röntgenabteilungs- oder den Krankenhausdatenbanken zu sorgen oder eine einzige Querverweisdatenbank zu schaffen. Ähnlich können externe Clients, wie mit den Bezugszeichen 38 bezeichnet, eine Schnittstelle mit dem PACS haben, so daß Bilder an entlegenen Orten gesehen werden können. Solche externen Clients können Dekomprimierungssoftware verwenden oder können Bilddateien empfangen, die von der Schnittstelle 20 bereits komprimiert wurden. Wiederum können Verbindungen zu solchen externen Clients über irgendeine geeignete Verbindung wie Fernnetze, virtuelle private Netze und so weiter hergestellt werden.
2 veranschaulicht genauer den Typ der Querverweisdaten, auf welche die Clients 20, 22, 24, 30 über den Datenserver 28 Zugang haben. Die Datenbankeinträge, die allgemein durch das Bezugszeichen 40 in 2 bezeichnet sind, werden Querverweisinformation einschließlich Patientendaten 42, Bezüge zu besonderen Studien und Untersuchungen 43, Bezüge zu besonderen durchgeführten Verfahren 44, Bezüge auf die abgebildete Anatomie 45 und weitere Bezüge auf besondere Bildfolgen 46 im Rahmen der Untersuchung umfassen. Fachleute werden es außerdem zu schätzen wissen, daß die Querverweisinformation weitere Information umfassen kann, welche die Zeit und das Datum der Untersuchung, den Namen des diagnostizierenden, konsultierenden und andere Ärzte, das Krankenhaus oder die Abteilung, wo die Bilder gemacht wurden und so weiter umfaßt. Die Datenbank wird auch Adreßinformation aufweisen, die bestimmte Bilder, Datenbanknamen und Bereiche der Bilder, wie mit dem Bezugszeichen 38 bezeichnet, identifiziert. Falls das PACS verschiedenen zugehörige Speichereinrichtungen oder kurzfristige Speichersysteme umfaßt, kann auf diese Ort innerhalb der Datenbank querverwiesen werden und sie können im Grunde von dem Endnutzer versteckt werden, wobei auf die Bilddateien einfach durch das System zugegriffen werden kann, um sie von dem bestimmten Speicherort auf Grundlage der Querverweisinformation in der Datenbank anzuschauen.
Wie im folgenden genauer mit Bezugnahme auf bestimmte Aspekte der vorliegenden Technik beschrieben, wird beschreibende Information zur Identifizierung bevorzugter oder optimaler Komprimierungsroutinen verwendet, die zur Komprimierung von Bilddaten verwendet werden. Solch be schreibende Information ist typischerweise in Vorspannabschnitten einer Bilddatenfolge wie auch im folgenden beschrieben enthalten. Die auf dem Datenserver 28 zugängliche Information kann aber auch als die Grundlage bestimmter ausgewählter Algorithmen dienen, die für die Komprimierungstechnik verwendet werden. Insbesondere können Datenbankbezüge benutzt werden, um beschreibende Information wie das Verfahren, das für eine Bildsequenz verwendet wurde, bestimmte Anatomien oder anderen Merkmalen, die in wiederhergestellten Bildern auf Grundlage der Daten und so weiter sichtbar sind, zu identifizieren. Solche Information kann auch auf dem RIS 34 und dem HIS 36 vorhanden sein.
2 veranschaulicht auch eine beispielhafte Bilddatei, auf die durch Datenbankeinträge querverwiesen wird. Wie in 2 gezeigt, umfaßt die Bilddatei 50 mehrere Bilddatensätze 52, 54 und 56. Für eine typische Bilddatei kann eine große Anzahl von solchen Bilddatensätzen durch einen kontinuierlichen Datenstrom definiert werden. Jeder Datensatz kann gemäß einem besonderen Komprimierungs-algorithmus einschließlich der im folgenden beschriebenen Komprimierungsalgorithmen komprimiert sein.
Für jeden Bilddatensatz ist ein beschreibender Vorspann 58 zusammen mit dem Komprimierungsvorspann 60 vorgesehen. Auf die Vorspänne 58 und 60 folgen komprimierte Bilddaten 62. Der beschreibende Vorspann 58 eines jeden Datensatzes umfaßt vorzugsweise beschreibende Information, die erkennbar ist, oder einem Industriestandard unterliegt, wie DICOM-konforme beschreibende Daten. Fachleute werden es zu schätzen wissen, daß solche beschreibende Information typischerweise eine Identifizierung des Patienten, des Bilds, des Datums der Studie oder Sequenz, Methode des Systems, mit dem die Bilddaten erzeugt wurden, sowie zusätzliche Information betreffs bestimmter Anatomien oder Merkmale, die auf den wiederhergestellten Bildern sichtbar sind, umfaßt. Wie im folgenden genauer beschrieben, werden solche beschreibenden Vorspanndaten vorzugsweise in Techniken zur Identifizierung optimaler Komprimierungsalgorithmen oder Routinen verwendet, die zur Komprimierung von Daten innerhalb des Abschnitts 62 für komprimierte Bilddaten verwendet werden. Daten, die sich auf den bestimmten Algorithmus oder Routine beziehen, die zur Komprimierung der Bilddaten verwendet werden, werden dann innerhalb des Komprimierungsvorspanns 60 zur späteren Bezugnahme bei der Dekomprimierung der Bilddaten gespeichert. Wie unten beschrieben, werden zusätzliche Daten innerhalb der komprimierten Bilddaten gespeichert, die auf die Algorithmen querverweisen, die in den Komprimierungsvorspann 60 zur Verwendung bei der Dekomprimierung der Bilddaten identifiziert werden. Insbesondere umfaßt in einer vorliegenden bevorzugten Ausführungsform der Komprimierungsvorspann 60 die Identifikations der Länge von Unterbereichen der komprimerten Bilddaten wie auch Verweise auf bestimmte optimale Algorithmen in Form von Komprimierungskodetabellen, die verwendet werden, um die Unterbereiche optimal zu komprimieren.
3 veranschaulicht ein Datenbeispiel, das hier als ein digitales Bild veranschaulicht ist, das in Paketen von digitalisierten Daten kodiert ist, die in einem kontinuierlichen Datenstrom angeordnet sind, der gemäß der vorliegenden Techniken komprimiert und dekomprimiert werden kann. Das Bild, das allgemein mit dem Bezugszeichen 100 bezeichnet ist, kann interessante Merkmale 102 wie etwa bestimmte anatomische Merkmale aufweisen. In der medizinischen Diagnose können solche Merkmale bestimmte Anatomien oder Bereiche eines Patienten umfassen, die mit Hilfe der Physik der Bilderfassungsmethode sichtbar sind, wie etwas weiches Gewebe auf MRI-Systembildern, Knochen auf Röntgenbildern und so weiter. Jedes Bild umfaßt eine Matrix mit einer Weite 104 und einer Höhe 106, die von der Anzahl und Verteilung individueller Pixel 108 definiert wird. Die Pixel der Bildma trix sind in Zeilen 110 und Spalten 112 angeordnet und werden sich verändernde Merkmale haben, die, wenn sie auf dem wiederhergestellten Bild gesehen werden, die untersuchten Merkmale definieren. Für eine typische medizinische Diagnose werden diese Merkmale Graustufen oder Farbe umfassen. In einem digitalisierten Datenstrom wird jeder Pixel von einem Binärcode dargestellt, wobei der Binärcode an einen beschreibenden Vorspann angehängt ist, um bei der Identifizierung des Bildes und zugehörigen weiteren Bildern einer Studie zu helfen. Wie bereits bemerkt, kann solche beschreibende Information industrielle Standardinformation wie etwa DICOM-konforme Daten umfassen.
