DE3917362C2

DE3917362C2 - Verfahren zum Vermindern visueller Artefakte aufgrund von Kompression über eine Transformierte in medizinischen Bildern

Info

Publication number: DE3917362C2
Application number: DE3917362A
Authority: DE
Inventors: James F Hopkinson
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1988-09-09
Filing date: 1989-05-29
Publication date: 1994-11-03
Anticipated expiration: 2009-05-30
Also published as: JP2885433B2; US4939645A; DE3917362A1; JPH02153477A

Description

Die Erfindung betrifft ein Verfahren zum Vermindern visueller Artefakte bei der Bilddatenkompression mit den Schritten des Oberbegriffs des Patentanspruchs 1.

Medizinische Bildentwerfung erfordert das Erzeugen, das Verarbeiten und das Speichern gewaltiger Mengen an digitalen Bilddaten. Digitale Bildkompression wird angewandt, um ein Bild in Einklang mit einem hohen Grad an Bildtreue durch so wenig Bits wie möglich darzustellen, wobei die Ziele das Vermindern der Datenverarbeitungs- und -übertragungszeit und das Vermindern der Erfordernisse an den Datenspeicherplatz sind.

Kompressionsalgorithmen versuchen, eine Darstellung eines gegebenen Bildes in Form unkorrelierter Datenproben zu er zeugen. Daten, die eine räumliche Eigenschaft des Bildes darstellen, wie Bildintensität als Funktion des Orts, sind hochgradig korreliert, d.h., bei gegebener Information über einige Datenwerte können andere Datenwerte interpoliert werden. In räumlichen Bilddaten liegt daher redundante Infor mation vor, die für eine gegebene Bildqualität eine maximale Datenkompression verhindert.

Aus dem Artikel "Orthogonale Transformation von Farbfernsehbildern in Echtzeit" von H. Bacchi und A. Moreau in Philips techn. Rundschr., 1979, Heft 4/5, S. 125-137 ist ein Verfahren zur Entwicklung von Bilddaten nach räumlichen Frequenzen mit den Merkmalen des Oberbegriffs des Patentanspruchs 1 bekannt. Durch derartige Transformationen können die aufgrund flächiger Bildstrukturen vorhandenen starken Korrelationen der räumlichen Bilddaten vermindert werden, und es ist möglich, Nebendiagonalelemente der transformierten Bildelementmatrix zu vernachlässigen. Durch diese Vernachlässigung läßt sich die verbleibende, zur Wiederherstellung des Bildes notwendige Datenmenge reduzieren. Demgemäß wird eine Aufteilung der spektralen Bilddaten vorgenommen, und nur eine erste Gruppe von spektralen Bilddaten, die einen wesentlichen Beitrag zur Bildinformation liefern, beibehalten und abgesepeichert oder übertragen, während die restlichen, in die zweite Gruppe fallenden Entwicklungsglieder spektrale Bilddaten vernachläßigt und bei der Wiederaufbereitung des Bildes durch Rücktransformation nicht mehr berücksichtigt werden. Durch Vernachlässigung bestimmter spektraler Bilddaten wird die Gesamtinformationsmenge des Bildes reduziert und mithin eine Datenkompression erreicht. Die Vernachlässigung von Entwicklungsgliedern bedeutet jedoch immer auch einen Informationsverlust, der sich nach Rücktransformation und Wiederherstellung des Bildes in artifizellen Bildfehlern auswirken kann.

Digitale Bildkompression wägt den Kompressionsgrad gegen die Verschlechterung des rekonstruierten Bildes, d.h., des aus den komprimierten und dann dekomprimierten Daten erzeugten Bildes, ab. Kompression von Bilddaten über eine Transformierte ist eine Methode, hohe Kompressionsverhältnisse bei nur maßvoller Bildverschlechterung zu erzielen. Das Kompressionsverhältnis ist das Verhältnis der Anzahl von Datenbits, die zum Darstellen des unkomprimierten Bildes benötigt werden, dividiert durch die Anzahl von Datenbits, die zum Darstellen desselben Bildes in komprimiertem Format gebraucht werden. Solche Verhältnisse betragen typischerweise 20 Bits komprimiert auf 1 Bit, was als 20 : 1 geschrieben wird.

