JP2885433B2 - 画像処理方法及びその装置 - Google Patents
画像処理方法及びその装置Info
- Publication number
- JP2885433B2 JP2885433B2 JP1233406A JP23340689A JP2885433B2 JP 2885433 B2 JP2885433 B2 JP 2885433B2 JP 1233406 A JP1233406 A JP 1233406A JP 23340689 A JP23340689 A JP 23340689A JP 2885433 B2 JP2885433 B2 JP 2885433B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- data
- spectral
- sub
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000003672 processing method Methods 0.000 title claims description 11
- 238000007906 compression Methods 0.000 claims abstract description 38
- 230000006835 compression Effects 0.000 claims abstract description 37
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims description 73
- 238000012545 processing Methods 0.000 claims description 20
- 238000013500 data storage Methods 0.000 claims description 18
- 238000013178 mathematical model Methods 0.000 claims description 15
- 238000013144 data compression Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 abstract description 25
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000013139 quantization Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S378/00—X-ray or gamma ray systems or devices
- Y10S378/901—Computer tomography program or processor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Description
【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は、Ｘ線断層撮影に関するもので、特に、医療
用イメージデータの圧縮と再生に適用される画像処理方
法及びその装置に関するものである。
用イメージデータの圧縮と再生に適用される画像処理方
法及びその装置に関するものである。
（従来の技術） 医療用の画像処理では、膨大な量のデジタルイメージ
データの生成、処理、記憶が必要になる。デジタルイメ
ージの圧縮を用いてイメージを表現しているが、その
際、できるだけ使用するビット数を少なくしてイメージ
の高い忠実度に合わせており、その目的は、データ処理
と転送の時間を短縮し、必要なデータ記憶空間を縮小す
ることである。
データの生成、処理、記憶が必要になる。デジタルイメ
ージの圧縮を用いてイメージを表現しているが、その
際、できるだけ使用するビット数を少なくしてイメージ
の高い忠実度に合わせており、その目的は、データ処理
と転送の時間を短縮し、必要なデータ記憶空間を縮小す
ることである。
ここで、圧縮アリゴリズムは、所定のイメージを未相
関データサンプルで表現しようとするものである。位置
の関数である画像強度など、そのイメージの空間的特徴
を表すデータは、相関度が高いので、一部のデータ値に
関する情報が与えられれば、その他のデータ値を補間す
ることができる。このため、空間イメージデータには重
複情報が生じ、所定のイメージ品質でデータを最大限圧
縮することができなくなる。
関データサンプルで表現しようとするものである。位置
の関数である画像強度など、そのイメージの空間的特徴
を表すデータは、相関度が高いので、一部のデータ値に
関する情報が与えられれば、その他のデータ値を補間す
ることができる。このため、空間イメージデータには重
複情報が生じ、所定のイメージ品質でデータを最大限圧
縮することができなくなる。
また、デジタルイメージの圧縮では、圧縮度と、再現
したイメージ、すなわち、圧縮した後に減圧したデータ
からできたイメージの劣化との釣合いを取っている。イ
メージデータの変換圧縮は、イメージの劣化が妥当な場
合に限り、高い圧縮比が得られる方法の１つである。こ
の圧縮比は、圧縮していないイメージを表現するのに必
要なデータビット数を、同じイメージを圧縮形式で表現
するのに必要なデータビット数で割った比率である。こ