Eine Komponente eines Komprimierungsschemas, das in Bildkodierungssystemen des Typs verwendet wird, der verwendet werden kann, um das Bild 100 zu komprimieren und dekomprimieren, ist dyadische Wavelet-Transformation (WT). Insbesondere weisen dyadische Wavelet-Tranformationen viele wünschenswerte Eigenschaften auf wie hohe Komprimierungsverhältnisse, die erreicht werden können, weil WT das Bild in Unterbänder unterschiedlicher Frequenzen dekorreliert. Dyadische WT schafft auch eine Grundstruktur mit vielen Auflösungen zur Darstellung der Bilder mit unterschiedlichen Näherungsniveaus und ermöglicht entweder „verlustreiche" oder „verlustlose", d.h. unperfekte oder perfekte Wiederherstellung, abhängig von der Umsetzung. Für dyadische WT ist es möglich, eine Näherung des Bildes mit dyadischen Auflösungen, d.h. in Faktoren von ein halb aus dem Bitstrom wiederherzustellen, eine Eigenschaft, die als eingebettete Auflösung bekannt ist. Aufgrund dieser verschiedenen Eigenschaften erwies sich die dyadische WT sowohl in Industrie als auch in Forschung als populäre Komponente von Komprimierungsstandards.
Beispielsweise wird dyadische WT weitgehend auf verschiedenen Gebieten der medizinischen Bildverarbeitung teilweise aufgrund der Möglichkeit der perfekten Wiederherstellung, die Information über winzige oder feine untersuchte Merkmale 102 bewahrt, verwendet. Zusätzlich ermöglicht die dyadische WT eine akzeptable Komprimierung medizinischer Bilddateien, die ansonsten ziemlich groß sind, eine Bittiefe zwischen 8 und 16 haben und typischerweise im Bereich 256 × 256 bis 2000 × 2000 Pixel sind, wobei einige Bildverarbeitungsmethoden Bilder mit bis zu 25.000 × 25.0000 Pixel erzeugen, Außerdem können viele medizinische Bildverarbeitungsmethoden wie Computertomographie bis zu 1000 Bilder oder „Scheiben" in einer Bildverarbeitungssequenz erhalten. Diese riesige Anzahl von erzeugten Bildern zusammen mit den großen Dateigrößen eines jeden Bilds beweist die Notwendigkeit guter Komprimierung mit Merkmalen wie eingebetteter Auflösung, wie sie durch dyadische WT geschaffen wird, Da dyadische WT es erlaubt, die Bilder mit unterschiedlichen Auflösungen wiederherzustellen, wird zusätzlich die Wartezeit im Dekodierer verringert, was es dem Endnutzer erlaubt, das Bild zu begutachten, ohne die Dekodierung des gesamten Bitstroms abzuwarten.
Dyadische WT unterliegt jedoch bestimmten Einschränkungen. Insbesondere ist dyadische WT auf die Anzahl der unterschiedlichen Auflösungen beschränkt, die aufgrund der dyadischen Natur der Wavelet-Transformation vorhanden sind. Dyadische WT ermöglicht Auflösungen, die dyadische Faktoren sind, d. h. jede transformierte Dimension wird um ein halb verringert. Die Anzahl der vorgesehenen Auflösungen ist gleich der Anzahl der Zerlegungsniveaus (L), so daß es möglich ist, ein komprimiertes zweidimensionales Bild mit Auflösungen von 1 (die ursprüngliche Auflösung), ½, ¼, 1/8, 1/16..., (1/2)^L wiederherzustellen. Für den Fall eines Bilds mit 512 × 512 Pixeln ist es beispielsweise möglich, daß ursprüngliche Bild mit 256 × 256, 128 × 128, 64 × 64 und so weiter näherungsweise aus dem gleichen komprimierten Datenstrom darzustellen, d. h. die eingebetteten Auflösungen.
Die begrenzte Anzahl der Zerlegungsniveaus oder Auflösungen kann Probleme darstellen, wenn die Darstellungseinrichtung oder der Drucker eine Auflösung hat, die anders als die verfügbare dyadische Auflösung ist, wie etwa 768 × 768 oder 1024 × 768 für das vorliegende Beispiel. Eine Lösung dieses Problems ist es, die verfügbaren Zerlegungsniveaus zu erhöhen. Jedoch ist diese Lösung im allgemeinen unbefriedigend, da für höhere Zerlegungsniveaus (1/2)^L sehr klein sein kann. Für den Fall eines Bilds mit 512 × 512 Pixeln ist für L = 5 beispielsweise das kleinste dekodierbare Bild 16 × 16, was für die Wahrnehmung des menschlichen Auges zu klein ist. Außerdem verringert jede dyadische Zerlegung die Anzahl der Pixel um 75 %, was zu einer Verringerung der wirklichen Bildinformation nach jeder Zerlegung führt. Stattdessen wäre es wünschenswert, eine größere Anzahl von unterscheidbaren Auflösungen und insbesondere feinere und anpaßbare Auflösungen zu haben. Dies würde es erlauben, die Information von einem Niveau zum nächsten in kleineren Schritten zu verringern, d. h. kleiner als 75 %, und es erlauben, das Bild mit einer Auflösung zu einer Ausgabeeinrichtung zu schicken, die besonders an die Einrichtung angepaßt ist, was zu einer Optimierung der Ausgabequalität für die Bandbreiteverwendung führt, die für die Bildübertragung erforderlich ist.
Eine solche Technik umfaßt die Verwendung von allgemeinen Wavelet-Transformationen, einschließlich nichtdyadischer, durch die unterscheidbarere eingebettete Auflösungen als durch dyadische WT erreichbar sind. Diese allgemeinen Transformationen würden deshalb die Wiederherstellung von Bildern mit nichtdyadischen Auflösungen aus den ursprünglichen Bildern ermöglichen, die immer noch die Grundstruktur der dyadischen WT mit vielen Auflösungen aufweisen. Insbe sondere ist innerhalb dieser allgemeinen Wavelet-Transformationsgrundstruktur für jedes Zerlegungsniveau jeder erwünschte Auflösung für die Datendimension auf eine eingebettete Art erreichbar. Die Auflösungen können in einen Bitstrom eingebettet sein, um für verlustreiche (unperfekte) oder verlustlose (perfekte) Wiederherstellung zu sorgen. In der Praxis werden die Dimensionen getrennt verarbeitet. Für ein zweidimensionales Bild kann beispielsweise jede Zeile vor der Verarbeitung der Spaltendaten verarbeitet werden.
In der folgenden Diskussion dieses allgemeinen WT-Systems stellt N die Gesamtzahl der Datenpunkte dar, wie etwa Pixel in einer Zeile oder Spalte für den Fall eines digitalen Bildes, während n die Anzahl der Datenpunkte darstellt, wie etwa Pixel für den Falle eines Bildes, das auf einmal verarbeitet wird. Ausgehend von einem Bild mit 768 × 768 Pixeln wäre N beispielsweise 768 bei der Verarbeitung der Zeilen und 768 bei der Verarbeitung der Spalten. Der Wert von n kann jedoch von einem Verwender oder einer automatisierten Routine auf Grundlage des erwünschten Ergebnisses bestimmt werden. Für dyadische Ergebnisse, die von diesem allgemeinen Schema wiedergegeben werden können, wäre n ein gleich 2 gesetzt, d.h. die Datenpunkte würden in Gruppen von 2 verarbeitet werden. Nichtdyadische Ergebnisse können unter Verwendung von Zahlen für n ungleich 2 wie etwa 3 oder 4 erhalten werden, vorausgesetzt, daß die ausgewählte Anzahl der Näherungskoeffizienten k wie im folgenden beschrieben, kein Verhältnis von k/n gleich ½ erzeugt.