Kompression kann auch in Form von Bit pro Pixel beschrieben werden. Typischerweise repräsentieren 10 Datenbits ein Pixel in einem medizinischen Bild. Verlustlose Kompressionstechniken sind in der Lage, eine Reduktion auf etwa 4,0 Bit pro Pixel zu erzielen. Es ist jedoch wünschenswert, Kodierverfahren über Transformierte anzuwenden, um bei einer Kodierrate von 0,5 Bit pro Pixel komprimierte Bilder zu erzeugen. An dieser unteren Grenze resultiert eine Bildabflachung aus dem Verlust der Hochfrequenzinformation. Kompressionsverfahren, die Bilder in viele Teilbilder oder Blöcke zerlegen, können auch die Unstetigkeiten der Teilbilder an den Grenzen der Teilbilder hervorheben. Schließlich können Verfahren, die eine Kompression durch Auswählen nur der dominantesten topograhischen Merkmale innerhalb der Bildblöcke durchführen, zufällig irgendeine für den Rauschgehalt repräsentative Teilmenge von Komponenten auswählen. Bei der Dekompression kann diese Teilinformation das Auftreten unechter zweidimensionaler Muster mit mittlerer bis hoher Frequenz zur Folge haben, gegen die subjektiv Einwände zu erheben sind.

Typische Lösungen für diese Bildverschlechterungsprobleme schließen eine Verminderung des Kompressionsverhältnisses, um mehr Bilddetails zurückzuhalten, oder die Anwendung einer Bildverarbeitungstechnik ein, um verschlechterte Bilder wieder herzustellen. Jede dieser Lösungen beeinträchtigt die genannten Ziele der Datenkompression durch Erhöhen der Erfor dernisse für die Datenspeicherung, durch Erhöhen der Verar beitungszeiten, durch Erhöhen der Datenübertragungszeiten oder durch diese drei Dinge zusammen. In einigen Fällen, wie bei Berechnungsverfahren zum Verbessern des Aussehens der Block grenzen, können Artefakte innerhalb eines Blocks eingeführt werden. So hat die Lösung für ein erstes Problem die Einführung eines zweiten Problems zur Folge.

Es ist Aufgabe der Erfindung, ein Verfahren zu schaffen, das bei der Bilddatenkompression visuelle Artefakte in rekonstruierten Bildern vermindert, ohne dabei die Erfordernisse für die Datenspeicherung oder die Verarbeitungszeit wesentlich zu erhöhen.

Zur Lösung dieser Aufgabe dienen die Verfahrensschritte nach dem Kennzeichen des Patentanspruchs 1 in Verbindung mit den Verfahrensschritten nach dessen Oberbegriff. Vorteilhafte Ausführungsformen der Erfindung sind in den Unteransprüchen aufgeführt.

Die beiliegenden Zeichnungen erläutern ein bevorzugtes Ausfüh rungsbeispiel der Erfindung und dienen zusammen mit der oben gegebenen allgemeinen Beschreibung und der unten gegebenen detaillierten Beschreibung des bevorzugten Ausführungsbeispiels zum Erklären der Prinzipien der Erfindung.

Fig. 1 zeigt ein Beispiel einer medizinischen Bildentwerfungs vorrichtung zum Durchführen der Kompression und Rekonstruktion der Bilddaten gemäß der Erfindung;

Fig. 2 ist ein Flußdiagramm des Bilddaten- und Rekonstruk tionsverfahrens, das von der Vorrichtung in Fig. 1 durchgeführt wird;

Fig. 3 ist ein Teilbildblock von Basisbildern;

Fig. 4 ist eine graphische Darstellung der Anzahl der zurückgewiesenen spektralen Teilbildamplituden gegen den Amplitudenwert; und

Fig. 5 ist eine graphische Darstellung einer Gaußverteilung einer quantisierten Variablen y mit Entscheidungspegeln und Rekonstruktionswerten.

Das bevorzugte Ausführungsbeispiel der Erfindung wird nun anhand der beiliegenden Zeichnungen erläutert.

