DE60129931T2

DE60129931T2 - Verfahren und vorrichtung zur komprimierung von transformationsdaten

Info

Publication number: DE60129931T2
Application number: DE60129931T
Authority: DE
Inventors: John C. Menlo Park HUFFMAN
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2000-01-21
Filing date: 2001-01-18
Publication date: 2008-05-15
Anticipated expiration: 2021-01-19
Also published as: AU2001231021A1; WO2001054413A1; US20040005094A1; DE60129931D1; US6553141B1; EP1252772A1; EP1252772B1; ATE370614T1; US7006696B2

Description

HINTERGRUND DER ERFINDUNG
Anwendungsbereich der Erfindung
Die vorliegende Erfindung bezieht sich auf den Bereich des Datentransfers und insbesondere auf das Komprimieren von Transformationsdaten für eine effiziente Ü-bertragung über ein Netzwerk.
Stand der Technik
Es ist inzwischen üblich, Bilder mit Hilfe der Computertechnologie in digitaler Form zu speichern, zu übertragen und anzusehen. Im medizinischen Bereich sind Bildarchivierungs- und Kommunikationssysteme (engl. Picture Archival and Communications Systems, PACS) weit verbreitet. Bei einer typischen PACS-Anwendung werden durch Bildgebungseinrichtungen wie CT-Scanner oder MRT-Scanner erzielte Bilddaten in Form von Computerdatendateien gespeichert. Die Größe einer Datendatei für ein Bild schwankt in Abhängigkeit von der Größe und Auflösung des Bildes. Eine typische Bilddatei für ein Röntgenbild der Brust mit Diagnosequalität liegt beispielsweise in der Größenordnung von 10 MB. Die Bilddatendateien werden normalerweise in einem Standardformat oder einem allgemein anerkannten Format formatiert. Im medizinischen Bereich ist ein weit verbreitetes Bildformat als DICOM bekannt. Die DICOM-Bilddatendateien werden über Computernetzwerke an spezialisierte Betrachtungsstationen (engl. Viewing Station) übertragen, die in der Lage sind, die Bilddaten in Bilder mit hoher Auflösung auf einem CRT-Bildschirm zu konvertieren.
Bei Anwendungen der Bildgebung ist es von Bedeutung, Bilder mit hoher Auflösung anzuzeigen. In der medizinischen Bildgebung erfordern Bilder beispielsweise die Anzeige mit hoher Auflösung, so dass Einzelheiten des Bildes mit möglicherweise diagnostischer Bedeutung sichtbar sind. In der medizinischen Bildgebung ist es außerdem wünschenswert, mehrere Bilder, die im Laufe der Zeit erfasst wurden, gleichzeitig zu betrachten, um in einer Zeitspanne aufgetretene Veränderungen erkennen zu können. Aus dem Bedürfnis nach einer hohen Auflösung und mehreren Ansichten ergibt sich ein Bedürfnis nach einer großen Netzwerkbandbreite, großer Speicherkapazität und erheblicher Verarbeitungsleistung in den Betrachtungsstationen. Die herkömmlichen digital codierten medizinischen Bilder, die in medizinischen Anwendungen verwendet werden, erfordern normalerweise leistungsstarke und kostspielige Computersysteme zur Archivierung, Übertragung, Bearbeitung und Anzeige der medizinischen Bilder. Infolgedessen sind viele aktuelle Bildgebungssysteme wie PACS sehr kostspielig. Aus diesem Grund verfügt eine Klinik mit einem PACS eventuell nur über ein paar Bildbetrachtungsstationen, die in erster Linie von Spezialisten wie Radiologen genutzt werden.
Ein Verfahren zum Übertragen großer Bilder wie medizinischer Bilder über ein Netzwerk wurde von Dr. Paul Chang, M. D., und Carlos Bentancourt an der Universität von Pittsburgh entwickelt. Dieses als dynamische Transfersyntax bezeichnete Verfahren arbeitet in einer Client-Server-Umgebung und liefert Bilddaten vom Server zum Client, wenn die Bilddaten beim Client benötigt werden (d.h. ein Just-In-Time-Datenzustellungsmechanismus). Zur Durchführung dieses Just-In-Time-Datenzustellungsmechanismus erzeugt die dynamische Transfersyntax eine flexible hierarchische Darstellung eines Bildes zur Speicherung auf dem Server. Die hierarchische Darstellung besteht aus durch eine Wavelet-Transformation erzeugten Koeffizienten. Zum Betrachten von Teilen des Bildes beim Client gibt der Client Anforderungen für Daten aus, die Koeffizientenkoordinaten zur Identifizierung von Koeffizienten in der hierarchischen Darstellung enthalten. Der Client rekonstruiert dann aus den angeforderten Transformationsdaten den Teil des Bildes im Client. Eine vollständige Beschreibung der dynamischen Transfersyntax ist in der vorläufigen US-amerikanischen Patentanmeldung mit dem Titel „Flexible Representation and Interactive Image Data Delivery Protocol", Seriennummer 60/091.697, von den Erfindern Paul Joseph Chang und Carlos Bentancourt eingereicht am 3. Juli 1998, und in der US-amerikanischen Patentmeldung mit dem Titel „Methods and Apparatus for Dynamic Transfer of Image Data", Seriennummer 09/339.077, von den Erfinder Paul Joseph Chang and Carlos Bentancourt eingereicht am 23. Juni 1999, enthalten, die beide ausdrücklich durch Nennung als hierin aufgenommen betrachtet werden.
Die dynamische Transfersyntax erhöht zwar wesentlich die Fähigkeit, große Datendateien über ein Netzwerk zu übertragen, unter gewissen Umständen ist jedoch zusätzliches Leistungsvermögen erforderlich. Zusätzliches Leistungsvermögen ist eventuell beispielsweise für den Transfer von Datendateien über Netzwerke mit begrenzter Bandbrei te erforderlich. Bei einer medizinischen Anwendung hat ein außerhalb des Krankenhauses arbeitender Arzt eventuell Ressourcen mit begrenzter Netzwerkbandbreite zur Verbindung mit dem Firmennetzwerk des Krankenhauses (beispielsweise kommuniziert der Arzt eventuell mit dem Firmennetzwerk des Krankenhauses über eine 56K-Modemverbindung). Der Arzt möchte in diesem Beispiel eventuell aber die Verbindung mit begrenzter Bandbreite medizinische Bilder herunterladen, die aus großen Datendateien bestehen. Damit diese Anwendungen mit geringer Bandbreite ermöglicht werden, ist es wünschenswert, Verfahren zu entwickeln, durch die die Transferraten für die Übertragung von großen Datendateien erhöht werden.
ZUSAMMENFASSUNG DER ERFINDUNG
Bei einem Kompressionsverfahren zum Einsatz in einer Netzwerkumgebung werden Transformationsdaten komprimiert, um die Übertragungsgeschwindigkeiten bei Anwendungen mit geringer Bandbreite zu verbessern. Bei einem Ausführungsbeispiel umfassen die Quellendaten Quellenbilder wie medizinische Bilder. Die Quellendaten werden in Transformationsdaten zerlegt, die aus räumlich zugeordneten Koeffizienten bestehen, so dass ein Block mit Koeffizienten die Rekonstruktion von identifizierbaren Teilen der Quellendaten erlaubt. Bei einem Client-Server-Ausführungsbeispiel gibt ein Client an einen Server eine Anforderung für mindestens einen Teil der Quellendaten aus. Die Anforderung definiert einen Block der Koeffizienten und mindestens einen Quantisierungswert. Als Reaktion auf die Anforderung des Client extrahiert der Server durch die Anforderung definierte Transformationsdaten. Die Transformationsdaten werden gemäß dem Quantisierungswert quantisiert und komprimiert, um komprimierte Daten zu erzeugen. Der Server überträgt die komprimierten Daten zum Client. Der Client dekomprimiert die komprimierten Daten und erhält quantisierte Daten und dequantisiert die quantisierten Daten, um die Transformationsdaten wiederherzustellen. Der Client rekonstruiert dann die ursprünglichen Quellendaten aus den Transformationsdaten. In der Bildgebung rekonstruiert der Client ein Bild aus den Transformationsdaten zur Anzeige beim Client.
Der Server sendet lediglich die Daten zum Client, die für die Rekonstruktion des Quellenbildes beim Client erforderlich sind. In einem Ausführungsbeispiel kopiert der Client vorher angeforderte Koeffizienten mit den Quantisierungswerten in den Cachespeicher zur späteren Verwendung. In diesem Szenario gibt der Client eine neue Anforderung für einen Koeffizientenblock aus, um inkrementelle Daten zu erhalten, die für die Erfüllung der Anforderung erforderlich sind. Die neue Anforderung beinhaltet zwei Quantisierungswerte. Der erste Quantisierungswert kommt von den Koeffizienten der vorherigen Anforderung, die beim Client in den Cachespeicher kopiert wurden, und der zweite Quantisierungswert dient der neuen Anforderung des Koeffizientenblocks. Die neue Anforderung wird zum Server übertragen. Als Reaktion auf die Anforderung extrahiert der Server durch den Koeffizientenblock definierte Transformationsdaten. Der Server erzeugt mit Hilfe des ersten Quantisierungswertes aus den Transformationsdaten einen ersten quantisierten Koeffizientenblock und aus dem zweiten Quantisierungswert einen zweiten quantisierten Koeffizientenblock. Der Server erzeugt dann durch Multiplizieren des ersten und des zweiten quantisierten Koeffizientenblockes mit dem ersten bzw. dem zweiten Quantisierungswert einen ersten und einen zweiten dequantisierten Koeffizientenblock. Anschließend wird durch Subtrahieren des ersten dequantisierten Koeffizientenblockes von dem zweiten dequantisierten Koeffizientenblock ein inkrementeller Koeffizientenblock erzeugt. Der inkrementelle Koeffizientenblock wird zur Erzeugung eines komprimierten inkrementellen Koeffizientenblockes komprimiert, und der komprimierte inkrementelle Koeffizientenblock wird vom Server zum Client übertragen. Beim Client wird der komprimierte inkrementelle Koeffizientenblock dekomprimiert, um den inkrementellen Koeffizientenblock wiederherzustellen. Der ursprüngliche, vom Client angeforderte Koeffizientenblock wird erhalten, indem der in den Cachespeicher kopierte Koeffizientenblock zum inkrementellen Koeffizientenblock addiert wird. Der Client rekonstruiert die Quellendaten aus dem Koeffizientenblock.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 zeigt ein Blockschaltbild eines Ausführungsbeispiels zum Implementieren der Kompressionsverfahren in einer Client-Server-Umgebung.
2 zeigt ein Blockschaltbild eines Ausführungsbeispiels zum Verarbeiten von Quellendaten.
3 zeigt einen Ablaufplan eines Ausführungsbeispiels zum Implementieren des Serverprozesses, der die Kompressionsverfahren enthält.
4 zeigt ein Blockschaltbild eines Ausführungsbeispiels zum Implementieren von Prozessen für die Kompressionsverfahren im Client.
5 zeigt einen Ablaufplan eines Ausführungsbeispiels zum Implementieren der Kompressionsverfahren in einem Client.
6 zeigt ein Blockschaltbild des Kopierens von Koeffizientenblöcken in den Cachespeicher im Client.
7 zeigt ein Blockschaltbild eines Ausführungsbeispiels zum Einsatz der Kompressionsverfahren in einer medizinischen Anwendung der Bildgebung.
8a zeigt ein Beispiel einer pyramidenförmigen Datenstruktur.
8b zeigt Zerlegungen der dritten und vierten Ebene für das 4K × 4K-Quellenbild aus 8a.
AUSFÜHRLICHE BESCHREIBUNG