Für den Fall eines Bildes mit 768 × 768 Pixeln und n gleich 3 können die 768 Pixel, die jede Zeile oder jede Spalte umfaßt, beispielsweise in Gruppen von 3, d. h. 256 Gruppen von jeweils 3 Pixeln verarbeitet werden. Ähnlich würde ein Wert n = 4 192 Gruppen von 4 Pixeln, die jeweils verarbeitet werden, ergeben. Dabei soll beachtet werden, daß der Einfachheit halber Werte von N und n für diese Beispiele verwendet wurden, für welche N/n eine ganze Zahl ergibt. Dies muß jedoch nicht der Fall sein. In Fällen, in denen N/n keine ganze Zahl ergibt, werden Auffüllen, Strecken oder andere aus dem Stand der Technik bekannte Techniken verwendet, um jede Diskrepanz, die zu dem Fehlen der ganzzahligen Teilbarkeit gehört, anzupassen.
4 zeigt ein Beispiel einer Transformation, die aus einem Satz von 12 Datenpunkten besteht, die hier als Pixel 108 dargestellt sind. Die Pixel 108 können entweder von einer Zeile 110 oder einer Spalte 112 des entsprechenden Bildes entnommen sein. Die Pixel 108 sind anfangs in einem ursprünglichen Zustand 114 vor der Komprimierung. Die Pixel 108 werden in z Gruppen von jeweils n Pixeln wie in Schritt 116 dargestellt, unterteilt. Für n = 4 werden für das gegenwärtige Beispiele 3 Gruppen von 4 Pixeln dazu führen, daß die Pixel in einem gruppierten Zustand 118 sind, wobei jeweils n Pixel in z Verarbeitungsgruppen 120 angeordnet sind.
Auf Grundlage eines Werts, der von einem Nutzer oder einem automatisierten Mittel gewählt wird, werden k Näherungskoeffizienten und n – k Detailkoeffizienten für jede Verarbeitungsgruppe 120 für ein Zerlegungsniveau eines Satzes von n Datenpunkten berechnet. Die k Näherungskoeffizienten stellen eine Darstellung der ursprünglich n Koeffzienten mit niedrigerer Auflösung dar. Die n – k Detailkoeffzienten beinhalten die zusätzliche Information, die erforderlich ist, um die ursprünglichen n Datenpunkte wiederherzustellen, die durch die k Näherungskoeffzienten vorgegeben sind. Innerhalb dieser allgemeinen Grundstruktur tritt eine dyadische Transformation auf, wenn n = 2 und k = 1 ist. Für eine allgemeine Ausführungsform kann k jedoch irgendein Wert > 0 oder kleiner < n sein. Die n – k Detailkoeffzienten können durch Verarbeitung der ausgewählten n-k Daten punkte in jeder Verarbeitungsgruppe 120 berechnet werden gemäß der Gleichung:
Wobei x_i den ausgewählten Datenpunkt und Y_i den sich ergebenden Koeffizienten, hier einen Detailkoeffzienten, darstellt. Die Werte von ß_j können abhängig von den erwünschten Eigenschaften des komprimierten Bildes wie der Bewahrung verschiedener Details des Signals für niedrigere Auflösung auf verschiedene Arten bestimmt werden,. Wenn beispielsweise der Mittelwert des Signals bewahrt werden soll für das Signal mit niedriger Auflösung, können die entsprechenden Werte ß_j und α_j, die im folgenden genau erörtert werden, gemeinsam bestimmt werden, um den Mittelwert zu bewahren. Werte von ß_j, die den Mittelwert des Signals in Verbindung mit geeigneten Werte für α_j bewahren, sind beispielsweise durch die Gleichung gegeben:
Unter Umständen können die Werte von ß_j auch so gewählt werden, daß unterschiedliche Filter oder Bilder mit niedriger Auflösung erzeugt werden.
Die ausgewählten n-k Datenpunkte können irgendwelche der Datenpunkte innerhalb der Verarbeitungsgruppe 120 sein. In einer Ausführungsform ist der gleiche entsprechende Datenpunkt wie der erste oder dritte innerhalb der Verbeitungsgruppe 120 ausgewählt. Unter der Annahme k = 3 kann der Detailkoeffzienten n-k oder 1 beispielsweise wieder mit Bezugnahme auf 4 aus irgendwelchen der verfügbaren Datenpunkte wie die Pixel 108 innerhalb jeder Verarbeitungsgruppe berechnet werden wie durch den Schritt 122 zur Be rechnung des Detailkoeffzientens dargestellt. In diesem Beispiel sind die dritten Datenpunkte in jeder Verarbeitungsgruppe ausgewählten Datenpunkte 124, obwohl wie oben angemerkt irgendwelche n-k Datenpunkte für jede Gruppe 120 ausgewählt werden können. Jeder ausgewählte Punkt 124 wird gemäß Gleichung (1) verarbeitet, um den entsprechenden Detailkoeffzienten 126 zu berechnen wie in den Daten 128 dargestellt, die mit Detailkoeffzienten verarbeitet sind.
Die Detailkoeffzienten 126 können verwendet werden, um die Näherungskoeffizienten zu bestimmen, die zu dem verbleibenden nicht ausgewählten Punkten in dem Schritt 130 zur Berechnung der Näherungskoeffizienten gehören. Die k Näherungskoeffizienten können durch Verarbeitung der vorher nicht gewählten und nicht verarbeiteten k Datenpunkte 132 für jede Verarbeitungsgruppe 120 berechnet werden gemäß Gleichung:
Wobei der resultierende Koeffzient, der für diesen Fall durch Y_i dargestellt wird, einen Näherungskoeffizienten darstellt. Ebenso wie die Werten von ß_j können die Werte von α_j auf verschiedene Arten abhängig von der erwünschten Qualität des dekomprimierten Bildes wie der Bewahrung verschiedener Details des Signals bei niedriger Auflösung bestimmt werden. Wenn beispielsweise der Mittelwert des Signal bewahrt werden soll, kann α_j, wenn es in Verbindung mit Gleichung (2) verwendet wird, aus der sich das entsprechende ß_j ergibt, berechnet werden gemäß der folgenden Gleichung:
Wenn jedoch andere Bildqualitäten betont werden sollen, kann α_j anders berechnet werde oder ein Wert zugeordnet werden, der zu den erwünschten Eigenschaften des komprimierten Bilds führt.