Das medizinische Bildentwerfungssystem 20 in Fig. 1 enthält eine Bildentwerfungseinrichtung 24, eine zentrale Prozessoreinheit (CPU) 32, einen wahlweisen Zugriffsspeicher (RAM) 36, eine Datenspeichereinheit 40 und eine Anzeigeeinrichtung 44.

Die Bildentwerfungseinrichtung 24 erzeugt räumliche Bilddaten 28, die von der CPU 32 verarbeitet werden, wie anhand der Schritte des Flußdiagramms 100 in Fig. 2 gezeigt. Das RAM 36 speichert zeitweise die notwendigen Programme und Daten, die von der CPU 32 während des Verarbeitens der Bilddaten 28 gebraucht werden. Die Datenspeichereinheit 40, die vorzugsweise ein Plattenantrieb hoher Kapazität ist, speichert verarbeitete Daten permanent. Die Anzeigeeinrichtung 44, vorzugsweise eine visuelle Anzeigeeinheit, zeigt die von der CPU 32 aus rekonstruierten räumlichen Bilddaten, die auf der Speicher einrichtung 40 gespeichert sind, erzeugten visuellen Bilder an.

Das Flußdiagramm 100 in Fig. 2 stellt die von der CPU 32 durchgeführten Grundschritte dar, um die räumlichen Bilddaten 28 zu transformieren, zu komprimieren, zu rekonstruieren und anzuzeigen. Die räumlichen Bilddaten 28 weisen eine Vielzahl von Datenwerten auf. Jeder Datenwert, der im bevorzugten Ausführungsbeispiel durch zehn binäre Stellen dargestellt ist, repräsentiert ein Pixel oder Bildelement. Ein Bild enthält viele Pixel.

Das Bildentwerfungssystem 20 komprimiert die räumlichen Bild daten 28, um die Erfordernisse für den Datenspeicherplatz, die Übertragungszeit und die Verarbeitungszeit zu minimieren, und zwar durch Aufteilen der Bilddaten in räumliche Teilbilddaten blöcke einer gegebenen Größe, Schritt 104, Transformieren der räumlichen Teilbilddaten in Spektralbilddaten, Schritt 108, Einordnen ausgewählter spektraler Teilbilddaten in eine erste Gruppe, Schritt 112, Nachbilden oder Modellieren der verbleibenden, zu der zweiten Gruppe gehörigen und somit von der Einordnung in die erste Gruppe zurückgewiesenen Daten durch Anpassung einer mathematischen Modellverteilung, Schritt 116, Quantisieren der Daten der ersten Gruppe, Schritt 120, und Kodieren und Speichern der Daten der ersten Gruppe und zumindest eines Parameters, der die Daten der zweiten Gruppe im Sinne des Modells beschreibt, Schritt 124.

Das Bildentwerfungssystem 20 erzeugt aus den gespeicherten Daten eine Näherung der Bilddaten 28, und zwar durch Zurückholen des Parameters oder der Parameter, der die Teilbilddaten der zweiten Gruppe in Form des Modells beschreibt, und durch Zurückholen und Dekodieren der kodierten Daten, Schritt 128, durch Erzeugen einer Näherung der Daten der zweiten Gruppe, die auf dem zurückgeholten Parameter oder den Parametern und dem Modell basiert, Schritt 132, durch Transformieren der spektralen Teilbilddaten in räumliche Teilbilddaten, Schritt 136, und durch Erzeugen eines Bildes aus den rekonstruierten Bilddaten, Schritt 140, zur Anzeige auf einer visuellen Anzeigeeinheit 44.

Nun wird eine detaillierte Diskussion der Bildkompression und -rekonstruktion gegeben. repräsentiert eine Matrix der Werte der räumlichen Bildddaten 28 in zwei Dimensionen.

Aufteilen von in eine Menge von quadratischen Teilbildern , Schritt 104 des Flußdiagramms 100, resultiert in einer Menge räumlicher Teilbildblöcke mit ausgewählter Dimension. Experimentelle Belege zeigen an, daß Blockgrößen von 16 × 16 oder 32 × 32 Pixeln optimal sind, d.h., kleinere Blockgrößen resultieren in einer Verschlechterung der Bildqualität nach der Kompression. Größere Blockgrößen steigern die Komplexität der Rechnungen, haben aber nur einen minimalen Effekt auf die Qualität des rekonstruierten Bildes. Im bevorzugten Ausführungs beispiel wird als eine bequeme Größe, um die Komplexität der nachfolgenden Rechnungen gegen die Qualität des rekonstruierten Bildes abzuwägen, eine Blockgröße von 256 Pixeln gewählt; die Erfindung könnte jedoch auch auf Blöcke irgendeiner passenden Größe angewendet werden.