のような比率としては、20ビットを１ビット（20:1）に
圧縮するのが一般的である。
したイメージ、すなわち、圧縮した後に減圧したデータ
からできたイメージの劣化との釣合いを取っている。イ
メージデータの変換圧縮は、イメージの劣化が妥当な場
合に限り、高い圧縮比が得られる方法の１つである。こ
の圧縮比は、圧縮していないイメージを表現するのに必
要なデータビット数を、同じイメージを圧縮形式で表現
するのに必要なデータビット数で割った比率である。こ
のような比率としては、20ビットを１ビット（20:1）に
圧縮するのが一般的である。
さらに、圧縮は、１ピクセル当たりのビット数でも示
される。一般に、10データビットで１ピクセル分の医療
用イメージを表現する。ロスのない圧縮技術であれば、
１ピクセル当たり約4.0ビットまで削減することができ
る。しかし、変換コーディング方法を用いて１ピクセル
当たり0.5ビットのコーディング率で圧縮したイメージ
を形成するのが望ましい。このような最低限の圧縮で
は、高周波情報がなくなることによってイメージがスム
ーズ化される。また、イメージをたくさんのサブイメー
ジやブロックに分割する圧縮方法では、サブイメージ同
士の境界でサブイメージの不連続をさらに目立たせるこ
ともある。結局、イメージブロック内で最も顕著なトポ
グラフィックの特徴だけを選択して圧縮する方法であれ
ば、ノイズ成分を表すコンポーネントのサブセットを任
意に選択できる。減圧すると、この部分情報によって、
中間周波から高周波の本質的に好ましくない２通りの寸
法パターンが現れる可能性がある。
される。一般に、10データビットで１ピクセル分の医療
用イメージを表現する。ロスのない圧縮技術であれば、
１ピクセル当たり約4.0ビットまで削減することができ
る。しかし、変換コーディング方法を用いて１ピクセル
当たり0.5ビットのコーディング率で圧縮したイメージ
を形成するのが望ましい。このような最低限の圧縮で
は、高周波情報がなくなることによってイメージがスム
ーズ化される。また、イメージをたくさんのサブイメー
ジやブロックに分割する圧縮方法では、サブイメージ同
士の境界でサブイメージの不連続をさらに目立たせるこ
ともある。結局、イメージブロック内で最も顕著なトポ
グラフィックの特徴だけを選択して圧縮する方法であれ
ば、ノイズ成分を表すコンポーネントのサブセットを任
意に選択できる。減圧すると、この部分情報によって、
中間周波から高周波の本質的に好ましくない２通りの寸
法パターンが現れる可能性がある。
（発明が解決しようとする課題） このようなイメージ劣化の問題を解決する一般的な方
法としては、圧縮比を下げてイメージの細部をこれまで
以上に保存する方法と、画像処理技術を用いて劣化した
イメージを復元する方法がある。どちらの解決方法も、
必要なデータ記憶量が増したり、処理時間またはデータ
転送時間が長くなるか、あるいはこれらのすべてが増し
たり長くなったりするので、データ圧縮の上記の目的を
損なってしまう。場合によっては、ブロックエッジ境界
の外形を改善する計算方法などの場合に、ブロック内に
アーチファクトを生じる可能性がある。このため、問題
を１つ解決すると、別の問題を発生することになる。
法としては、圧縮比を下げてイメージの細部をこれまで
以上に保存する方法と、画像処理技術を用いて劣化した
イメージを復元する方法がある。どちらの解決方法も、
必要なデータ記憶量が増したり、処理時間またはデータ
転送時間が長くなるか、あるいはこれらのすべてが増し
たり長くなったりするので、データ圧縮の上記の目的を
損なってしまう。場合によっては、ブロックエッジ境界
の外形を改善する計算方法などの場合に、ブロック内に
アーチファクトを生じる可能性がある。このため、問題
を１つ解決すると、別の問題を発生することになる。
そこで、本発明の目的は、データの記憶や処理に要す
る時間を実質的に長くしないで、再現した医療用イメー
ジデータの視覚アーチファクトを実質的に削減する画像
処理方法及びその装置を提供することにある。
る時間を実質的に長くしないで、再現した医療用イメー
ジデータの視覚アーチファクトを実質的に削減する画像
処理方法及びその装置を提供することにある。
［発明の構成］ （課題を解決するための手段） 請求項１にかかる発明は、イメージデータの変換圧縮
によって生じる視覚アーチファクトを実質的に削減する
ための画像処理方法であって、空間イメージデータを該
空間イメージの周波数成分と振幅を表すスペクトルイメ
ージデータに変換するステップと、前記スペクトルイメ
ージデータのうち指定の周波数特性と振幅特性を有する
ものを排除するステップと、排除した該スペクトルイメ
ージデータの特徴を指定の数学モデルで表す少なくとも
１つのパラメータを計算するステップと、排除しなかっ
たイメージデータをコード化してデータ圧縮するステッ
プと、コード化した該データと前記パラメータをデータ
記憶装置に記憶するステップと、コード化した該スペク
トルイメージデータをデコードするステップと、前記パ
ラメータを前記モデルに適用し排除した前記スペクトル
イメージデータの近似値を出力するステップとからなる
ことを特徴とする。
によって生じる視覚アーチファクトを実質的に削減する
ための画像処理方法であって、空間イメージデータを該
空間イメージの周波数成分と振幅を表すスペクトルイメ
ージデータに変換するステップと、前記スペクトルイメ