Ein verlustfreies Kompressionsverfahren wird zusammen mit einer Transformation eingesetzt, die räumlich zugeordnete Koeffizienten erzeugt, um in Anwendungen mit begrenzter Bandbreite Daten zuzustellen. Bei einem Ausführungsbeispiel wird das Kompressionsverfahren in einer Client-Server-Umgebung ausgeführt. Im Besonderen nutzt der Server das Kompressionsverfahren zum Komprimieren von Transformationsdaten zur Übertragung über ein Netzwerk zu einem Client. Die Daten bestehen aus Transformationsdaten, die in eine oder mehrere hierarchische Datendarstellungen, hier auch als pyramidenförmige Datendarstellungen bezeichnet, zerlegt werden. Im Allgemeinen erhält die Transformation, eine Teilband-Zerlegungsfunktion, die räumlichen Merkmale zwischen den ursprünglichen Quellendaten und den resultierenden Koeffizienten der Transformationsdaten. Die Koeffizienten aus den Transformationsdaten sind somit leicht für die anschließende Rekonstruktion der ursprünglichen Quellendaten oder jeglichen Teils der Quellendaten zu identifizieren.
Die verlustfreien Kompressionsverfahren der vorliegenden Erfindung finden in der Bildgebung einschließlich der medizinischen Bildgebung Anwendung. Bei dieser Anwendung wird ein Quellenbild zur Erzeugung von einer oder mehreren pyramidenförmigen Datendarstellungen des Quellenbildes zerlegt. Insbesondere werden für die medizinische Bildgebung medizinische Bilder (beispielsweise Mammogramme, Röntgenbilder, Magnetresonanzbilder, CATSCAN usw.) digitalisiert und zerlegt, um pyramidenförmige Datendarstellungen der digitalisierten medizinischen Bilder zu erzeugen. Anwendungen der medizinischen Bildgebung erfordern eine verlustfreie Datenübertragung. Da das Codier- oder Kompressionsverfahren verlustfrei ist, werden keine Informationen hinsichtlich des ursprünglichen digitalisierten medizinischen Bildes ausgesondert. Somit sind die Kompressionsverfahren auf die medizinische Bildgebung anwendbar.
1 zeigt ein Blockschaltbild, das ein Ausführungsbeispiel zum Implementieren der Kompressionsverfahren in einer Client-Server-Umgebung zeigt. Bei diesem Ausführungsbeispiel ist ein Server 100 über ein Netzwerk mit einem oder mehreren Clients (beispielsweise den Clients 150 und 160) verbunden. Wie in 1 dargestellt, werden die Quellendaten 110 in „n" pyramidenförmige Datendarstellung(en) zerlegt. Wie in 1 dargestellt, greift der Server 100 außerdem auf die pyramidenförmigen Datendarstellungen 130 für die Quellendaten 110 zu. Der Server 100 besteht ferner aus einer Kompressionsmaschine 140. Im Allgemeinen komprimiert die Kompressionsmaschine 140 die pyramidenförmige(n) Datendarstellung(en) 130 unter Verwendung eines verlustfreien Codierverfahrens.
Während der Einrichtung eines Kommunikationsprotokolls zwischen dem Server und dem Client kann der Client ein oder mehrere Quellendaten oder -bilder (d.h. pyramidenförmige Datendarstellungen) für den anschließenden Prozess der Client-Anforderung und des Servertransfers spezifizieren. Als Alternative kann der Client als Teil der Anforderung bestimmte Quellendaten oder Quellenbilder für den Datentransfer kennzeichnen. Bei einem Ausführungsbeispiel implementiert der Server-Client „Ereignis"-Kommunikationsdienste, die von CORBA (Common Object Request Broker Architecture) geboten werden. Es kann jedoch jegliches Netzwerkprotokoll zum Implementieren der Netzwerkkommunikation zwischen Client und Server eingesetzt werden, ohne dass vom Wesen oder Rahmen der Erfindung abgewichen würde.
Bei dem Ausführungsbeispiel aus 1 werden nach Initiierung von Client-Anforderungen Daten vom Server 100 zu einem Client übertragen. Im Besonderen erzeugt ein Client eine Anforderung, die mindestens einen Teil einer pyramidenförmigen Darstellung für Quellendaten oder ein Quellenbild kennzeichnet. Bei einem Ausführungsbeispiel erzeugt der Client eine Anforderung, die Koeffizientenkoordinaten definiert, die für die Rekonstruktion des gewünschten Teils der Quellendaten im Client ausreichen. Zusätzlich spezifiziert der Client für dieses Ausführungsbeispiel einen Quantisierungswert Q, der den geforderten Quantisierungsgrad definiert. Im Allgemeinen bestimmt der durch Q definierte Quantisierungsgrad den Grad der Komprimierbarkeit, so dass ein größerer Quantisierungswert eine stärkere Zunahme der Komprimierbarkeit ergibt. Ein größerer Quantisierungswert ergibt jedoch einen Verlust einer größeren Menge an Informationen. Daher gibt es einen Kompromiss zwischen dem Verlust von Informationen und der Komprimierbarkeit der Daten.
Als Reaktion auf die Anforderung extrahiert der Server 100 die durch die Koeffizientenkoordinaten gekennzeichneten Koeffizienten, quantisiert die Koeffizienten gemäß dem in der Anforderung enthaltenen Quantisierungswert, komprimiert die Koeffizienten verlustfrei und überträgt die komprimierten Transformationsdaten danach zum Client. Dieser Client-Server-Prozess ist in 1 dargestellt durch den Client 150, der die Koeffizientenkoordinaten für „Block A" der pyramidenförmigen Datendarstellung (1) anfordert und die komprimierten Transformationsdaten für Block A empfängt. In gleicher Weise fordert der Client 160 Koeffizientenkoordinaten für Block B der pyramidenförmigen Datendarstellung (5) an und empfängt als Reaktion auf die Anforderung die komprimierten Transformationsdaten für Block B.
Die Kompressionsverfahren der vorliegenden Erfindung finden Anwendung, wenn die Netzwerkressourcen zwischen Client und Server begrenzt sind. Der Client 150 und der Client 160 teilen sich beispielsweise eventuell die Netzwerkbandbreite. In diesem Beispiel konsumiert der Client 160 eventuell für eine begrenzte Zeitspanne erhebliche Netzwerkressourcen. Während dieser Zeit wird dem Client 150 nicht die notwendige Bandbreite zugewiesen, um in einer angemessenen Zeitspanne unkomprimierte Transformationsdaten vom Server 100 zu empfangen. In diesem Szenario fordert der Client 150 komprimierte Transformationsdaten an. Nachdem der Client 150 Zugang zu einer angemessenen Menge an Netzwerkressourcen erhalten hat, fordert der Client 150 bei diesem Beispiel eventuell zusätzliche Transformationsdaten an, die erforderlich sind, um die Quellendaten mit der vollen gewünschten Datenintegrität zu rekonstruieren.
Die komprimierten Transformationsdaten bestehen zwar aus weniger Informationen als die nicht komprimierten Transformationsdaten, bei einigen Anwendungen kann der geringere Gehalt an Informationen jedoch angemessen sein. Bei der medizinischen Bildgebung zeigt ein als medizinisches Informatiksystem konfigurierter Client-Computer eventuell auf einem Computermonitor mehrere Bilder mit geringer Auflösung für eine Patientenstudie (d.h. eine Sammlung von Bildern und/oder Serien für einen Patenten) an. Diese medizinischen Bilder können auf dem Computer angezeigt werden, damit der Benutzer die medizinischen Bilder in einer für den Benutzer geeigneten Weise anordnen oder organisieren kann. Das medizinische Informatiksystem kann beispielsweise anfangs horizontal mehrere medizinische Bilder anzeigen, die zu einer bestimmten Studie gehören. Während dieser Einrichtungsphase kann der Benutzer des medizinischen Informatiksystems die Bilder einer Studie neu arrangieren, indem er die horizontale Reihenfolge neu organi siert. Während dieser Einrichtungsphase des Organisierens der medizinischen Bilder ist es nicht zwingend erforderlich, dass der höchste Informationsgehalt der Bilder angezeigt wird. Wenn eine erhöhte Netzwerkbandbreite erzielt wird, kann der Client-Computer in diesem Beispiel zusätzliche Transformationsdaten empfangen, um das Bild mit dem vollen Informationsgehalt anzuzeigen. Die Übertragung von komprimierten Daten in einem medizinischen Informatiksystem findet auch bei Schwenkvorgängen Anwendung. Bei dieser Anwendung ist die Anzeige von Bildern mit einem niedrigeren Informationsgehalt angemessen, da der Benutzer das Bild über die Computeranzeige bewegt oder schwenkt. Nachdem der Schwenkvorgang beendet ist, können zusätzliche Bildinformationen übertragen werden, damit der Benutzer den vollen Informationsgehalt des Bildes betrachten kann.
Die räumlich zugeordnete Transformation für die Zerlegungsfunktion kann im Allgemeinen definiert werden als ŴI = X,wobei Ŵ die Transformationsfunktion für eine Transformation definiert, die räumlich zugeordnete Koeffizienten erzeugt, I die Quellendaten (beispielsweise das Bild) darstellt und X die transformierten Daten (beispielsweise das transformierte Bild) darstellt.
Im Allgemeinen werden die Informationen in einer räumlichen Transformation so zusammengefasst, dass die Vorhersagbarkeit der Geometrie des Quellenbildes erhalten bleibt. Beispielsweise können mit Hilfe einer Wavelet- oder Teilbandtransformation bestimmte Koeffizienten der Transformationsdaten gekennzeichnet werden, die zu bestimmten geometrischen Merkmalen des Quellenbildes beitragen (d.h. ein vorher festgelegter Teil eines Quellenbildes kann direkt in den Transformationsdaten gekennzeichnet werden).
Der Einsatz der Wavelet-Transformation zur Erzeugung der pyramidenförmigen Datenstruktur liefert eine skalierbare Lösung für den Transfer verschiedener Teile einer großen Datendatei. Wenn das Quellenbild 110 in die pyramidenförmige Datenstruktur 130 zerlegt wird, werden Teilbilder und Teilauflösungsbilder direkt aus dem Speicher des Bildservers zur wahlweisen Quantisierung und Kompression extrahiert. Der Bildserver überträgt dann lediglich die komprimierten Daten (beispielsweise für Anwendungen mit geringer Bandbreite) oder komprimierte Daten in Form von physikalischen Koeffizienten, die für die Rekonstruktion der genauen Größe des gewünschten Bildes zur Anzeige beim Client erforderlich sind. Dementsprechend ist das Format mit mehrfacher Auflösung in der pyra midenförmigen Datenstruktur enthalten. Eine weitere Beschreibung der Transformationsfunktion ist nachfolgend zu finden.
Nachdem die Quellendaten in die pyramidenförmige(n) Datendarstellungen) transformiert wurden, können die transformierten Daten quantisiert und komprimiert werden. Bei einem Ausführungsbeispiel werden die Koeffizienten für einen Datenblock zum Komprimieren der Transformationsdaten durch einen ganzzahligen Wert quantisiert. Bei einem Ausführungsbeispiel wird ein Block mit Koeffizienten durch Quantisierungsbinbreiten Q_i quantisiert. Es existiert eine Quantisierungsbinbreite pro Koeffizientenblock. Im Allgemeinen kann dieser Vorgang folgendermaßen ausgedrückt werden: Q ^ŴI = Q ^R,wobei R einen Block mit Koeffizienten in den transformierten Daten und Q ^ die quantisierte Funktion darstellt. Für diesen Ausdruck kann die quantisierte Funktion beim Einsatz einer Abrundung gegen Null wie folgt ausgedrückt werden:
Wenn (R > 0), dann
sonst (d.h. wenn R < 0)
wobei Q eine Ganzzahl ist und die Resultante durchweg abgerundet wird (d.h. entweder gegen oder weg von Null), so dass R_Q ein Vielfaches der Quantisierungsbinbreite Q ist. Bei einem Ausführungsbeispiel wird die Resultante gegen Null abgerundet.
Bei einem Ausführungsbeispiel werden die Koeffizienten gemäß der entsprechenden Ebene der Zerlegung quantisiert. Somit existiert für dieses Ausführungsbeispiel eine Quantisierungsbinbreite Q für jede Ebene. Für dieses Ausführungsbeispiel können die Quantisierungswerte folgendermaßen quantisiert werden:

wobei „L" und „Ebene" die Ebene der Zerlegung für das Beispiel der Ebene „N" und Q1, Q2, Q3 und QN Quantisierungsbinbreiten für die entsprechenden Ebenen darstellen. Der obige Ausdruck stellt zwar eine Quantisierung basierend auf Ebenen der Zerlegung dar, es kann jedoch jegliche Kombination von verschiedenen Quantisierungswerten zur Quantisierung einer Menge von Koeffizienten verwendet werden, ohne dass vom Wesen oder Rahmen der Erfindung abgewichen würde.
Bei einem weiteren Ausführungsbeispiel werden lediglich die Hochpasskoeffizienten der Zerlegungstransformation quantisiert. Wenn beispielsweise die Koeffizientenblöcke für eine Ebene der pyramidenförmigen Datendarstellung mit LL (Low Low), LH (Low High), HL (High Low) und HH (High High) bezeichnet werden (siehe die 8a und 8b), sind die Hochpasskoeffizienten LH (Low High), HL (High Low) und HH (High High). Bei diesem Ausführungsbeispiel werden die Koeffizienten LL (Low Low) nicht quantisiert oder komprimiert. Bei anderen Ausführungsbeispielen werden die Koeffizienten LL (Low Low) quantisiert und komprimiert. Bei dem Ausführungsbeispiel, bei dem Koeffizienten basierend auf der Ebene der Zerlegung quantisiert werden, können außerdem die Hochpasskoeffizienten folgendermaßen in einem quantisierten Koeffizientenblock zusammengefasst werden:
Infolgedessen werden in diesem Beispiel die Hochenergiekomponenten für jeden Koeffizientenblock der Transformation für die Kompressionsverarbeitung quantisiert. In dem obigen Beispiel werden zwar die Komponenten der Transformation quantisiert, es kann jedoch jeglicher Block mit Transformationsdaten zur anschließenden Komprimierung quantisiert werden. Bei einem Ausführungsbeispiel basieren die quantisierten Koeffizientenblöcke auf Client-Anforderungen für komprimierte Transformationsdaten. Wie nachfolgend ausführli cher beschrieben, wird die Menge der in einem komprimierten Koeffizienten zusammengefassten Informationen durch den Wert der Quantisierungsbinbreite Q definiert.
Der quantisierte Koeffizientenblock R^Q wird komprimiert, um den Übertragungskoeffizientenblock gemäß dem Ausdruck RT = ÊRQ zu erzeugen, wobei Ê den Kompressionsausdruck und R^T den komprimierten Koeffizientenblock für die Übertragung definiert. Im Allgemeinen umfasst die Kompressionsfunktion Ê einen verlustfreien Codierer. Es kann jegliche Codierregel für die Kompressionsfunktion Ê verwendet werden, ohne dass vom Wesen oder Rahmen der Erfindung abgewichen würde. Die Kompressionsfunktion Ê kann beispielsweise mit einer Rice-Codierfunktion ohne Lauflängencodierung, einer Huffman-Codierung mit Lauflängencodierung, einer arithmetischen Codierung usw. implementiert werden. Bei einem Ausführungsbeispiel werden die nicht quantisierten Daten (beispielsweise die LL- (Low Low) Komponente einer Ebene) mit Hilfe eines Rice-Codierers codiert und die quantisierten Daten, die typischerweise Läufe mit Nullen enthalten, mit Hilfe eines arithmetischen Codierers codiert.
Der komprimierte Koeffizientenblock R^T wird zum Client übertragen. Beim Client werden die umgekehrten Quantisierungs- und Decodierungsfunktionen ausgeführt. Dieser Vorgang kann folgendermaßen ausgedruckt werden: R = Q ^–1Ê–1RT.
Die umgekehrte Transformation Ŵ^–1 wird an den Koeffizienten R durchgeführt, um die ursprünglichen komprimierten Daten zu erzeugen.
Ausführungsbeispiele der Kompression
2 zeigt ein Blockschaltbild, das ein Ausführungsbeispiel zum Verarbeiten von Quellendaten darstellt. Bei diesem Ausführungsbeispiel werden Quellendaten zur Verteilung an eine Vielzahl von Clients (d.h. die Clients 150, 160 und 170) verarbeitet. Bei einem Ausführungsbeispiel umfassen die Quellendaten 110 (ein) Quellenbild(er). Wenn die Quellendaten 110 Bilder umfassen, werden die Quellenbilder 110 für die Verteilung über das Netzwerk 180 zur Anzeige auf den Client-Computern (150, 160 und 170) verarbeitet. Bei dem Ausführungsbeispiel aus 2 werden Quellendaten 110 der Zerlegungsverarbeitungseinheit 120 zugeführt. Im Allgemeinen führt die Zerlegungsverarbeitungseinheit 120 eine Wavelet-Transformation zur Erzeugung der pyramidenförmigen Da tendarstellungen 130 durch. Wie in 2 dargestellt hat ein Server 100 Zugriff auf die pyramidenförmigen Datendarstellungen 130. Bei einem bevorzugten Ausführungsbeispiel werden die Quellendaten „vorverarbeitet" und in der hierarchischen oder pyramidenförmigen Datendarstellung gespeichert. Der Server 100 hat außerdem Zugriff auf die Kompressionsmaschine 140. Bei einem Ausführungsbeispiel ist die Kompressionsmaschine 140 Software, die auf dem Server 100 läuft.
3 zeigt einen Ablaufplan, der ein Ausführungsbeispiel zum Implementieren des Serverprozesses einschließlich der Kompressionsverfahren darstellt. Der Prozess des Sendens von komprimierten Transformationsdaten vom Server zum Client wird durch eine Client-Anforderung initiiert (Block 300, 3). Die Kompressionsverfahren der vorliegenden Erfindung werden zwar in Zusammenhang mit einem Client-Anforderungsprozess und einem „zustandslosen" Server beschrieben, es kann jedoch jeglicher Prozess eingesetzt werden, der komprimierte Transformationsdaten nutzt, ohne dass vom Rahmen der Erfindung abgewichen würde. Die Client-Anforderung enthält Koeffizientenkoordinaten, die einen Block mit Transformationsdaten und mindestens einen Quantisierungswert („Q") kennzeichnen. Wenn der Client inkrementelle Daten zur Ergänzung von vorher von einem früheren Transfer empfangenen Daten anfordert, enthält die Client-Anforderung zwei Quantisierungswerte, die hier als „Q₀" und „Q₁” bezeichnet werden. Bei der Verwendung dieser Bezeichnungen betrifft Q₀ den Quantisierungswert von der früheren Anforderung und Q₁ den Quantisierungswert für die aktuelle Anforderung.
Basierend auf der Client-Anforderung extrahiert der Server einen Block mit Koeffizienten aus der pyramidenförmigen Datendarstellung (Block 310, 3). Wenn die Anforderung keine Anforderung für „inkrementelle" Koeffizienten war, berechnet der Server quantisierte Koeffizienten für den Wert „Q" (Blöcke 312 und 314, 3). Wie oben erläutert werden die Koeffizientenwerte durch den Quantisierungswert dividiert und auf einen ganzzahligen Wert gerundet (beispielsweise wenn nach unten gerundet wird, wird der Rest der Division ausgesondert). Wenn die Client-Anforderung für inkrementelle Koeffizienten bestimmt war, werden als Alternative quantisierte Koeffizienten sowohl für den Wert Q₀ als auch den Wert Q₁ berechnet (Blöcke 312 und 316, 3). In diesem Szenario enthalten die quantisierten Koeffizienten Q₁ mehr Informationen als die quantisierten Koeffizienten Q₀ (d.h. die Client-Anforderung war für mehr inkrementelle Daten bestimmt, um die frühere Anforderung zu ergänzen). Der Client gibt somit lediglich Anforderungen für Koeffizienten aus, wenn Q₁ < Q₀. Für diesen Vorgang werden die Koeffizientenwerte durch die Quantisierungswerte für sowohl Q₀ als auch Q₁ dividiert, auf einen ganzzahligen Wert gerundet und mit dem Quantisierungswert multipliziert. Zur Berechnung der inkrementellen Koeffizientenwerte werden die quantisierten Koeffizienten für Q₀ von den quantisierten Koeffizienten für Q₁ subtrahiert (Block 318, 3). Die in den Blöcken 316 und 318 der 3 dargestellten Vorgänge können folgendermaßen ausgedruckt werden:
wobei R' die inkrementellen oder restlichen quantisierten Koeffizienten darstellt. Der Koeffizientenblock wird dann mit Hilfe eines verlustfreien Codierers komprimiert (Block 320, 3).
Der komprimierte Block mit Transformationsdaten wird zum Client gesendet (Block 330, 3). Wie in 3 dargestellt wird der Prozess wiederholt (d.h. die Blöcke 310, 312, 314, 316, 318, 320 und 330 werden ausgeführt), wenn der Client zusätzliche Anforderungen für komprimierte Koeffizienten ausgibt. Wenn der Client-Computer beispielsweise ein Bild infolge einer ersten Anforderung mit einem hohen Quantisierungswert wiedergab und die Bildqualität schlecht war, kann der Client eine neue Anforderung für den gleichen Koeffizientenblock mit einem niedrigeren Quantisierungswert bis zur Verlustfreiheit erzeugen, um die Bildqualität zu verbessern. Für eine Anwendung, die die Integrität der Daten eines Bildes erfordert, werden die zusätzlichen Koeffizienten, die infolge der Komprimierung nicht gesendet wurden, gesendet, wenn mehr Netzwerkressourcen zur Verfügung stehen. Da das Kompressionsverfahren einen verlustfreien Codierer nutzt, kann der Restwert, der infolge der Quantisierung verloren ging, mit dem ursprünglichen komprimierten Block kombiniert werden, um alle dem entsprechenden Koeffizientenblock zugeordneten Daten zu erhalten.