Nach Verarbeitung der vorher nicht ausgewählten k Datenpunkte 132 sind die entsprechenden Näherungskoeffizienten 134 in den Daten 136 gegenwärtig, die mit Näherungskoeffzienten verarbeitet wurden, und der ursprüngliche Datensatz 114 hat ein Zerlegungsniveau erfahren. Insbesondere haben in dem angegebenen Beispiel die ursprünglichen Datenpunkte 114 ein Zerlegungsniveau über eine nichtdyadische Transformation für 3–4 (k = 3, n = 4) erfahren, woraus sich eine Anzahl von Transformationskoeffzienten ergibt, die gleich der ursprünglichen Anzahl der Datenpunkte ist, d. h. 12 für dieses Beispiel. Die Anzahl der resultierenden Koeffizienten muß aber nicht gleich der Anzahl der ursprünglichen Datenpunkte sein. Insbesondere können nichtdyadische Transformationen verwendet werden, die insofern überflüssig sind, daß die Summe der Näherungs- und Detailkoeffizienten, die von einem Satz 120 erzeugt werden, die ursprüngliche Anzahl der Datenpunkte in dem Satz 120 überschreitet. In 5 ist ein Zerlegungsniveau, das die allgemeine Transformation verwendet, genauer dargestellt.
Die Näherungskoeffizienten 134 und die Detailkoeffizienten 126 können im Schritt 138 nach jeder Runde der Zerlegung neu geordnet werden, um die Darstellung oder die weitere Zerlegung zu vereinfachen. Wieder mit Bezug auf 4 können die resultierende Näherungskoeffizienten 134 und Detailkoeffizienten 126 aneinandergrenzend angeordnet sein, wobei ihre Reihenfolge beibehalten wird, um einen neu geordneten Satz 140 verarbeiteter Daten zu bilden.
Zusätzliche Zerlegungsniveaus können durch Anwendung der erwünschten Transformation auf die Näherungskoeffzienten 134 des gegenwärtigen Zerlegungsniveaus erreicht werden. Wenn beispielsweise die gleichen n und k für jedes Zerlegungsniveau verwendet werden, werden sich nach L Zerlegungsniveaus von N Datenpunkten ungefähr N (k/n)^L Näherungskoeffizienten ergeben. Jedoch müssen n und k nicht konstant gehalten werden und stark anpaßbare Zerlegungsniveaus können durch Ändern von n und k für aufeinanderfolgende Zerlegungsniveaus erreicht werden.
Mit Bezugnahme auf 6 können beispielsweise die Näherungskoeffizienten 134 des neu geordneten Satzes 140 verarbeiteter Daten, der sich aus dem ersten Zerlegungsniveau aus 4 ergibt, weiter zerlegt werden. In der darauffolgenden Zerlegung umfassen die vorhergehenden Näherungskoeffizienten den neuen anfänglichen Satz von Datenpunkten. Während die gleiche nichtdyadische Transformation für 3–4 für dieses zweite Zerlegungsniveau verwendet werden könnte, könnten andere Werte für n und k auch verwendet werden. Beispielsweise könnte n = 3 und k = 2 wie in 6 veranschaulicht verwendet werden, was zu 6 Näherungskoeffizienten 134 und 3 Detailkoeffizienten 126 führt. Ähnlich könnte eine zusätzliche Zerlegung den Näherungskoeffizienten 134 mit dieser allgemeinen Transformation durchgeführt werden.
Es ist bemerkenswert, daß die aufeinanderfolgende Anwendung der Transformation für 3–4 aus 4 und der Transformation für 2–3 aus 6 zu 6 Näherungskoeffizienten 134 führt, wie sie sich ergeben würden, wenn eine einzelne dyadische Transformation auf den anfänglichen Datensatz 114 aus 4 angewandt würde. Mit anderen Worten kann die aufeinanderfolgende Anwendung von unterschiedlichen nichtdyadischen Transformationen zu einer dyadischen Bildauflösung führen. Jedoch sind zusätzliche Auflösungsniveaus zwischen der ursprünglichen und der dyadischen Auflösung vorhanden, Hier ist es die Auflösung 3/4 aus 4. Offensichtlich können auch andere Kombinationen nichtdyadischer Transformationen zu dyadischen Auflösungen führen. Außerdem können auf die dyadischen Transformationen nichtdyadische Transformationen folgen bzw. ihnen vorausgehen, um eine ansonsten unerreichbare Auflösung zu erzeugen, d. h. willkürliche Auflösungen der komprimierten Daten. Die Fähigkeit nichtdyadische und dyadische Transformationen wie auch nichtdyadische und nichtdyadische Transformationen aneinanderzureihen, macht die Verwendung dieser Transformationen innerhalb existierender Komprimierungsschemata hoch flexibel.
Wie bereits angemerkt, kann bei der Verarbeitung von vieldimensionalen Sätzen von Datenpunkten jede Dimension getrennt verarbeitet werden. Beispielsweise können die Zeilen 110 und die Spalten 112, die das Bild 100 umfassen, getrennt verarbeitet werden und eins von beiden kann zuerst verarbeitet werden. Die gleichen Werte für n und k von der Verarbeitung der Zeilen 110 und der Spalten 112 des Bildes 100 können verwendet werden, oder unterschiedliche Werte können verwendet werden, insbesondere wenn das Bild 100 nicht quadratisch, sondern statt dessen rechteckig ist oder wenn ein rechteckiges komprimiertes Bild von einem ursprünglich quadratischen Bild erwünscht wird. Zusätzlich kann es bei digitalen Videos eine dritte Dimension, die Dimension der Zeit, geben. Videos können zusätzlich zu den Zeilen 110 und Spalten 112 unter Verwendung einer allgemeinen Transformation zeitlich komprimiert werden. Wie in der Diskussion der Zeilen 110 und Spalten 112 können die gleichen Werte für n und k verwendet werden, wie sie in anderen Dimensionen verwendet werden, um das Video in der Zeitdimension zu komprimieren oder unterschiedliche Werte können verwendet werden.
Mit Bezugnahme auf 7 ist eine Stichprobe der Ergebnisse der Anwendung einer allgemeinen Transformation auf ein quadratisches Bild 100 dargestellt. Eine nichtdyadische Transformation wurde dreimal angewandt und die gleichen n und k wurden sowohl für die Zeilen, die Spalten als auch jede Transformation verwendet. Wie oben erwähnt können jedoch unterschiedliche Werte für n und k für die Zeilen und Spalten oder darauffolgende Transformationen verwendet werden. Zusätzlich wurden nach jeder Transformation die Näherungskoeffizienten 134 und die Detailkoeffizienten 126 in aneinandergrenzende Gruppen neu geordnet, wie es im Schritt 138 durchgeführt wird.
Die Buchstaben L und H stellen die "niedrige" und "hohe" Frequenz dar, die den entsprechenden Näherungs- und Detailkoeffizienten entsprechen, die von dem oben diskutierten Tranformationsverfahren erzeugt werden. Der erste Buchstabe bezieht sich auf die Frequenz in der horizontalen Richtung des Bildes, d.h. der Zeilen 110, und der zweite Buchstabe bezieht sich auf die Frequenz der vertikalen Richtung des Bildes, d.h. der Spalten 112. Die Zahl, die den Buchstaben folgt, bezieht sich auf das Zerlegungsniveau, wobei die Anwendung einer allgemeinen Transformation einmal entlang einer Zeile 110 und einmal entlang einer Spalte 112 in beliebiger Reihenfolge ein Zerlegungsniveau darstellt. Anders als dyadische Transformationen, für welche ein Zerlegungsniveau zu Unterbändern uniformer Dimensionen führt, führen nichtdyadische Transformationen wie die in diesem Beispiel verwendeten zu Unterbändern unterschiedlicher Dimensionen, die durch die Werte von n und k bestimmt sind.