Die Anwendung einer orthogonalen Transformationsmatrix auf die räumlichen Teilbilddaten, Schritt 108, erzeugt eine spektrale Darstellung der in dem Block enthaltenen räumlichen Information, und zwar wie folgt:

′ = ^t, (1)

wobei ^t die Transponierte von ist.

Die Transformierte des bevorzugten Ausführungsbeispiels der Erfindung ist eine diskrete Kosinustransformierte (DCT) wegen ihrer Einfachheit bei der Berechnung und der Fähigkeiten zur Dekorrelation und Energiepackung. Die Matrixelemente der DCT sind definiert durch:

T_ÿ = (2C(j)/N) cos [π (i +1/2)j/N], wobeiC(j) = 1/√, wenn j =0
= 1, sonst
N = Anzahl der zu transformierenden Datenwerte, d. h. Zahl der Datenwerte in einer Zeile oder Spalte von .

Die Matrix der spektralen Teilbilddaten, ′, der transfor mierten räumlichen Teilbilddaten besteht aus den Amplituden der in dem räumlichen Teilbild vorliegenden Frequenzkomponenten. Die eigentlichen Datenwerte von ′ sind Amplituden jeweiliger zweidimensionaler frequenzabhängiger Grundbilder. Fig. 3 ist ein Beispiel solcher Grundbilder. Jedes Element von ′ ist die Amplitude oder das Gewicht, die jedem der Grundbilder zugeordnet werden soll, welche den spektralen Inhalt von repräsentieren, wenn sie gewichtet und überlagert sind. Die Datenelemente von ′ sind auch weniger korreliert als die Elemente von , was sie für die Datenkompression nützlich macht.

Wenn die Teilbildenergie definiert ist als:

wobei (j, k) die Indices der Datenwerte innerhalb des Teil bildblocks (oder der Matrix der Datenwerte, ) sind, dann ist E() = E(′), was bedeutet, daß die orthogonale Transformierte die Gesamtenergie erhält. Für die Datenkompression nützliche Transformierte haben jedoch die Eigenschaft, daß die Energie nicht gleichmäßig verteilt wird. Vielmehr enthalten relativ wenige der Niederfrequenzkomponenten, d.h., der einfachsten Grundbilder von Fig. 3, die meiste Blockenergie und sind am stärksten gewichtet. Somit müssen nur die Niederfrequenzkompo nenten von ′ gespeichert werden, um die am meisten hervor springenden räumlichen Merkmale von zu speichern. Die höheren Frequenzkomponenten enthalten Informationen über die Feinstruktur von Randdetails und über Rauschen in dem ursprünglichen räumlichen Teilbildblock.

Wegen des Erfordernisses zur Kompression müssen bestimmte Daten in ′ von der Einordnung in die erste Gruppe zurückgewiesen werden. Ebenso müssen die spektralen Teilbilddaten der ersten Gruppe in der Anzahl der gespeicherten signifikanten Stellen beschränkt werden. Wenn alle Frequenzkomponenten in allen spektralen Teilbildblöcken gespeichert würden, und wenn sie mit der Anzahl der signifi kanten Stellen wie bei den ursprünglichen Daten gespeichert würden, würde das rekonstruierte Bild im wesentlichen identisch zu dem ursprünglichen Bild sein, aber dies steht nicht in Einklang mit geeigneten Kompressionsverhältnissen. Daher werden Hochfrequenzkomponenten eher ausgeschieden, weil sie das feine Detail des Bildes enthalten; aber indem so verfahren wird, geht einiges Detail verloren.