4 zeigt ein Blockschaltbild, das ein Ausführungsbeispiel zum Implementieren von Prozessen für die Kompressionsverfahren auf einem Client darstellt. Im Allgemeinen implementiert der Client 400 eine Vielzahl von Prozessen, um Anforderungen für komprimierte Transformationsdaten vom Server 100 zu erzeugen. Der Client 400 implementiert auch eine Vielzahl von Prozessen, um komprimierte Transformationsdaten zu verarbeiten. Eine Client-Anwendung 460 ist eine zugrunde liegende Anwendung, die die Quellendaten nutzt. Die Client-Anwendung 460 kann beispielsweise Bildwiedergabesoftware umfassen, und die Quellendaten 110 können aus Bildern bestehen. Wie im Zusammenhang mit der Erläuterung von 7 beschrieben, kann die Client-Anwendung 460 auch ein medizinisches Informatiksystem umfassen, das eine Benutzerschnittstelle einschließt, die es einem Benutzer erlaubt, medizinische Bilder auszuwählen, zu organisieren, zu navigieren und zu analysieren. Die Client-Anwendung 460 erzeugt Anforderungen an die Koeffizientenblock-Anforderungsverarbeitung 420. Bei einem Ausführungsbeispiel für die Verteilung von Bildern erzeugt die Client-Anwendung 460 einen Satz mit Pixelkoordinaten, die einen Teil des Quellenbildes 110 mit einer spezifizierten Auflösung kennzeichnen. Die Koeffizientenblock-Anforderungsverarbeitung 420 bildet ihrerseits die Pixelkoordinaten mit einer spezifizierten Auflösung auf Koeffizientenkoordinaten ab. Die Koeffizientenkoordinaten kennzeichnen einen Block mit Koeffizienten in der pyramidenförmigen Datendarstellung 130.
Bei einem Ausführungsbeispiel wird eine Granularität der Koeffizientenblockgröße für Anforderungen definiert. Bei diesem Ausführungsbeispiel wird die Granularität der Koeffizientenblockgrößen so gewählt, dass ein effizientes Kopieren in den Cachespeicher beim Client implementiert wird. Im Besonderen wird der Client auf Koeffizientenblockanforderungen eingeschränkt, die Reihen und Spalten in einer Ebene der Bildzerlegung gemäß den folgenden Ausdrücken definieren: (n modulo d) = 0 (m modulo d) = 0wobei „n" die ganzzahlige Anzahl von Reihen in der Koeffizientenblockanforderung, „m" die ganzzahlige Anzahl von Spalten in der Koeffizientenblockanforderung und „d", eine Ganzzahl, den geringsten Grad der Granularität für die Anforderung definiert. Eine Implementierung zur Einschränkung der Granularität von Koeffizientenanforderungen wählt eine Blockgrößengranularität von 16 × 16 aus. Bei dieser Implementierung ist d in den obigen Ausdrücken gleich „16". Eine Beschreibung der Implementierung des Kopierens in den Cachespeicher beim Client mit einer Einschränkung der Granularität der Blockgrößen wird nachfolgend im Zusammenhang mit der Beschreibung von 6 gegeben.
Die Client-Anwendung 460 kann auch Kriterien für die Auswahl des Quantisierungswertes spezifizieren. Im Besonderen wählt eine Einheit 410 zum Auswählen des Wertes Q einen Wert Q für eine bestimmte Anforderung aus. Bei einem Ausführungsbeispiel werden die Quantisierungsbinbreiten so gewählt, dass sie die durch den Quantisierungsprozess bewirkte Verzerrung optimal minimieren und gleichzeitig die Datengeschwindigkeit minimieren. Es kann zwar jegliche Verteilung eingesetzt werden, die Wavelet-Transformation erzeugt jedoch Hochfrequenzkoeffizienten aus den meisten Bildern, die eine Laplace-Verteilung (beispielsweise p(x) = +λ / 2e^–λ|x|) aufweisen. Da die Transformation unitär ist, sind die Koeffizienten mathematisch unabhängig (d.h. es existieren keine redundanten Informationen in verschiedenen Koeffizienten). Bei einer Quantisierung sind die Grenzen d_i = v / Qi und die Wahrscheinlichkeit, in einem quantisierten Bin zu sein, ist:
Wenn die Rekonstruktion eines quantisierten Koeffizienten gewählt wird als:
(auch wenn jeglicher Punkt in dem Bin gewählt werden kann), beträgt die durch die Quantisierung bewirkte Verzerrung:
und die Verzerrung für einen Koeffizientenblock beträgt: DTi = ΣDi
Dann gilt für eine Menge von Blöcken: DT = ΣDTi
Zusätzlich beträgt die Bitrate: Ri = pi log(pi) (Logarithmus zur Basis 2)
In gleicher Weise ergibt bei Ausdrücken zur Rate RTi = ΣRi und RTotal = ΣRTi die Minimierung der Lagrangeschen Multiplikatorgleichung RTotal(Qi) + ξDTotal(Qi)einen optimalen Q_i.
Der Client 400 umfasst auch die Einheit 440 zur Koeffizientencacheverwaltung. Die Einheit 440 zur Koeffizientencacheverwaltung verfolgt die Koeffizienten, die beim Client in den Cachespeicher kopiert wurden, sowie ihre entsprechenden Quantisie rungswerte („Q"). Wie oben beschrieben wird die Koeffizientencacheverwaltung 440 dazu verwendet zu ermitteln, ob eine Client-Anforderung für neue Koeffizienten oder für inkrementelle Koeffizienten zum Erhöhen der beim Client in den Cachespeicher kopierten Koeffizienten vorliegt. Ein Ausführungsbeispiel zum Implementieren der Koeffizientencacheverwaltung 440 wird ausführlicher in Zusammenhang mit der Erläuterung von 6 beschrieben.
Wie in 4 dargestellt empfängt der Client 400 als Reaktion auf die Client-Anforderung komprimierte Transformationsdaten in der Dekompressionsmaschine 430. Die Dekompressionsmaschine 430 führt die Decodierfunktion für die entsprechende Codierfunktion der Kompressionsmaschine 140 (2) aus. Falls die Anforderung inkrementelle Koeffizienten betraf, berechnet die Einheit 435 zur inkrementellen Verarbeitung die Koeffizienten aus den angeforderten Koeffizienten und den in den Cachespeicher kopierten Koeffizienten gemäß dem Ausdruck: Rblock = Rinc + Rcache wobei R_block die in der Anforderung gekennzeichneten Koeffizienten, R_inc die vom Server übertragenen inkrementelle Koeffizienten und R_cache die im Client-Speicher durch Kopieren in den Cachespeicher vorliegenden Koeffizienten darstellt.
Die Koeffizienten entweder von der Dekompressionsmaschine 430 (ursprünglicher Koeffizientenblock) oder von der inkrementellen Verarbeitung 435 (inkrementeller Koeffizientenblock) werden in die Einheit 450 zur umgekehrten Transformationsverarbeitung eingegeben. Die Einheit 450 zur umgekehrten Transformationsverarbeitung führt zur Rekonstruktion der ursprünglichen Quellendaten die umgekehrte Transformation (d.h. umgekehrt zur Zerlegungsverarbeitung 120) aus. Wenn die Client-Anwendung 460 eine Bildgebung ist, rekonstruiert die umgekehrte Transformationsverarbeitung 450 Pixeldaten zur Anzeige auf einer Ausgabeanzeige des Client-Computers 400. Der Client aktualisiert bei Bedarf den Cachespeicher mit den Koeffizienten mit der höchsten Qualität.
5 zeigt einen Ablaufplan, der ein Ausführungsbeispiel zum Implementieren der Kompressionsverfahren in einem Client darstellt. Eine zugrunde liegende Client-Anwendung erzeugt Datenvoraussetzungen zum Anfordern von Quellendaten. Für die Anwendung der Bildgebung erzeugt die Client-Anwendung Pixelkoordinaten mit einer gewünschten Auflösung (Block 500, 5). Aus den Pixelkoordinaten werden Koeffizientenkoordinaten erzeugt, die einen Teil des Quellenbildes auf einer spezifizierten Ebene der Zerlegung kennzeichnen (Block 510, 5). Der Client wählt außerdem einen Quantisie rungswert für den entsprechenden Koeffizientenblock aus (Block 520, 5). Wenn Daten für den entsprechenden Koeffizientenblock nicht in den Cachespeicher kopiert werden, erzeugt der Client eine Anforderung mit Koeffizientenkoordinaten und dem Quantisierungswert Q, der für den Koeffizientenblock ausgewählt wurde (Blöcke 530 und 540, 5). Der Client erzeugt den angeforderten Koeffizientenblock durch Dekomprimieren der empfangenen Koeffizienten, Benutzen des umgekehrten Decodierers für den verlustfreien Codierer und Multiplizieren der resultierenden Koeffizienten mit dem Quantisierungswert (Block 545, 5). Als Alternative ermittelt der Client, wenn Daten für den Koeffizientenblock in den Cachespeicher kopiert werden, ob der angeforderte Quantisierungsbinwert Q₁ kleiner als der Quantisierungsbinwert Q₀ für die in den Cachespeicher kopierten Daten ist (Block 535, 5). Ist Q₁ größer als Q₀, enthalten die in den Cachespeicher kopierten Daten mehr Informationen als die angeforderten Daten. In diesem Szenario nutzt der Client die in den Cachespeicher kopierten Daten (Block 550, 5).
Wenn Q₁ kleiner als Q₀ ist, enthalten die in den Cachespeicher kopierten Daten weniger Informationen als die angeforderten Daten. Es wird dann eine Client-Anforderung mit den Koeffizientenkoordinaten sowie beiden Quantisierungswerten Q₀ und Q₁ erzeugt (Block 560, 5). Wie oben im Zusammenhang mit 3 erläutert überträgt der Server „inkrementelle" Daten, die die Daten darstellen, die zur Bildung eines Koeffizientenblockes mit Q₁ aus dem Koeffizientenblock mit Q₀ notwendig sind. Zu diesem Zweck empfängt der Client die inkrementellen Koeffizienten vom Server, dekomprimiert die inkrementellen Koeffizienten mit Hilfe des umgekehrten Decodierers für den verlustfreien Codierer (d.h. die umgekehrte Funktion der Kompressionsmaschine 140) und summiert die in den Cachespeicher kopierten Koeffizienten mit den inkrementellen Koeffizienten, um die angeforderten Koeffizienten zu erhalten (Block 570, 5). Zusätzlich kopiert der Client die angeforderten Koeffizienten zusammen mit dem Quantisierungswert Q₁ in den Cachespeicher (Block 572, 5).