Wiederum mit Bezugnahme auf 7 erfuhr beispielsweise das ursprüngliche Bild 100 keine Transformation und wird deshalb mit LL0 bezeichnet. Nach einer dyadischen Transformation wird das erste zerlegte Bild 146 jedoch in vier Unterbänder gespalten. Das Unterband LL1 entspricht der Bildinformation, die in den horizontalen und vertikalen Näherungskoeffizienten 134 enthalten ist. Das Unterband HH1 entspricht der Information, die in den horizontalen und vertikalen detaillierten Koeffizienten 126 enthalten ist, während die Unterbänder LH1 und HL1 entsprechenden Kombinationen dieser Information entsprechen. Wie bereits angemerkt kann das Unterband LL1, das die Näherungskoeffizienten 134 umfaßt, eine zweite Transformation erfahren, was zu dem zweiten zerlegten Bild 148 führt, in dem LL1 in vier entsprechende Unterbänder LL2, HH2, HL2 und LH2 zerlegt wurde, so daß das ursprüngliche Bild 100 in sieben Frequenzunterbänder gespalten ist. Das Unterband LL2 kann auch Gegenstand einer nichtdyadischen Transformation sein, um das dritte zerlegte Bild 150 zu erzeugen, das zehn Frequenzunterbänder aufgrund der Zerlegung von LL2 in LL3, HH3, LH3 und HL3 aufweist. Im vorliegenden Beispiel stellen LLO, L11, LL2 und LL3 unterschiedliche Auflösungen des ursprünglichen Bildes 100 dar, die sich der Endnutzer anschauen kann, d. h. LLO, LL1, LL2 und LL3 umfassen die entsprechenden horizontalen und vertikalen Näherungskoeffizienten 134 eines jeden Zerlegungsniveaus, das sichtbare Bildinformation beinhaltet.
Dabei ist es wichtig anzumerken, daß die entsprechenden Unterbänder LL und HH verwendet werden können, um daß Unterband LL des vorhergehenden Zerlegungsniveaus durch Anwendung der entsprechenden umgekehrten Transformation wiederherzustellen. Beispielsweise können LL3 und HH3, die die entsprechenden Näherungskoeffizienten 430 und Detailkoeffizienten 126 beinhalten, durch Anwendung der entsprechenden umgekehrten nichtdyadischen Transformation verwendet werden, um LL2 wiederherzustellen. Ähnlich können LL2 und HH2 verwendet werden, um LL1 wiederherzustellen und so weiter. Auf diese Weise kann das ursprüngliche Bild aus den verschiedenen Frequenzunterbändern wiederhergestellt werden.
Um ein Bild wiederherzustellen oder auf ein vorhergehendes Zerlegungsniveau zurückzukehren, wird insbesondere die Umkehrtransformation durchgeführt, indem die Schritte der entsprechenden Vorwärtstransformation umgekehrt werden, d. h. die nicht ausgewählten Datenpunkte 132 werden aus den Detailkoeffizienten 126 und den Näherungskoeffizienten 134 wiederhergestellt. Die ausgewählten Datenpunkte 124 können dann aus den nicht ausgewählten Datenpunkten 132 und den Detailkoeffizienten 126 wiederhergestellt werden. Eine allgemeine Darstellung dieses einen Wiederherstellungsniveaus ist in 8 veranschaulicht, die die Umkehrtransformation darstellt, die der Transformation aus 5 entspricht. Die entsprechende Umkehrgleichung, um Datenpunkte aus Näherungskoeffizienten wiederherzustellen, d.h. die Umkehrtransformation, die der Gleichung (3) entspricht, kann dargestellt werden als:
Ähnlich kann die entsprechende Umkehrgleichung um Datenpunkte aus Detailkoeffizienten wiederherzustellen, d.h. die Umkehrtransformation, die Gleichung (1) entspricht, dargestellt werden als:
Während die obige Diskussion im allgemeinen eine bruchzahlige Umsetzung des allgemeinen Transformationsverfahrens betrifft, kann ähnlich eine ganzzahlige Umsetzung verwendet werden und durch Anheben umgesetzt werden.
Die ganzzahlige Umsetzung über Anheben stellt geringe Anforderungen an die Computerleistung und Speicherung und kann durch eine geeignet aufgebaute Hardware, Software oder Kombination von Hardware und Software verwirklicht werden. Solch eine ganzzahlige Umsetzung sorgt für eine verlustlose, d. h. perfekte Wiederherstellung, die aufgrund von Run dungsfehlern für die bruchzahlige Umsetzung eventuell nicht möglich ist.
Eine ganzzahlige Ausführungsform allgemeiner Wavelet-Transformationen kann auf verschiedene Arten ausgeführt werden. Für eine solche ganzzahlige Ausführungsform können die Detailkoeffizienten 126, die sich aus der allgemeinen Transformation ergeben, gemäß der folgenden Gleichung berechnet werden:
Wobei ⎿⏌ das Abrunden bezeichnet. Ähnlich können die Näherungskoeffizienten 134 bestimmt werden durch die Gleichung:
Die entsprechenden Umkehrtransformationen, um die Datenpunkte aus Näherungskoeffizienten wiederherzustellen, die der ganzzahligen Ausführungsform von Gleichung (8) entsprechen, kann dargestellt werden als:
Ähnlich kann die entsprechende Umkehrgleichung, um Datenpunkte aus Detailkoeffizienten, d.h. die Umkehrtransformation die Gleichung (7) entspricht, beschrieben werden als:
In einer alternativen Ausführungsform können die Detailkoeffizienten 126, die sich aus der allgemeinen Transformation ergeben, gemäß der folgenden Gleichung berechnet werden:
Die entsprechenden Näherungskoeffizienten 134 können bestimmt werden durch die Gleichung:
Die entsprechenden Umkehrtransformationen, um Datenpunkten aus den Näherungskoeffizienten wiederherzustellen, die der ganzzahligen Ausführungsform von Gleichung (12) entsprechen, können dargestellt werden als:
Ähnlich kann die entsprechende Umkehrgleichung, um Datenpunkte aus Detailkoeffizienten wiederherzustellen, d.h. die Umkehrtransformation, die der Gleichung (11) entspricht, geschrieben werden als:
In Anbetracht der obigen Diskussion, die sowohl die Gleitkommaausführungsform als auch die ganzzahlige Ausführungsform betrifft, sind die folgenden Beispiele zur Veranschaulichung angegeben. Vorausgesetzt, daß die Detailkoeffizien ten Y₃ und Y₄ sind, können beispielsweise die Detailkoeffizienten, die von der Transformation erzeugt werden, für eine Wavelet-Transformation für 3–5, d.h. k = 3, n = 5, dargestellt werden als: Y3 = x3 – (x0 + x1 + x2)/3 Y4 = x4 – (x0 + x1 + x2)/3
Ähnlich können die Näherungskoeffizienten dargestellt werden als: Y0 = x0 + (Y3 + Y4)/5 Y1 = X1 + (Y3 + Y4)/5 Y2 = x2 + (Y3 + Y4)/5
Die entsprechende Umkehrfunktion der Näherungskoeffizienten kann dargestellt werden als: x0 = Y0 – (Y3 + Y4)/5 x1 = Y1 – (Y3 + Y4)/5 x2 = Y2 – (Y3 + Y4)/5
Während die Umkehrtransformation der Detailkoeffizienten dargestellt werden kann als: x3 = Y3 – (x0 + x1 + x2)/3 x4 =Y4 – (x0 + x1 + x2)/3
Vorausgesetzt, daß der Detailkoeffizient Y₃ ist, kann der Detailkoeffizient ähnlich für eine Wavelet-Transformation für 3–4 dargestellt werden als: Y3 = x3 – (x0 + X1 + X2)/3
Die Näherungskoeffizienten können ähnlich dargestellt werden als: Y0 = x0 + (Y3/4) Y1 = x1 + (Y3/4) Y2 = x2 + (Y3/4)
Die entsprechende Umkehrtransformation der Näherungskoeffizienten kann dargestellt werden als: x0 = Y0 – (Y3/4) x1 = Y1 – (Y3/4) x2 = Y2 – (Y3/4)
Während die Umkehrtransformation der Detailkoeffizienten dargestellt werden kann als: x3 = Y3 + (x0 + x1 + x2)/3
Die obigen Beispiele sollen nicht erschöpfend sein, sondern dienen dazu, die Operation der allgemeinen WT-Grundstruktur, insbesondere die Erzeugung der nichtdyadischen Transformationen, zu veranschaulichen. Die Art auf welche diese verschiedenen allgemeinen Transformationen in einem System umgesetzt werden können, wie etwa dem Bildverwaltungssystem 10, wird nun erörtert werden.