Die Kompression wird durch Zurückweisen spektraler Teilbild daten mit ausgewählten Frequenz- und Amplitudeneigenschaften erhalten, d. h. sie werden nicht in die erste Gruppe eingeordnet. Im bevorzugten Ausführungsbeispiel der Erfindung, das als Beispiel und nicht als Einschränkung gezeigt ist, werden Frequenzkomponenten mit spezifischen Amplituden in Schritt 112 des Flußdiagramms 100 von der Einordnung in die erste Gruppe zurückgewiesen, indem eine adaptive Auswahlmethode mit Schwellwertkodierung auf eine Weise verwendet wird, die in diesem Gebiet wohl bekannt ist.

In der adaptiven Auswahlmethode basiert die Entscheidung, Daten zurückzuweisen, auf dem ausgewählten Kompressionsverhältnis für die Daten. Ein Schwellwert wird ausgewählt, und Amplituden mit einem Absolutwert, der kleiner ist als dieser ausgewählte Schwellwert, werden zurückgewiesen. Amplituden gleich oder größer als der Schwellwert werden zur Quantisierung und Kodierung zurückgehalten, was unten diskutiert wird.

Gemäß der Erfindung wird zumindest ein Parameter berechnet, der die aus der ersten Gruppe zurückgewiesenen und damit in die zweite Gruppe eingeteilten spektralen Teilbilddaten mit Hilfe eines ausgewählten mathematischen Modells beschreibt. Dieser Rechenschritt ist als ein Beispiel und nicht als eine Einschränkung in Schritt 116 des Flußdiagramms 100 gezeigt, und er weist auf: (1) Auswählen eines Modells für die Verteilung der Amplituden der zweiten Gruppe und (2) Bestimmen der Standardabweichung der Daten hinsichtlich des ausgewählten Modells.

Viele der in den spektralen Teilbilddaten der zweiten Gruppe enthaltenen Informationen können nachgebildet werden, und weil das Modell die Verteilung der Daten der zweiten Gruppe definiert, brauchen nur die Parameter, die die Daten der zweiten Gruppe mit Hilfe des Modells beschreiben, berechnet, kodiert und mit den spektralen Teilbilddaten der ersten Gruppe abgespeichert zu werden. Wenn später das Bild rekonstruiert werden soll, kann eine Näherung der Daten der zweiten Gruppe durch Anwendung des gespeicherten Parameters auf das Modell berechnet werden, um statistische Proben der Amplituden der zweiten Gruppe zu erzeugen. Dies reduziert den zur genauen Rekonstruktion des ursprünglichen Bildes erforderlichen Datenspeicherplatz, ohne daß die zuvor erwähnten visuellen Artefakte auftreten.

Fig. 4 zeigt eine Wahrscheinlichkeitsverteilung von in die zweite Gruppe eingeordneten Amplituden von ′ in einem typischen medizinischen Bild. Die Anzahl der Amplituden ist auf der vertikalen Achse und der Wert der Amplituden ist auf der horizontalen Achse gezeigt. Die Verteilung der zurückgewiesenen Amplituden entspricht einer Gauß-Funktion der folgenden Form:

wobei p(x) die Gauß′sche Wahrscheinlichkeitsdichte, x der Wert der gestrichenen Amplitude und σ² die Varianz von x ist. Diese Verteilung erfordert nur die Speicherung der Standardabweichung (Quadratwurzel der Varianz) von x, um p(x) zu reproduzieren.

Es ist zu bemerken, daß andere Modellverteilungen, wie die Laplace- oder die Rayleigh-Verteilung, eine genauere Repräsentation für einige Information liefern können; somit sollte die Erfindung mit einer Verteilung ausgeübt werden, die am besten die spektralen Teilbilddaten der zweiten Gruppe eines gegebenen Bildes modelliert. Die Erfindung ist somit nicht auf ein spezifisches Modell oder eine spezifische Verteilung eingeschränkt.

Nun wird für das bevorzugte Ausführungsbeispiel die Gauß-Verteilung als das ausgewählte Modell benutzt. Wenn der Wert der Amplituden durch x dargestellt ist, dann liefert die Standardabweichung der Amplituden der zweiten Gruppe eine vollständige Wahrscheinlichkeitsbeschreibung für die Verteilung der Amplituden der zweiten Gruppe. Die Standardabweichung ist daher ein Parameter, der die Daten der zweiten Gruppe hinsichtlich der besonderen Gauß-Verteilung beschreibt, die als mathematisches Modell dient.