Der Client-Server-Prozess ist ein rekursiver Prozess, so dass der Client zur Rekonstruktion eines Bildes auf einer gewünschten höheren Ebene Koeffizienten von allen niedrigeren Ebenen zusammenfasst. Der Client spezifiziert in der Anforderung lediglich die erforderlichen Koeffizienten. Der Client kann beispielsweise für einen Teil eines Quellenbildes alle erforderlichen Koeffizienten von der Ebene 1 in den Cachespeicher kopieren. Zur Rekonstruktion eines Teils des Bildes mit einer Auflösung, die der Ebene 2 entspricht, erzeugt der Client eine Anforderung für die Koeffizienten der Ebene 2 und fasst die vorher gespeicherten Koeffizienten der Ebene 1 mit den Koeffizienten der Ebene 2 zusammen, um den Teil des Quellenbildes zu rekonstruieren. Für die Ausführungsbeispiele aus den 4 und 5 fassen die Clients die angeforderten Koeffizienten in dem Koeffizientenblock zusammen (Block 574, 5). Aus dem Koeffizientenblock werden die Quellendaten aus den Koeffizientenkoordinaten rekonstruiert (Block 580, 5). Bei der Bildgebung wird das angeforderte Bild aus den Koeffizienten zur Anzeige beim Client rekonstruiert.
6 zeigt ein Blockschaltbild, das ein Ausführungsbeispiel für die Verfolgung von Koeffizienten darstellt, die beim Client in den Cachespeicher kopiert wurden. Wie oben erläutert kann der Client quantisierte Koeffizientenblöcke für die anschließende Nutzung in den Cachespeicher kopieren. Die in 6 dargestellten Koeffizientenblöcke sind logisch in Ebenen angeordnet, die den Ebenen der Zerlegung in der pyramidenförmigen Datendarstellung (d.h. den Ebenen 1 bis „k") entsprechen. Im Besonderen bezeichnet in dem Beispiel aus 6 der Block 610 Koeffizienten, die für die Zerlegungsebene „k" in den Cachespeicher kopiert wurden, und der Block 620 bezeichnet Koeffizienten, die für die Zerlegungsebene „1" in den Cachespeicher kopiert wurden. Die Blöcke 610 und 620 weisen logisch für die entsprechende Ebene „dm" Spalten und „dn" Reihen mit Koeffizienten auf. Wie oben erläutert ist der ganzzahlige Wert „d" eine Mindestgranularität für in den Cachespeicher kopierte Blockgrößen (beispielsweise d = 16), und die Ganzzahlen „n" und „m" spezifizieren bei Multiplikation mit „d" die Reihen- bzw. Spaltenkoeffizientenkoordinaten.
Im Allgemeinen speichert der Client Informationen, um Koeffizientenblöcke, die beim Client in den Cachespeicher kopiert wurden, zu verfolgen. Bei dem Beispiel aus 6 verfolgt die Ebene „k", in 6 mit 610 bezeichnet, Informationen für drei Blöcke mit Koeffizienten (beispielsweise die Blöcke 1, 2 und 3), und die Ebene 1, in 6 mit 620 bezeichnet, verfolgt Informationen für drei Blöcke mit Koeffizienten (beispielsweise die Blöcke 1, 2 und 3). Jeder Koeffizientenblock wird verfolgt, indem seine entsprechenden Koordinaten verwendet werden. Beispielsweise enthält der Block 1 die Koeffizientenkoordinaten (d1, d2) (d4, d5), die die Reihe und Spalte der oberen linken Ecke und die Reihe und Spalte der unteren rechten Ecke des Blockes definieren. Zusätzlich zur Verfolgung der Koeffizientenkoordinaten für Koeffizientenblöcke, die beim Client in den Cachespeicher kopiert wurden, verfolgt der Client den Quantisierungswert für den Block. Bei dem Beispiel der Ebene 1 hat der Block 1 einen Wert Q von 8, der Block 2 einen Wert Q von 4 und der Block 3 einen Wert Q von 4.
Bei einem Ausführungsbeispiel fordert der Client iterativ Koeffizientenblöcke an. Bei diesem Ausführungsbeispiel fordert der Client neue Koeffizientenblöcke (d.h. Koeffizientenblöcke, bei denen keine Informationen im Cachespeicher vorhanden sind) in von den Client-Anforderungen für restliche oder inkrementelle Koeffizientenblöcke (d.h. Koeffizientenblöcke mit Informationen, die in den Cachespeicher kopiert wurden) getrennten Anforderungen an. Die getrennten Client-Anforderungen erlauben eine effiziente Speichernutzung.
Bei einem Ausführungsbeispiel implementiert der Client eine effiziente Cache-Overhead-Struktur, um die Koeffizienten zu verfolgen, die in den Cachespeicher kopiert wurden. Zur Verfolgung von in den Cachespeicher kopierten Koeffizientenblöcken speichert der Client einen Zeiger auf den Beginn des Blocks, die Blockgröße (beispielsweise Reihen und Spalten) und den entsprechenden Quantisierungswert. Die Cache-Overhead-Struktur wird dazu verwendet, Koeffizienten zu ermitteln, die für die anschließende Nutzung in den Cachespeicher kopiert wurden (siehe die Blöcke 535, 530 und 574 in 5).
Beispiel einer Kompression
Das folgende Beispiel verdeutlicht ein Ausführungsbeispiel zum Implementieren einer Kompression mit einer räumlich zugeordneten Transformation von Daten. Bei diesem Beispiel sieht die Client-Anforderung folgendermaßen aus: [(L = 1), (X0, Y0), (4n, 4m)]wobei L die Ebene in der Transformation definiert, X₀ und Y₀ die Reihen- bzw. Spaltenkoordinaten des Startpunktes des Blocks (beispielsweise die obere linke Koordinate des Blocks) und die Ganzzahlen „n" und „m" die Anzahl von Reihen bzw. Spalten in einem Block multipliziert mit Vier darstellen. In diesem Beispiel beträgt die Mindestgranularität für eine Blockanforderung 4 × 4.
Die beispielhafte Client-Anforderung besteht aus einem 4 × 4 Block mit Koeffizientenkoordinaten (d.h. der Mindestblockanforderungsgröße für dieses Beispiel). Im Besonderen besteht bei einer beispielhaften hierarchischen Darstellung „A" auf der spezifizierten Ebene und bei den Blockkoordinaten [(X₀, Y₀), (4, 4)] der beispielhafte angeforderte Block aus den folgenden Koeffizientenkoordinaten:
Der Client fordert auch den oben gekennzeichneten Block mit einer Binbreite von „8" an. Aus dieser Anforderung erzeugt der Server durch Runden der Koeffizienten gegen Null den folgenden Block:
Der Server komprimiert den Block mit Koeffizientenkoordinaten A₈ verlustfrei und überträgt den Block mit Koeffizientenkoordinaten A₈ zum Client. Beim Client werden die Koeffizientenkoordinaten A₈ dekomprimiert (d.h. E^–1A = A) und mit dem Quantisierungswert (beispielsweise Q = 8) multipliziert. Die Pixel werden aus den Koeffizienten rekonstruiert und anschließend angezeigt. Am Client entscheidet der Benutzer eventuell, dass die Datenauflösungsqualität zu schlecht für den vom Benutzer geplanten Zweck ist. Der Benutzer betrachtet beispielsweise eventuell ein medizinisches Bild und möchte mehr Details des medizinischen Bildes in dem angeforderten Block ansehen. Um zusätzliche Informationen zu erhalten und gleichzeitig immer noch die Kompression zu nutzen, erzeugt der Client eine neue Anforderung, die einen neuen Wert „Q" enthält. In diesem Beispiel spezifiziert die neue Anforderung den gleichen Block mit Daten (d.h. [L = 1, (X₀, Y₀), (4, 4)]), jedoch mit einer Quantisierungsbinbreite mit höherer Qualität „4". Da der Client bereits die Koeffizienten von dem quantisierten Block A₈ hat, benötigt er lediglich die inkrementellen Koeffizienten, die für die Rekonstruktion des neuen Blockes A₄ erforderlich sind. Zu diesem Zweck enthält die Client-Anforderung zwei Quantisierungswerte Q₀ und Q₁ (Q₀ = 8 und Q₁ = 4).
Als Reaktion auf die neue Anforderung erhält der Server die durch die neue Anforderung definierten Koeffizientenkoordinaten (d.h. [L = 1, (X₀, Y₀), (4, 4)]) und konstruiert einen neuen quantisierten Block A_4,8, der lediglich die inkrementellen Koeffizienten enthält. Der Server erzeugt einen Block mit Koeffizienten gemäß der Beziehung: A8·8 – A4·4 = A4,8
Im Besonderen berechnet der Server die Koeffizienten für A₄ wie folgt:
Der Server multipliziert außerdem den Bock folgendermaßen mit 4, um A₄·4 zu erhalten:
Der Server berechnet ferner wie folgt A₈ aus dem Koeffizientenblock:
Um die Differenz zwischen den Koeffizienten A₄·4 und A₈·8 (d.h. A₄ _, ₈) zu erhalten, führt der Server die folgende Operation aus:
Der Server überträgt als Reaktion auf die neue Client-Anforderung die Koeffizienten A_4,8.
Der Client empfängt die Koeffizienten A_4,8 und berechnet A₄ aus den Koeffizienten A_4,8 und den Koeffizienten A₈ (d.h. A₄ = A_4,8 + A₈). Im Besonderen ruft der Client vom Cachespeicher A₈ ab:
und berechnet dann wie folgt A₄:
Danach wird A₄ im Cachespeicher beim Client gespeichert.
Anwendung der medizinischen Bildgebung
7 zeigt ein Blockschaltbild, das ein Ausführungsbeispiel für den Einsatz der Kompressionsverfahren in einer Anwendung der medizinischen Bildgebung darstellt. Bei diesem Ausführungsbeispiel umfasst ein medizinisches Bildgebungssystem als Option die Bildgebungsvorrichtung 700 zum Erzeugen von medizinischen Bildern 720 zur wahlweisen Speicherung in elektronischer Form in einem Bildarchiv 710. Das Bildarchiv 710 enthält elektronische Speicherkomponenten wie Festplattenlaufwerke und Bandlaufwerke, die dazu verwendet werden, die Bilder mit hoher Zuverlässigkeit zu speichern. Die Bilder werden in einem geeigneten Archivformat wie dem DICOM-Format gespeichert. Bei einem Ausführungsbeispiel werden die DICOM-Daten nach der Zerlegung in die pyramidenförmige Datenstruktur 130 zurückgehalten und zusätzliche Informationen, die für das Bildübertragungssystem spezifisch sind, hinzugefügt. Die Bildgebungsvorrichtung 700 umfasst jegliche Art von Vorrichtung zum Erzeugen von Bildern, einschließlich medizinischer Vorrichtungen (beispielsweise Röntgengeräte, CT-Scanner und MR-Scanner).