Die oben beschriebenen Transformationen und Umkehrtransformationen, die entweder auf Gleitkommarechnung oder ganzzahliger Rechnung basieren, können in einem System wie dem Bildverwaltungssystem 10 durch Verwendung eines Kodierers/Dekodierers (Codec) umgesetzt werden, der eingerichtet ist, um Datenströme zu kodieren und zu dekodieren. Ein generischer Codec 152 dieses Typs ist in 9 dargestellt. Der Codec besteht typischerweise sowohl aus einem Kodierer 154 als auch einem Dekodierer 156, jeder beliebige von beiden kann Bestandteil einer Komponenten eines Bildverwaltungssystems 10, wie etwa der Komprimierungs/Dekomprimierungs-Schnittstelle 20 oder der Clients 22, oder in einem alleinstehenden Bildverabeitungssystem, wie einer Workstation oder Bildverarbeitungseinrichtung, sein. Insbesondere in einer Netzumgebung können der Kodierer 154 und der Dekodierer 156, die verwendeten werden, um ein Bild zu komprimieren bzw. zu dekomprimieren, sich in unterschiedlichen Komponenten der Netzumgebung befinden. Auf diese Weise kann die genaue Menge komprimierter Daten, die nötig sind, um ein Bild mit einer erwünschten Auflösung wiederherzustellen, von dem Kodierer zu dem Dekodierer an einem anderen Ort übertragen werden.
Wieder mit Bezugnahme auf 9 werden Eingangsdaten 158 wie das digitale Bild 100 von dem Kodierer 154 empfangen, in welchem eine Komprimierungskomponente 160 eine oder mehrere allgemeine Transformationen auf die Daten 158 anwendet. Die Komprimierungskomponente 60 kann aus einer Schaltung, ausführbaren Routinen oder gleichartigem Mechanismus bestehen. Eine Quanitisierungskomponente 161 kann vorhanden sein, um den resultierenden Bitstrom zu quantisieren. In verlustlosen Ausführungsformen wird die Quantisierung 1 sein. Die Daten können auch von einem Entropiekodierer 162 entropiekodiert werden, wenn der Kodierer 154 einen solchen umfaßt. Der Entropiekodierer kann den Bitstrom, der sich aus den transformierten Koeffizienten ergibt, weiter komprimieren. Der Entropiekodierer 162 und der entsprechende im folgenden diskutierte Entropiedekodierer können solche sein, wie sie in bekannten Bildkomprimierungsschemata wie Huffman-Schema, dem arithmetischen Schema und dem Lauflängenschema usw. verwendet werden.
Die resultierenden komprimierten Daten 164 werden zu einem Dekodierer 156 zur Dekomprimierung übertragen, der sich entweder bei dem Kodierer 154 oder entfernt von ihm befindet. In dem Dekodierer 156 können die komprimierten Daten 164 einen Entropiedekodierer 166 durchlaufen, wenn ein Entropiekodierer 162 während der Komprimierung verwendet wurde. Wenn die Daten quantisiert wurden, können sie zusätzlich von einer geeignet eingerichteten Komponente 167 dequantisiert werden, die in dem Dekoder 156 vorhanden sein kann. Die Koeffizienten können von einer Dekomprimierungskomponenten 168 des Dekoders 156, die eine oder mehrere entsprechende allgemeine Umkehrtransformationen ausführt, rücktransformiert werden, um die wiederhergestellten Daten 170 zu erzeugen. Die Dekomprimierungskomponenten 168 kann aus einer Schaltung, ausführbaren Routinen oder einer Kombination dieser Mechanismen bestehen. In einer anderen Ausführungsform ist der generische Codec 152 ein Codec mit einer "verlustlosen" oder perfekten Wiederherstellung, so daß die wiederhergestellten Daten 170 mit den Eingangsdaten 158 Bit für Bit übereinstimmen.
Während die oben erörterte Lösung für die Erzeugung von nichtdyadischen Wavelet-Transformationen mit mehreren Auflösungen innerhalb einer allgemeinen Grundstruktur nützlich sein kann, können auch andere Lösungen eingesetzt werden, um spezielle nichtdyadische Wavelet-Transformationen zu erzeugen. Diese alternativen Lösungen können optimiert werden, um für eine verbesserte Qualität des komprimierten Bilds oder anderer erwünschte Merkmale zu sorgen. Ebenso wie die allgemeine Lösung führen die nichtdyadischen Transformationen, die im folgenden erörtert werden, zu einer Darstellung des ursprünglichen Signals mit mehreren Auflösungen und stellen das Signal mit nichtdyadischen Auflösungen aus dem gleichen komprimierten Bitstrom auf wirkungsvolle Weise wiederher. Die speziellen nichtdyadischen Wavelet-Transformationen können für perfekte oder unperfekte Wiederherstellung des ursprünglichen Signals mit der ursprünglichen Auflösung eingerichtet sein. Ebenso wie für die allgemeine Lösung können die nichtdyadischen Transformationen, die im folgenden erörtert werden, mit dyadischen oder nichtdyadischen Transformationen verkettet werden, um zusätzliche Auflösungen zu erreichen. Die nichtdyadischen Transformationen können auch differentiell auf die unterschiedlichen Dimensionen des Datensatzes, d. h. Zeilen, Spalten, Zeit angewandt werden, um die erwünschte Auflösung für jede Dimension für ein gewöhnliches Zerlegungsniveau zu erreichen.
Die speziellen nichtdyadischen Wavelet-Transformationen können so gestaltet sein, daß die Verringerung der Anzahl der Pixel von einem Niveau zum nächsten geringer als die 75 % ist, die bei dyadischen Wavelet-Transformationen beobachtet wird. Dies ermöglicht eine größere Anzahl von visuell unterscheidbaren Auflösungen als dyadische WT. Zusätzlich können die speziellen nichtdyadischen Wavelet-Transformation einfach als ganzzahlige Ausführungsformen über Anheben umgesetzt werden und benötigen keine großen Computerressourcen.