Um den Parameter zu berechnen, der das mathematische Modell der spektralen Teilbilddaten der zweiten Gruppe beschreibt, werden die Anzahl N der Amplituden der zweiten Gruppe, die Datenwerte f′_ÿ jeder Amplitude der zweiten Gruppe und das Quadrat jedes solchen Datenwertes angesammelt. Die Varianz der Amplituden der zweiten Gruppe wird dann von der CPU 32 berechnet als:

σ²=<(f′_ÿ-<f′_ÿ<)²<,

und die Standardabweichung wird gespeichert, um an den Bitstrom der Amplituden der ersten Gruppe angehängt zu werden. Das ausgewählte mathematische Modell, das die Verteilung der Daten der zweiten Gruppe beschreibt, muß ebenso gehalten werden, obwohl es nicht mit den Daten auf der Datenspeichereinrichtung 40 zu sein braucht. Dasselbe Modell, das zum Auswählen des Parameters verwendet wird, muß unten benutzt werden, um die Daten der zweiten Gruppe zu rekonstruieren.

Die Standardabweichung kann für das gesamte Bild oder für jedes spektrale Teilbild berechnet werden, was von dem erforderlichen Datenkompressionsgrad abhängt. Wenn der spektrale Gehalt des gesamten Bildes ziemlich konstant ist, kann die vorige Methode verwendet werden, ohne eine übermäßige Menge visueller Artefakte herbeizuführen. Wenn der spektrale Gehalt von Teilbild zu Teilbild wesentlich variiert, sollte die Standardabweichung für jedes spektrale Teilbild berechnet und abgespeichert werden.

Die zuvor beschriebene Transformation erzeugt so viele spek trale Bilddatenwerte wie räumliche Bilddatenwerte. Der dyna mische Bereich der Amplituden der ersten Gruppe kann den Bereich der räumlichen Bilddaten übertreffen. Um eine wesent liche Verminderung in der Datenkodierrate zu erzielen, können nicht alle möglichen Werte der spektralen Teilbilddaten gehalten werden. Die Datenwerte werden daher vor dem Kodieren quantisiert, Schritt 120 in Flußdiagramm 100. Die Quantisierung reduziert den Informationsgehalt in der Domäne der Transfor mierten durch Durchführen einer "viele Werte auf einen Wert"-Abbildung der Datenwerte und erlaubt somit eine zusätz liche Datenkompression, was aber in der Einführung eines Kompressionsfehler resultiert. Dieser Kompressionsfehler rührt von der Annäherung vieler Datenwerte durch einen einzigen repräsentativen Wert her.

Die Quantisierung wird unter Verwendung eines in diesem Feld wohl bekannten statistischen Quantisierungsverfahrens durch geführt, das Abschneideartefakte minimiert, während es nur einen minimalen Quantisierungsfehler einführt. Wenn y den Wert einer Zufallsvariablen mit y_L y y_H repräsentiert und einen quantisierten Wert hat, ist p(y) die Wahrscheinlichkeits verteilung von y. Eine Menge von Entscheidungspegeln, d_j, und eine Menge von Rekonstruktionswerten, r_j, sind so definiert, daß:

ein Minimum annimmt. E_Q ist der mittlere quadratische Quanti sierungsfehler. Die Lösung dieses optimalen Quantisierungsproblems ergibt die folgenden Ausdrücke für das Aufstellen der Rekon struktionswerte und Entscheidungspegel:

Das erste Resultat zeigt, daß die Rekonstruktionswerte so gewählt werden sollten, daß sie der Mittelwert (Centroid) der Verteilung zwischen den entsprechenden Entscheidungspegeln sind, während das zweite Resultat aussagt, daß die Entschei dungspegel auf halbem Weg zwischen den entsprechenden Rekon struktionswerten liegen sollten. Diese Gleichungen können rekursiv gelöst werden, um die Lage der Entscheidungs- und Rekonstruktionspegel zu liefern, die E_Q minimiert. Diese Lösung genügt der Beobachtung, daß die Entscheidungspegel in den Bereichen, in denen die ausgewählten Werte für y mit größerer Wahrscheinlichkeit auftreten, in dichterem Abstand verteilt sein sollten.