Bei diesem Ausführungsbeispiel umfasst das medizinische Bildgebungssystem mindestens einen Bildserver 730. Wie in 7 dargestellt ist der Bildserver 730 mit einer Vielzahl von Clients 740, 750 und 760 verbunden. Die medizinischen Bilder 720 werden durch die Zerlegungsverarbeitungseinheit 120 verarbeitet, um eine pyramidenförmige Datenstruktur 130 zu erzeugen.
Überblick über die Transformation:
Im Allgemeinen umfasst die pyramidenförmige Datenstruktur 130 eine hierarchische Darstellung des Quellenbildes. Jede Ebene der hierarchischen Darstellung reicht aus, um das Quellenbild mit einer gegebenen Auflösung zu rekonstruieren. Bei einem Ausführungsbeispiel nutzt die Zerlegungsverarbeitungseinheit 120 eine Teilbandzerlegung, um die hierarchische Darstellung zu erzeugen. Im Allgemeinen besteht die Teilbandzerlegung aus der Ausführung eines Prozesses zum Trennen von „Hochpass"-Informationen von „Tiefpass"-Informationen. Bei der Ausführungsform mit Teilbandzerlegung umfasst die Zerlegungsverarbeitung 120 einen FIR-Filter (Finite Impulse Response).
Bei der Ausführungsform der Wavelet-Transformationsfunktion werden mathematisch unabhängige Informationen zwischen den Ebenen der hierarchischen Darstellung erzeugt. Dementsprechend existieren in der pyramidenförmigen Datenstruktur 130 keine redundanten Informationen. Somit ist die pyramidenförmige Datenstruktur 130 nicht nur eine mehrfache Replikation des Quellenbildes mit untersehiedlichen Auflösungen, die aus redundanten Informationen besteht, sondern enthält eindeutige Daten auf den verschiedenen Ebenen der hierarchischen Darstellung. Die mathematische Unabhängigkeit der Wavelet-Transformation erlaubt die Minimierung der über ein Netzwerk übertragenen Datenmenge, wobei lediglich „zusätzliche Daten" übertragen werden, die noch nicht vom Server zum Computer übertragen wurden und zum Konstruieren eines gegebenen Bildes benötigt werden. Die Wavelet-Transformationen sind insofern verlustfrei, als keine Daten vom ursprünglichen Quellenbild bei der Zerlegung in die pyramidenförmige Datenstruktur 130 verloren gehen. Dementsprechend findet die Transformation in der medizinischen Bildgebung Anwendung.
Bei einem Ausführungsbeispiel werden in der Wavelet-Transformation (d.h. der Zerlegungsverarbeitung 125) Festkommakerne verwendet. Die Verwendung von Festkommakernen erzeugt Koeffizienten für die pyramidenförmige Datenstruktur, die eine einfache Implementierung in einem Standard-Pixelfußabdruck erlauben. Die in einem Ausführungsbeispiel verwendete Wavelet-Transformation ist eine räumliche Transformation, die einen Dynamikbereich der LL-Komponente erzeugt, der dem Dynamikbereich des Quel lenbildes entspricht. Aufgrund dieses Merkmals enthält die LL-Komponente keine Ü-berschwingungs- oder Unterschwingungskomponenten. Infolgedessen wird die Verwendung dieses Festkommakerns bevorzugt, da kein Normalisierungsprozess zur Umwandlung des transformierten Dynamikbereichs in den Pixel-Dynamikbereich erforderlich ist.
Bei einem Ausführungsbeispiel nutzt das medizinische Bildgebungssystem 700 direkt die Transformationskoeffizienten als Pixel, ohne die Koeffizienten erneut zu skalieren. Das Spektrum der Hochpasskomponenten (d.h. LH-, HL- und HH-Komponenten) ist das Spektrum der eingegebenen Quellendaten plus bis zu vier Bits pro Koeffizient (beispielsweise 2 Bits). Dieses Merkmal erlaubt die Abbildung aller Komponenten (d.h. der Hoch- und Tiefpasskomponenten) auf einen gegebenen Pixelfußabdruck.
Bei anderen Ausführungsbeispielen kann die Wavelet-Transformation dazu verwendet werden, Multispektral-Transformationsdaten zu erzeugen. Im Allgemeinen fassen Multispektral-Transformationsdaten mehrere Komponenten des Quellenbildes in einem Vektor für die Transformationsdaten zusammen. Durch die Verwendung von Multispektral-Transformationsdaten kann die Wavelet-Transformation mehrdimensionale (beispielsweise zweidimensionale, dreidimensionale usw.) Daten für ein Quellenbild zusammenfassen. So können beispielsweise mehrdimensionale Transformationsdaten für die Rekonstruktion eines Quellenbildes in drei Dimensionen verwendet werden. Die Multispektral-Transformationen können auch jegliche Art von Attribut zum Anbinden an das Quellenbild wie Farbvariationen und/oder nicht sichtbare Komponenten (beispielsweise Infrarotkomponenten) umfassen.
Im Allgemeinen wird die Transformation zur Erzeugung der pyramidenförmigen Datenstruktur 130 entlang den Spalten angewendet, und dann wird diese Transformation oder eine andere Transformation entlang den Reihen (d.h. oder umgekehrt) angewendet. Die Auswahl der Transformation für die Zerlegungsverarbeitung 120 hängt von den speziellen Merkmalen der gewünschten pyramidenförmigen Datenstruktur ab. Jede Ebene der pyramidenförmigen Datenstruktur wird durch die Rekursion beim Tiefpass LL der vorherigen höheren Ebene erzeugt. Diese Rekursion wird fortgesetzt, bis eine vorher festgelegte Größe erreicht ist. Bei einem Ausführungsbeispiel besteht beispielsweise die niedrigste Ebene in der pyramidenförmigen Datenstruktur für ein Quellenbild aus einer Tiefpasskomponente von ungefähr 128 × 128. Es kann jedoch jegliche Auflösungsgranularität für die Verwendung in einer pyramidenförmigen Datenstruktur erzeugt werden, ohne dass vom Wesen oder Rahmen der Erfindung abgewichen würde. Auch kann jeglicher Quadrant in dem Rekursionsprozess mit jeglicher gewünschten Transformation verwendet werden.
8a zeigt ein Beispiel für eine pyramidenförmige Datenstruktur. Für dieses Beispiel umfasst das Quellenbild ein Bild mit 4K × 4K. Die Zerlegungsverarbeitungseinheit 120 erzeugt in einer ersten Iteration eine Mallat-Struktur der Ebene Eins. Im Besonderen wird, wie in 8a dargestellt, eine Tiefpasskomponente LL erzeugt, die aus einem Teilbild mit 2K × 2K besteht. Das 2K × 2K-Teilbild ist in 8a mit 305 bezeichnet. Die Hochpasskomponenten bestehend aus LH, HH und HL enthalten physikalische Koeffizientenkoordinaten (beispielsweise ist die obere rechte Koordinate für das Rechteck, das die LH-Komponente darstellt, (4K, 0)).
8a zeigt auch eine Zerlegung der zweiten Ebene. Die zweite Iteration der Zerlegungsverarbeitungseinheit 120 bearbeitet die Tiefpasskomponente LL der Daten der Ebene Eins. Für die zweite Ebene besteht die Tiefpasskomponente LL aus einem Teilbild mit 1K × 1K, wie es in 8a bezeichnet ist. 8b zeigt die Zerlegungen der Ebenen Drei und Vier für das 4K × 4K-Quellenbild aus 8a. Zur Erzeugung der Zerlegung der dritten Ebene bearbeitet die Zerlegungsverarbeitungseinheit 120 die LL-Komponente der Ebene Zwei (d.h. an dem 1K × 1K-Bild). Für die Transformation der Ebene Drei ist die Tiefpasskomponente LL ein Teilbild mit 512×512 Pixeln, wie es in 8a bezeichnet ist. 8b zeigt auch eine Zerlegung der vierten Ebene für das 4K × 4K-Quellenbild. Für die Transformation der Ebene Vier umfasst die Tiefpasskomponente ein Teilbild mit 256×256 Pixeln.
Bei einem Ausführungsbeispiel wird der verwendete Wavelet-Kern abgeleitet von D. LeGall und A. Tabatabai (siehe „Sub-band coding of digital images using symmetric short kernel filters and arithmetic coding techniques", erschienen 1988 in IEEE International Conference an Acoustics, Speech and Signal Processing, New York, NY, auf den Seiten 761–765). Es könnte jedoch jeglicher Teilbandkern oder jegliche Pyramidentransformation innerhalb der von der dynamischen Transfersyntax beschriebenen Infrastruktur eingesetzt werden, ein ganzzahliger Kern ohne Koeffizientenwachstum im Tiefpassterm hat jedoch besondere Vorteile insofern, als die Tiefpasskomponenten ohne Verarbeitung als Pixel verwendet werden können und die Transformation im ganzzahligen Bereich genau umgekehrt werden kann. Gleitkommakerne können zwar bessere Signaltransfermerkmale aufweisen, die zusätzliche für die Verwendung dieser Koeffizienten als Pixel erforderliche Verarbeitung und der Bedarf an zusätzlicher Speicherung zur Sicherstellung einer perfekten Rekonstruktion bedeuten jedoch einen Nachteil.
Der Kern besteht aus einem Tiefpass- und einem biorthogonalen Hochpassfilter. Wenn die Eingangsdaten als {d_j} definiert werden und [x] als Ganzzahlfunktion definiert wird, lautet die Vorwärtstransformation: Low[j] = [(d2j + d2j+1)/2] High[2] = d2j – d2j+1 + Poly[j] Poly[j] = [(3·Low[j – 2] – 22·Low[j – 1] + 22·Low[j + 1] – 3·Low[j + 2] + 32/64]
Die umgekehrte, zur Rekonstruktion des Bildes verwendete Transformation lautet: d2j = Low[j] + [(High[j] – Poly[j] + 1)/2] d2j+1 = Low[j] – [(High[j] – Poly[j])/2]
Eine ausführlichere Beschreibung der räumlichen Transformation ist in der provisorischen US-amerikanischen Patentanmeldung mit dem Titel "Flexible Representation and Interactive Image Data Delivery Protocol", Seriennummer 60/091.697, von den Erfindern Paul Joseph Chang und Carlos Bentancourt eingereicht am 3. Juli 1998, und der US-amerikanischen Patentmeldung mit dem Titel „Methods and Apparatus for Dynamic Transfer of Image Data", Seriennummer 09/339.077, von den Erfindern Paul Joseph Chang und Carlos Betancourt eingereicht am 23. Juni 1999, enthalten.