Während verschiedene nichtdyadische Wavelet-Transformationen gemäß der folgenden Erörterung ausgestaltet werden können, werden zwei Beispiele genau erörtert werden, um den Aufbau und die Verwendung der speziellen nichtdyadischen Wavelet-Transformationen zu veranschaulichen. Das erste Beispiel stellt eine Näherung des ursprünglichen Bilds für jede Auflösung 2/3 auf Grundlage einer Darstellung des ursprünglichen Bilds mit mehreren Auflösungen wiederher und wird deshalb als 2/3-Transformation bezeichnet. Die 2/3-Transformation kann Näherungen eines ursprünglichen Bildes mit 512 × 512 Pixeln als 9 Zerlegungsniveaus darstellen, d.h. mit Auflösungen von 342 × 342, 228 × 228, 152 × 152, 102 × 102, 68 × 68, 46 × 46, 32 × 32, 22 × 22 und 16 × 16. Die dyadische Wavelet-Transformation des gleichen Bilds führt natürlich nur zu 5 Zerlegungsniveaus von dem kompri mierten Bitstrom, d.h. Auflösungen von 256 × 256, 128 × 128, 64 × 64, 32 × 32 und 16 × 16. Die größere Anzahl von verfügbaren eingebetteten Auflösungen und die Flexibilität, die mit der größeren Anzahl verbunden ist, sind natürlich Vorteile, die spezielle nichtdyadische Wavelet-Transformationen haben.
Mit Bezugnahme auf 10 ist die 2/3-Transformation dargestellt. Ein Untersatz anfänglicher Datenpunkte 180 ist dargestellt, die ein Teil einer Zeile, Spalte oder anderen Dimension eines großen Datensatzes umfassen können. In einem Schritt zur Berechnung von Näherungskoeffzienten 182 können die Näherungskoeffizienten 184 berechnet werden gemäß: Y0 = x0 + ⎿(x1/3)⏌ (15) Y2 = x2 + ⎿(x1/3)⏌ (16)
Die Näherungskoeffizienten 184 stellen die Tiefpaßkomponenten dar, die in diesem Beispiel ein Signal mit einer 2/3-Auflösung nach der Skalierung mit einem Faktor 3/4 darstellen. Das Abrunden wird dargestellt als ⎿(·)⏌. Die Hochpaßkomponente, der Detailkoeffzient 186, kann mit dem Schritt 188 zur Berechnung von Detailkoeffizienten berechnet werden gemäß: Y1 = x1 – ⎿(3/8)·(Y0)⏌ – ⎿(3/8)·(Y2)⏌ (17)
Der Detailkoeffizient Y₁ 186 kann verwendet werden, um die ursprünglichen Datenpunkte 180 über eine 2/3-Umkehrtransformation, die in 11 dargestellt ist, wiederherzustellen. Insbesondere ergibt sich x₁ aus: x1 = Y1 + ⎿(3/8)·(Y0)⏌ + ⎿(3/8)·(Y2)⏌ (18)
Die verbleibenden ursprünglichen Datenpunkte 180 können wiederhergestellt werden gemäß: x0 = Y0 – ⎿(x1 /3)⏌ (19) x2 = Y2 – ⎿(x1/3)⏌ (20)
Anhand der Gleichungen für die 2/3-Transformation kann erkannt werden, daß die 2/3-Transformation eine Näherungsinterpolation der 3 ursprünglichen Signale 180 x₀, x₁ und x₂ durchführt. Die allgemeinen Formen der Gleichungen (15), (16) und (17) lauten: Y0 = δ·x0 + (1 – δ)·x1 (21) Y2 = δ·x2 +(1 – δ)·x1 (22) Y1 = x1 – λ·(Y0) – λ·(Y2) (23)
Durch Verwendung von δ = ¾ und τ = ½ erhalten wir: Y0 = (3/4)·x0 +(1 – 3/4)·x1 = (3/4)·x0 + (1/4)·x1 = (3/4)·{x0 + (1/3)· x1} Y2 = (3/4)·x2 +(1 – 3/4)·x1 = (3/4)·x2 +(1/4)·x1 = (3/4)·{x2 + (1/3)·x1} Y1 = x1 – (1/2)·Y0 – (1/2)·Y2.
Um die ganzzahlige Verarbeitung zu erleichtern, kann der Faktor ¾ ausgelassen werden, so daß Y₀ und Y₂ ganze Zahlen werden. Um dies zu kompensieren, können diese Koeffizienten mit dem Faktor ¾ bei dem Dekodierer skaliert werden. In einer Ausführungsform kann der Skalierungsfaktor, der bei dem Dekodierungsfaktor verwendet wird, anders sein als der Fak tor, der bei dieser Stufe ausgelassen wurde, um die Qualität des komprimierten Bildes weiter zu verbessern. Beispielsweise kann ein Skalierungsfaktor 2/3 statt dessen beim Dekodierer verwendet werden. Um das Auslassen des Faktors ¾ bei Y₀ und Y₂ zu berücksichtigen, wird zusätzlich der Detailkoeffizient Y₁ zur Kompensation angepaßt; Y1 = x1 – (3/8)·Y0 – (3/8)·Y2 .
Was die Auswahl von δ und λ angeht, ist der Grund dafür δ = ¾ auszuwählen, daß x₀ näher an Y₀ als an x₁ ist und daß sein Beitrag zu Y₀ 75 % ist. Ähnliche Argumente gelten für Y₂. Y₁ kann so gewählt werden, daß es möglich ist, eine perfekte, d.h. verlustlose Wiederherstellung zu erreichen. Die Anwendung der 2/3-Transformation und ihrer entsprechenden Umkehrtransformation auf einen Datensatz mit mehreren Dimensionen oder auf verkettete Weise, wird in Übereinstimmung mit der vorherigen Erörterung, die die allgemeinen Wavelet-Transformationen betrifft, durchgeführt.
Mit Hilfe eines zweiten Beispiels einer speziellen nichtdyadischen Wavelet-Transformation wird eine Transformation geschaffen, die eine Darstellung des ursprünglichen Signals mit mehreren Auflösungen für jede Auflösung ¾ erreicht. Diese Transformation, die im folgenden als ¾-Transformation bezeichnet wird, schafft 14 Zerlegungsniveaus von einem Bild mit 512 × 512 Pixeln im Vergleich zu 5, die von der dyadischen Wavelet-Transformation geschaffen werden, d.h. 384 × 384, 288 × 288, 216 × 216, 162 × 162, 123 × 123, 93 × 93, 72 × 72, 54 × 54, 42 × 42, 33 × 33, 27 × 27, 21 × 21, 18 × 18 und 15 × 15.
Mit Bezugnahme auf 12 ist die ¾-Transformation dargestellt. Ein Untersatz der anfänglichen Datenpunkte 180 ist dargestellt, der einen Teil einer Zeile, Spalte oder anderen Dimension eines großen Datensatzes umfassen kann. In einem Schritt 182 zur Berechnung von Näherungskoeffizienten können die Näherungskoeffizienten 184 berechnet werden gemäß: Y0 = x0 + ⎿(Y3/6)⏌ (24) Y1 = ⎿(x1 + x2)/2⏌ (25) Y2 = x3 + ⎿(Y3/6)⏌ (26)
Die Näherungskoeffizienten 184 stellen die Tiefpaßkomponenten dar, die in diesem Beispiel die Näherung mit Auflösung des ursprünglichen Signals darstellen. Die Hochpaßkomponente, der Detailkoeffizient 186, kann über den Schritt 188 zur Berechnung des Detailkoeffizientens berechnet werden: Y3 = x1 – x2 (27)
In diesem Beispiel sind Y₁ und Y₃ die Koeffizienten der Haar-Transformation von x₁und x₂, Y₁ ist der Tiefpaßkoeffizient und Y₃ ist der Hochpaßkoeffizient. Y₀ und Y₂ weisen einen Korrekturfaktor ⎿Y₃/3⏌ auf, der ⎿(x₁ – x₂)/3⏌ entspricht. Y₁ beinhaltet die Tiefpaßinformation von x₁ und x₂.