In Gauß-Verteilungen, wie in Fig. 5 gezeigt, kann Abschneiden für wenig wahrscheinliche, große Werte von y auftreten, die großen spektralen Teilbilddatenwerten entsprechen. Dieses Abschneiden resultiert in Randartefakten. Daher werden im bevorzugten Ausführungsbeispiel der Erfindung, immer wenn räumliche Teilbilder wesentliche Details am Rand enthalten, die in großen Amplituden hoher Frequenz in dem spektralen Teilbild resultieren, Randartefakte ohne einen Anstieg in der Zahl der zur Quantisierung notwendigen Bits durch gleichmäßiges Quantisieren der Datenwerte über ihre Bereiche vermieden, wie in Fig. 5 gezeigt. Die Entscheidungspegel d₅ bis d₈ und die Rekonstruktionswerte r₄ bis r₇ sind entlang der y-Achse in gleichen Abständen gezeigt. Datenwerte, die zum Beispiel zwischen die Entscheidungspunkte d₅ und d₆ fallen, werden zu dem Rekonstruktionswert r₅ quantisiert. Indem so verfahren wird, werden Abschneideartefakte auf Kosten eines Anstiegs im gesamten Quantisierungsfehler vermindert.

Das endgültige für die Datenkompression erforderliche Abbil dungsverfahren ist die Zuordnung von Code-Wörtern zu den quantisierten nicht zurückgewiesenen Daten, Schritt 124. Zusätzliche Kompression rührt von der effizienten Auswahl einer Menge binärer Symbole her, die benutzt werden, um die Menge der quantisierten Daten zu repräsentieren. Im bevorzugten Ausführungsbeispiel wird die "Huffman"-Kodierung verwendet, weil sie eine bewährte kompakte Kodierung ist, aber andere Kodierverfahren, die von der Komplexität der Ausführung auferlegt sind, können zum Ausüben der Erfindung verwendet werden.

Die komprimierten Daten und der Parameter, der das mathe matische Modell der spektralen Teilbilddaten der zweiten Gruppe beschreibt, welche in dem bevorzugten Ausführungsbeispiel aus kodierten und quantisierten spektralen Teilbilddaten der ersten Gruppe und der Standardabweichung der spektralen Teilbilddaten der zweiten Gruppe bestehen, werden in der Datenspeicher einrichtung 40 von Fig. 1 gespeichert, womit die Datenkom pression und der Speichervorgang vervollständigt sind.

Um das ursprüngliche Bild auf der Anzeigeeinrichtung 44 zu betrachten, muß die CPU 32 die gespeicherte Standardabweichung und die kodierten Daten von der Datenspeichereinrichtung 40 zurückholen, die Daten dekodieren, die Teil bilddaten der zweiten Gruppe abschätzen, wobei das mathematische Modell und der das Modell beschreibende Parameter gegeben sind, und eine Näherung des ursprünglichen Bildes rekonstruieren. Die "Huffman"-Kodierungswerte werden in quantisierte spektrale Teilbilddaten der ersten Gruppe in einer in diesem Gebiet wohl bekannten Weise dekodiert, Schritt 128 des Flußdiagramms 100.

Gemäß der Erfindung wird eine Näherung der spektralen Teilbilddaten der zweiten Gruppe durch Anwendung des zurückgeholten Parameters auf das mathematische Modell der spektralen Teilbilddaten der zweiten Gruppe erzeugt. Im bevorzugten Ausführungs beispiel, das als Beispiel und nicht als Beschränkung prä sentiert ist, weist die Näherung der zurückgewiesenen spektralen Teilbilddaten das Erzeugen von einer Stichprobe einer Zufallsvariablen mit einer Gauß-Verteilung und einer Standardabweichung von 1 auf. Der Wert dieser Stichprobe wird mit der zurückgeholten Standardabweichung multipliziert, um eine statistische Abschätzung der Amplitude der zweiten Gruppe zu machen. Diese statistische Abschätzung des Datenwertes wird dann in den dekodierten spektralen Teilbilddaten eingeschlossen.