1

110: Quellendaten
130: Pyramidenförmige Datendarstellung(en)
140: Kompressionsmaschine [Koeffizientenkoordinaten (Block A), Q-Wert(e)] [Komprimierte Transformationsdaten (Block A)]
160: Client

3

: Start
: Nein
: Ja
300: Anforderung mit Koeffizientenkoordinaten und Q-Wert(en) erhalten?
310: Angeforderte(n) Koeffizient(en) aus pyramidenförmiger Datendarstellung extrahieren
312: Anforderung für inkrementelle Koeffizienten?
314: Koeffizienten für Wert Q₀ berechnen
316: Koeffizienten für Wert Q₁ und Wert Q₀ berechnen
318: Differenz zwischen Koeffizienten Q₁ und Koeffizienten Wert Q₀ als Koeffizientenblock berechnen
320: Koeffizientenblock komprimieren
330: Komprimierten Koeffizientenblock zum Client übertragen
340: Zusätzliche Anforderung für Koeffizienten?
: Ende

2

110: Quellendaten
120: Zerlegungsverarbeitung
130: Pyramidenförmige Datendarstellung(en)
100: Server
140: Kompressionsmaschine
180: Netzwerk
160: Client

4

100: Server
180: Netzwerk [Koeffizientenkoordinaten, Q-Wert] Komprimierte Transformationsdaten
410: Q-Wertauswahl
420: Verarbeitung Koeffizientenblockanforderung
430: Dekompressionsmaschine
435: Inkrementelle Verarbeitung In den Cachespeicher kopierte Koeffizienten Zum Cachespeicher
440: Koeffizientencachespeicherverwaltung
450: Umgekehrte Transformationsverarbeitung Pixelkoordinaten Pixeldaten
460: Client-Anwendung

5

: Start
500: Client-Anwendung erzeugt Pixelkoordinaten mit gewünschter Auflösung
510: Anforderung für Koeffizientenkoordinaten aus Pixelkoordinaten und gewünschter Auflösung erzeugen
520: Quantisierungswert(e) für Kompression auswählen
530: Koeffizientenblock in Cachespeicher kopiert?
535: Angeforderter Q₁ < in Cachespeicher kopierter Q₀
550: In Cachespeicher kopierte Koeffizienten auswählen
540: Client-Anforderung mit Koeffizientenkoordinaten und Quantisierungsbin Q₀ erzeugen
545: Angeforderte Koeffizienten erzeugen
560: Client-Anforderung mit Koeffizientenkoordinaten und Quantisierungsbins Q₀ und Q₁ senden
570: Angeforderte Koeffizienten aus in Cachespeicher kopierten Koeffizienten und inkrementellen Koeffizienten erzeugen
572: Angeforderte Koeffizienten als Q₁ erneut in Cachespeicher kopieren
574: Angeforderte Koeffizienten in Koeffizientenblock zusammenfassen
580: Bild aus Koeffizientenblock rekonstruieren
590: Bild anzeigen
: Ende

7

700: Bildgebungsvorrichtung
710: Bildarchiv
720: Medizinische(s) Bild(er)
130: Pyramidenförmige Datenstruktur
120: Zerlegungsverarbeitung
140: Kompressionsmaschine
180: Netzwerk
740: Client