Der Detailkoeffizient Y₃ 186 kann verwendet werden, um die ursprünglichen Datenpunkte 180 über die ¾-Umkehrtransformation, die in 13 dargestellt ist, wiederherzustellen. Insbesondere wird x₂ berechnet gemäß: x2 = Y1 – ⎿(Y3 + 1)/2⏌ (28)
Die verbleibenden ursprünglichen Datenpunkte 180 können wiederhergestellt werden gemäß: x1 = Y2 + x2 (29) x0 = Y0 – ⎿Y3/6⏌ (30) x3 = Y2 – ⎿Y3/6⏌ (31).
Anders als für die 2/3-Transformation ist keine Skalierung erforderlich. Ebenso wie die 2/3-Transformation kann die ¾-Transformation verkettet oder differentiell zwischen Dimensionen von Datensätzen auf eine Weise angewandt werden, die ähnlich zu der für das allgemeine Wavelet-Transformationmodell ist.
Die Beispiele spezieller nichtdyadischer Wavelet-Transformationen, die oben angeben sind, d. h. 2/3-Transformation und die ¾-Transformation sind nicht erschöpfend für diesen Typ nichtdyadischer Transformationen und dienen dazu, den Aufbau und die Verwendung solcher Transformationen zu veranschaulichen, Verschiedene andere nichtdyadische Transformationen dieses Typs, die nicht zu dem allgemeinen Wavelet-Transformationsmodell passen, das vorher diskutiert wurde, können gemäß dieser Beispiele ausgeführt werden. Wie die oben erörterten allgemeinen Transformationen können die speziellen nichtdyadischen Transformationen als ein generischer Codec des Typs, der in 9 dargestellt ist und mit Bezug auf 9 erörtert wird, ausgeführt werden.
Sowohl die allgemeinen als auch die speziellen Transformatinstechniken, die oben beschrieben wurden, weisen eine ähnliche Komplexität wie existierende dyadische Komprimierungsschemata auf und können daher in existierenden Bildverwaltungssystemen umgesetzt werden. Aufgrund der willkürlichen Auflösungsniveaus, die sowohl von den allgemeinen als auch den speziellen Transformationstechniken ermöglicht werden, sind diese Techniken außerdem gut zur Verwendung über Netze geeignet, sei es Internet oder Intranet, für welche die Bandbreite begrenzt sein kann und es wünschenswert ist, komprimierte Bilder gemäß der Auflösung der Empfangsdarstellungseinrichtung zu übertragen. Im Zusammenhang mit medizinischer Bildverarbeitung können die allgemeinen und speziellen Transformationstechniken im Zusammenhang mit der Teleröntgenologie nützlich sein, für welche die Beschränkungen der Netzwerkbandbreite schwerwiegend sein können. Im Zusammenhang mit der Übertragung von komprimierten Videos oder Bildern, die mit beschränkter Bandbreite auftritt, können die oben beschriebenen Techniken nützlich sein.

Claims

1, Verfahren zur Komprimierung eines Satzes von Datenpunkten (180) mit: Zugreifen auf den Satz von Datenpunkten (180); und Anwenden einer nichtdyadischen Wavelet-Transformation (182, 188) auf den Satz von Datenpunkten (180), so daß ein erster Satz von transformierten Daten und ein zweiter Satz von transformierten Daten sich ergeben.

Verfahren nach Anspruch 1, wobei der Satz von Datenpunkten (180) entweder ein digitales Bild (100) oder ein digitales Video umfaßt.

Verfahren nach einem vorhergehenden Anspruch, wobei der Satz von transformierten Daten einen Satz von einem oder mehreren Näherungskoeffizienten (184) umfaßt und wobei der zweite Satz von transformierten Daten einen Satz von einem oder mehreren Detailkoeffizienten (186) umfaßt.

Verfahren nach Anspruch 3 mit: Neuordnen (138) des einen oder der mehreren Näherungskoeffizienten (184), so daß der eine oder die mehreren Näherungskoeffizienten (184) sequentiell und aneinandergrenzend sind.

Verfahren nach Anspruch 4 mit: Darstellen des einen oder der mehreren Näherungskoeffizienten (184).

Verfahren nach einem vorhergehenden Anspruch 1, außerdem mit: Anwenden einer zweiten nichtdyadischen Wavelet- Transformation (182, 188) entweder auf den ersten Satz von transformierten Daten oder den zweiten Satz von transformierten Daten.

Verfahren nach Anspruch 6, wobei die zweite nichtdyadische Wavelet-Transformation (182, 188) die gleiche wie die nichtdyadische Wavelet-Transformation (182, 188) ist.

Bildverwaltungssystem (10) mit: einem oder mehreren Datei-Servern (18), die eingerichtet sind, um eine oder mehrere Dateien (50) zumindest entweder von einer oder mehreren Eingabe-Ausgabe-Schnittstellen (19), einem oder mehreren Bildverarbeitungssystemen (12, 14, 16), einem oder mehreren Bildspeicherungssystemen (30) oder einem oder mehreren entlegenen Clients (22, 34 ,36, 38) zu empfangen und dahin zu übertragen; und einem Codec (152), der eingerichtet ist, um die Dateien (50) zu verarbeiten, wobei der Codec (152) aufweist: einen Kodierer (154), der eingerichtet ist, um auf einen Satz von Datenpunkten (180) zuzugreifen und eine nichtdyadische Wavelet-Transformation (182, 188) auf den Satz von Datenpunkten (180) anzuwenden, so daß sich ein erster Satz von transformierten Daten und ein zweiter Satz von transformierten Daten ergeben; und einen Dekoder (156), der eingerichtet ist, um eine nichtdyadische Wavelet-Umkehrtransformation auf der ersten Satz von transformierten Daten und den zweiten Satz von transformierten Daten anzuwenden, so daß der Satz von Datenpunkten (180) wiederhergestellt wird.

Bildverarbeitungssystem (10) nach Anspruch 8, wobei sich sowohl der Kodierer (154) als auch der Dekodierer (156) bei einem oder mehreren Datei-Servern (18), bei einer oder mehreren Eingabe-Ausgabeschnittstellen (19), bei einem oder mehreren Bildverabeitungssystemen (12, 14, 16), bei einem oder mehreren Bildspeicherungssystemen (30) und bei einem oder mehreren entlegenen Clients (12, 34, 36, 38) befinden.

Bildverwaltungssystem (10) nach Anspruch 8, wobei sich der Kodierer (154) und der Dekodierer (156) voneinander entfernt befinden.

Bildverwaltungssystem (10) nach Anspruch 8, wobei der erste Satz von transformierten Daten einen Satz von einem oder mehreren Näherungskoeffzienten (184) umfaßt, und der zweite Satz von transformierten Daten einen Satz von einem oder mehreren Detailkoeffizienten (186) umfaßt.

Bildverwaltungssystem (10) nach Anspruch 11, wobei der Kodierer (154) außerdem eingerichtet ist, um die Näherungskoeffizienten (184) neuzuordnen, so daß Näherungskoeffizienten (184) sequentiell und aneinandergrenzend sind.