In der Praxis wird eine Tafel mit Zufallszahlen erzeugt, die eine Gauß′sche Verteilung aufweisen und eine Standardabweichung von 1 haben. Um einen spektralen Teilbild datenwert der zweiten Gruppe zu ersetzen, wird eine Zahl aus der Tabelle zufällig ausgewählt. Die gewählte Zahl wird mit dem zurückgeholten Parameter multipliziert, der in dem bevorzugten Ausführungs beispiel die Standardabweichung der Teilbilddaten der zweiten Gruppe ist. Das resultierende Produkt, das Ersetzungsamplitude genannt wird, ist eine statistische Abschätzung der spektralen Teilbilddaten der zweiten Gruppe. Dies ist der Fall, weil die Verteilung der Zahlen in der Tabelle gaußförmig ist, wie die Verteilung der Amplituden der zweiten Gruppe. Die Ersetzungs amplitude ersetzt daher statistisch die während des Kompres sionsvorgangs verlorene Bildinformation. Die Ersetzungsamplitude wird an der Stelle der Amplitude der zweiten Gruppe in den Strom der dekodierten Daten eingesetzt, was in der Bildung von _q′ resultiert, einer Näherung für ′.

Die inverse Transformation von _q′ wird als Schritt 136 im Flußdiagramm 100 durchgeführt:

≅ ^t _q′,

was einen räumlichen Teilbildblock erzeugt, von dem eine Näherung q der ursprünglichen Datenwerte für das Bild zur Anzeige auf der Anzeigeeinrichtung 44 von Fig. 1 rekonstruiert wird, Schritt 140.

Claims

1. Verfahren zum Vermindern visueller Artefakte bei der Kompression von Bilddaten über eine Transformierte, mit den Schritten:
Transformieren räumlicher Bilddaten in spektrale Bilddaten, die den Frequenzgehalt und die Amplitude der räumlichen Bilddaten repräsentieren,
Aufteilen der spektralen Bilddaten nach ausgewählten Frequenz- und Amplitudeneigenschaften in eine erste Gruppe und eine zweite Gruppe von spektralen Bilddaten,
Kodieren der spektralen Bilddaten der ersten Gruppe,
Speichern der kodierten Daten, und
Dekodieren der kodierten spektralen Bilddaten,
gekennzeichnet durch die Schritte:
Berechnen zumindest eines Parameters , der die Amplitudenverteilung der spektralen Bilddaten der zweiten Gruppe mit einem ausgewählten mathematischen Modell beschreibt,
Speichern des Parameters zusammen mit den kodierten Daten der ersten Gruppe von spektralen Bilddaten,
Erzeugen einer Näherung der spektralen Bilddaten der zweiten Gruppe, indem mit Hilfe des wenigstens einen gespeicherten Parameters und des mathematischen Modells eine der Amplitudenverteilung der spektralen Bilddaten der zweiten Gruppe entsprechende Amplitudenverteilung generiert wird und die so erzeugte Näherung von spektralen Bilddaten mit den dekodierten spektralen Bilddaten der ersten Gruppe zusammengefaßt werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß das ausgewählte mathematische Modell zum Beschreiben der Amplitudenverteilung der spektralen Bilddaten der zweiten Gruppe eine Gauß-Funktion ist.

3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß der Schritt des Berechnens wenigstens eines Parameters das Berechnen der Standardabweichung der Amplitudenverteilung der spektralen Bilddaten der zweiten Gruppe aufweist.

4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß der Schritt zum Erzeugen einer Näherung das zufällige Auswählen von Zahlen aus einer Zahlentafel einschließt, wobei die Zahlen in der Tafel eine dem mathematischen Modell entsprechende Verteilung haben.

5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, daß das mathematische Modell eine Gauß-Verteilung ist und daß die Zahlen in der Tafel eine Standardabweichung von eins haben.

6. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die erzeugte Näherung der spektralen Bilddaten der zweiten Gruppe und die dekodierten spektralen Bilddaten der ersten Gruppe in räumliche Bilddaten zurücktransformiert werden und zur Anzeige gebracht werden.

7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß vor dem Transformieren der räumlichen Bilddaten eines Bildes dieses in eine Mehrzahl von räumlichen Teilbildern unterteilt wird und die Bilddaten der Teilbilder separat voneinander in den weiteren Verfahrensschritten verarbeitet werden.