8a und b

: Level Ebene

Claims

Verfahren zum Übertragen von Quellendaten von einem Server zu einem Client, wobei das genannte Verfahren folgende Schritte umfasst: – Erzeugen von Transformationsdaten, die räumlich zugeordnete Koeffizienten umfassen, aus den genannten Quellendaten, so dass ein Block mit Koeffizienten die Rekonstruktion von Teilen der genannten Quellendaten erlaubt, die gekennzeichnet werden können, – Erzeugen einer Anforderung für mindestens einen Teil der genannten Quellendaten im Client, wobei die genannte Anforderung einen Block mit den genannten Koeffizienten und mindestens einen Quantisierungswert definiert, – Übertragen der genannten Anforderung von dem genannten Client zu einem Server, – Extrahieren der durch die genannte Anforderung definierten Transformationsdaten in dem genannten Server, – Komprimieren der genannten Transformationsdaten gemäß dem genannten mindestens einen Quantisierungswert zum Erzeugen von komprimierten Daten, – Übertragen der genannten komprimierten Daten von dem genannten Server zu dem genannten Client, – Dekomprimieren der genannten komprimierten Daten in dem genannten Client zum Erzeugen von quantisierten Daten, – Dequantisieren der genannten quantisierten Daten zum Erzeugen von Transformationsdaten und – Rekonstruieren der genannten Quellendaten aus den genannten Transformationsdaten in dem genannten Client.
Verfahren nach Anspruch 1, das ferner folgende Schritte umfasst: – Erzeugen einer zweiten Anforderung für den genannten Block mit Koeffizienten in dem genannten Client, wobei die genannte zweite Anforderung einen ersten Quantisierungswert aus der genannten ersten Anforderung und einen zweiten Quantisierungswert für den genannten Block mit Koeffizienten enthält, – Übertragen der genannten Anforderung von dem genannten Client zu einem Server, – Extrahieren der durch den genannten Block mit Koeffizienten definierten Transformationsdaten in dem genannten Server, – Erzeugen eines ersten quantisierten Koeffizientenblocks aus den genannten Transformationsdaten mit Hilfe des genannten ersten Quantisierungswertes, – Erzeugen eines zweiten quantisierten Koeffizientenblockes aus den genannten Transformationsdaten mit Hilfe des genannten zweiten Quantisierungswertes, – Erzeugen eines ersten und eines zweiten dequantisierten Koeffizientenblocks durch Multiplizieren des genannten ersten und des genannten zweiten quantisierten Koeffizienten blocks mit dem genannten ersten bzw. zweiten Quantisierungswert, – Erzeugen eines inkrementellen Koeffizientenblockes durch Subtrahieren des genannten ersten dequantisierten Koeffizientenblocks von dem genannten zweiten dequantisierten Koeffizientenblock, – Komprimieren des genannten inkrementellen Koeffizientenblocks zum Erzeugen eines komprimierten inkrementellen Koeffizientenblocks, – Übertragen des genannten komprimierten inkrementellen Koeffizientenblocks von dem genannten Server zu dem genannten Client, – Dekomprimieren des genannten komprimierten inkrementellen Koeffizientenblocks in dem genannten Client zum Erzeugen eines inkrementellen Koeffizientenblocks, – Erzeugen eines Koeffizientenblocks für die genannte zweite Anforderung in dem genannten Client durch Addieren des genannten Koeffizientenblocks aus der genannten ersten Anforderung zu dem genannten inkrementellen Koeffizientenblock und – Rekonstruieren der genannten Quellendaten in dem genannten Client aus dem genannten Koeffizientenblock für die genannte zweite Anforderung.
Verfahren nach Anspruch 1, wobei die genannten Quellendaten ein Quellenbild umfassen.
Verfahren nach Anspruch 3, wobei das genannte Quellenbild ein medizinisches Bild umfasst.
Computerlesbares Medium, das eine Vielzahl von Befehlen umfasst, die bei Ausführung durch einen Computer den Computer veranlassen, folgende Schritte durchzuführen: – Erzeugen von Transformationsdaten, die räumlich zugeordnete Koeffizienten umfassen, aus den genannten Quellendaten, so dass ein Block mit Koeffizienten die Rekonstruktion von Teilen der genannten Quellendaten erlaubt, die gekennzeichnet werden können, – Erzeugen einer Anforderung für mindestens einen Teil der genannten Quellendaten in einem Client, wobei die genannte Anforderung einen Block mit den genannten Koeffizienten und mindestens einen Quantisierungswert definiert, – Übertragen der genannten Anforderung von dem genannten Client zu einem Server, – Extrahieren der durch die genannte Anforderung definierten Transformationsdaten in dem genannten Server, – Komprimieren der genannten Transformationsdaten gemäß dem genannten mindestens einen Quantisierungswert zum Erzeugen von komprimierten Daten, – Übertragen der genannten komprimierten Daten von dem genannten Server zu dem genannten Client, – Dekomprimieren der genannten komprimierten Daten in dem genannten Client zum Erzeugen von quantisierten Daten, – Dequantisieren der genannten quantisierten Daten zum Erzeugen von Transformationsdaten und – Rekonstruieren der genannten Quellendaten aus den genannten Transformationsdaten in dem genannten Client.
Computerlesbares Medium nach Anspruch 5, das ferner folgende Schritte umfasst: – Erzeugen einer zweiten Anforderung für den genannten Block mit Koeffizienten in dem genannten Client, wobei die genannte zweite Anforderung einen ersten Quantisierungswert aus der genannten ersten Anforderung und einen zweiten Quantisierungswert für den genannten Block mit Koeffizienten enthält, – Übertragen der genannten Anforderung von dem genannten Client zu einem Server, – Extrahieren der durch den genannten Block mit Koeffizienten definierten Transformationsdaten in dem genannten Server, – Erzeugen eines ersten quantisierten Koeffizientenblocks aus den genannten Transformationsdaten mit Hilfe des genannten ersten Quantisierungswertes, – Erzeugen eines zweiten quantisierten Koeffizientenblockes aus den genannten Transformationsdaten mit Hilfe des genannten zweiten Quantisierungswertes, – Erzeugen eines ersten und eines zweiten dequantisierten Koeffizientenblocks durch Multiplizieren des genannten ersten und des genannten zweiten quantisierten Koeffizientenblocks mit dem genannten ersten bzw. zweiten Quantisierungswert, – Erzeugen eines inkrementellen Koeffizientenblockes durch Subtrahieren des genannten ersten dequantisierten Koeffizientenblocks von dem genannten zweiten dequantisierten Koeffizientenblock, – Komprimieren des genannten inkrementellen Koeffizientenblocks zum Erzeugen eines komprimierten inkrementellen Koefizientenblocks, – Übertragen des genannten komprimierten inkrementellen Koeffizientenblocks von dem genannten Server zu dem genannten Client, – Dekomprimieren des genannten komprimierten inkrementellen Koeffizientenblocks in dem genannten Client zum Erzeugen eines inkrementellen Koeffizientenblocks, – Erzeugen eines Koeffizientenblocks für die genannte zweite Anforderung in dem genannten Client durch Addieren des genannten Koeffizientenblocks aus der genannten ersten Anforderung zu dem genannten inkrementellen Koeffizientenblock und – Rekonstruieren der genannten Quellendaten in dem genannten Client aus dem genannten Koeffizientenblock für die genannte zweite Anforderung.
Computerlesbares Medium nach Anspruch 5, wobei die genannten Quellendaten ein Quellenbild umfassen.
Computerlesbares Medium nach Anspruch 7, wobei das genannte Quellenbild ein medizinisches Bild umfasst.
Verfahren zum Verarbeiten von Daten in einem Server zur Anzeige bei einem Client, wobei das genannte Verfahren folgende Schritte umfasst: – Erzeugen von Transformationsdaten, die räumlich zugeordnete Koeffizienten umfassen, aus den genannten Quellendaten, so dass ein Block mit Koeffizienten die Rekonstruktion von Teilen der genannten Quellendaten erlaubt, die gekennzeichnet werden können, – Empfangen einer Anforderung für mindestens einen Teil der genannten Quellendaten von einem Client, wobei die genannte Anforderung einen Block mit den genannten Koeffizienten und mindestens einen Quantisierungswert definiert, – Extrahieren der durch die genannte Anforderung definierten Transformationsdaten, – Komprimieren der genannten Transformationsdaten gemäß dem genannten mindestens einen Quantisierungswert zum Erzeugen von komprimierten Daten und – Übertragen der genannten komprimierten Daten zu dem genannten Client.
Verfahren nach Anspruch 9, das ferner folgende Schritte umfasst: – Empfangen einer zweiten Anforderung für den genannten Block mit Koeffizienten von dem genannten Client, wobei die genannte zweite Anforderung einen ersten Quantisierungswert aus der genannten ersten Anforderung und einen zweiten Quantisierungswert für den genannten Block mit Koeffizienten enthält, – Extrahieren der durch den genannten Block mit Koeffizienten definierten Transformationsdaten, – Erzeugen eines ersten quantisierten Koeffizientenblocks aus den genannten Transformationsdaten mit Hilfe des genannten ersten Quantisierungswertes, – Erzeugen eines zweiten quantisierten Koeffizientenblockes aus den genannten Transformationsdaten mit Hilfe des genannten zweiten Quantisierungswertes, – Erzeugen eines ersten und eines zweiten dequantisierten Koeffizientenblocks durch Multiplizieren des genannten ersten und des genannten zweiten quantisierten Koeffizientenblocks mit dem genannten ersten bzw. zweiten Quantisierungswert, – Erzeugen eines inkrementellen Koeffizientenblockes durch Subtrahieren des genannten ersten dequantisierten Koeffizientenblocks von dem genannten zweiten dequantisierten Koeffizientenblock, – Komprimieren des genannten inkrementellen Koeffizientenblocks zum Erzeugen eines komprimierten inkrementellen Koeffizientenblocks und – Übertragen des genannten komprimierten inkrementellen Koeffizientenblocks zu dem genannten Client, – Dekomprimieren des genannten komprimierten inkrementellen Koeffizientenblocks in dem genannten Client zum Erzeugen eines inkrementellen Koeffizientenblocks, – Erzeugen eines Koeffizientenblocks für die genannte zweite Anforderung in dem genannten Client durch Addieren des genannten Koeffizientenblocks aus der genannten ersten Anforderung zu dem genannten inkrementellen Koeffizientenblock und – Rekonstruieren der genannten Quellendaten in dem genannten Client aus dem genannten Koeffizientenblock für die genannte zweite Anforderung.
Verfahren zum Verarbeiten von Quellendaten zur Anzeige bei einem Client, wobei das genannte Verfahren folgende Schritte umfasst: – Erzeugen einer Anforderung für mindestens einen Teil der genannten Quellendaten, wobei die genannten Quellendaten Transformationsdaten umfassen, die räumlich zugeordnete Koeffizienten enthalten, so dass ein Block mit Koeffizienten die Rekonstruktion von Teilen der genannten Quellendaten erlaubt, die gekennzeichnet werden können, wobei die genannte Anforderung einen Block mit den genannten Koeffizienten und mindestens einen Quantisierungswert definiert, – Übertragen der genannten Anforderung zu einem Server, – Empfangen von komprimierten Daten, die gemäß dem genannten mindestens einen Quantisierungswert komprimierte Transformationsdaten umfassen, von dem genannten Server, – Dekomprimieren der genannten komprimierten Daten zum Erzeugen von quantisierten Daten, – Dequantisieren der genannten quantisierten Daten zum Erzeugen von Transformationsdaten und – Rekonstruieren der genannten Quellendaten aus den genannten Transformationsdaten.
Verfahren nach Anspruch 11, das ferner folgende Schritte umfasst: – Erzeugen einer zweiten Anforderung für den genannten Block mit Koeffizienten, wobei die genannte zweite Anforderung einen ersten Quantisierungswert aus der genannten ersten Anforderung und einen zweiten Quantisierungswert für den genannten Block mit Koeffizienten enthält, – Übertragen der genannten zweiten Anforderung zu dem genannten Server, – Empfangen eines komprimierten inkrementellen Koeffizientenblocks von dem genannten Server, wobei der genannte inkrementelle Koeffizientenblock Koeffizienten umfasst, die zum Konstruieren eines Koeffizientenblocks für die genannte zweite Anforderung aus dem genannten inkrementellen Koeffizientenblock und dem genannten Koeffizientenblock aus der genannten ersten Anforderung notwendig sind, – Dekomprimieren des genannten komprimierten inkrementellen Koeffizientenblocks zum Erzeugen eines inkrementellen Koeffizientenblocks, – Erzeugen eines Koeffizientenblocks für die genannte zweite Anforderung durch Addieren des genannten Koeffizientenblocks aus der genannten ersten Anforderung zu dem genannten inkrementellen Koeffizientenblock und – Rekonstruieren der genannten Quellendaten in dem genannten Client aus dem genannten Koeffizientenblock für die genannte zweite Anforderung.