ージデータのうち指定の周波数特性と振幅特性を有する
ものを排除するステップと、排除した該スペクトルイメ
ージデータの特徴を指定の数学モデルで表す少なくとも
１つのパラメータを計算するステップと、排除しなかっ
たイメージデータをコード化してデータ圧縮するステッ
プと、コード化した該データと前記パラメータをデータ
記憶装置に記憶するステップと、コード化した該スペク
トルイメージデータをデコードするステップと、前記パ
ラメータを前記モデルに適用し排除した前記スペクトル
イメージデータの近似値を出力するステップとからなる
ことを特徴とする。
請求項２にかかる発明は、医療用イメージデータの変
換圧縮によって生じる視覚アーチファクトを実質的に削
減するための画像処理方法であって、前記イメージデー
タを空間サブイメージデータを有する複数の空間サブイ
メージに区分するステップと、前記空間サブイメージデ
ータを該空間サブイメージデータの周波数成分と振幅を
表すスペクトルサブイメージデータに変換するステップ
と、前記スペクトルサブイメージデータのうち指定の周
波数特性と振幅特性を有するものを排除するステップ
と、排除した該スペクトルサブイメージデータの特徴を
指定の数学モデルで表す少なくとも１つのパラメータを
計算するステップと、排除しなかったスペクトルサブイ
メージデータをコード化してデータ圧縮するッステップ
と、コード化した該データと前記パラメータをデータ記
憶装置に記憶するステップと、コード化した該スペクト
ルサブイメージデータをデコードするステップと、前記
パラメータを前記モデルに適用し排除した前記スペクト
ルサブイメージデータの近似値を出力するステップとか
らなることを特徴とする。
換圧縮によって生じる視覚アーチファクトを実質的に削
減するための画像処理方法であって、前記イメージデー
タを空間サブイメージデータを有する複数の空間サブイ
メージに区分するステップと、前記空間サブイメージデ
ータを該空間サブイメージデータの周波数成分と振幅を
表すスペクトルサブイメージデータに変換するステップ
と、前記スペクトルサブイメージデータのうち指定の周
波数特性と振幅特性を有するものを排除するステップ
と、排除した該スペクトルサブイメージデータの特徴を
指定の数学モデルで表す少なくとも１つのパラメータを
計算するステップと、排除しなかったスペクトルサブイ
メージデータをコード化してデータ圧縮するッステップ
と、コード化した該データと前記パラメータをデータ記
憶装置に記憶するステップと、コード化した該スペクト
ルサブイメージデータをデコードするステップと、前記
パラメータを前記モデルに適用し排除した前記スペクト
ルサブイメージデータの近似値を出力するステップとか
らなることを特徴とする。
請求項３にかかる発明は、医療用イメージデータの変
換圧縮によって生じる視覚アーチファクトを実質的に削
減するための画像処理装置であって、空間イメージデー
タを該空間イメージデータの周波数成分と振幅を表すス
ペクトルイメージデータに変換する手段と、前記スペク
トルイメージデータのうち指定の周波数特性と振幅特性
を有するものを排除する手段と、排除した該スペクトル
イメージデータの特徴を指定の数学モデルで表す少なく
とも１つのパラメータを計算する手段と、排除しなかっ
たスペクトルイメージデータをコード化してデータ圧縮
する手段と、コード化した該データと前記パラメータを
記憶するデータ記憶装置と、コード化した該スペクトル
イメージデータをデコードする手段と、前記パラメータ
を前記モデルに適用し排除した前記スペクトルイメージ
データの近似値を出力するステップとからなることを特
徴とする。
換圧縮によって生じる視覚アーチファクトを実質的に削
減するための画像処理装置であって、空間イメージデー
タを該空間イメージデータの周波数成分と振幅を表すス
ペクトルイメージデータに変換する手段と、前記スペク
トルイメージデータのうち指定の周波数特性と振幅特性
を有するものを排除する手段と、排除した該スペクトル
イメージデータの特徴を指定の数学モデルで表す少なく
とも１つのパラメータを計算する手段と、排除しなかっ
たスペクトルイメージデータをコード化してデータ圧縮
する手段と、コード化した該データと前記パラメータを
記憶するデータ記憶装置と、コード化した該スペクトル
イメージデータをデコードする手段と、前記パラメータ
を前記モデルに適用し排除した前記スペクトルイメージ
データの近似値を出力するステップとからなることを特
徴とする。
請求項４にかかる発明は、医療用イメージデータの変
換圧縮によって生じる視覚アーチファクトを実質的に削
減するための画像処理装置であって、前記イメージデー
タを空間サブイメージデータを有する複数の空間サブイ
メージに区分する手段と、前記空間サブイメージデータ
を該空間サブイメージデータの周波数成分と振幅を表す
スペクトルサブイメージデータに変換する手段と、前記
スペクトルサブイメージデータのうち指定の周波数特性
と振幅特性を有するものを排除する手段と、排除した該
スペクトルサブイメージデータの特徴を指定の数学モデ
ルで表す少なくとも１つのパラメータを計算する手段
と、排除しなかったスペクトルサブイメージデータをコ
ード化してデータ圧縮する手段と、コード化した該デー
タと前記パラメータを記憶するデータ記憶装置と、コー
ド化した該スペクトルサブイメージデータをデコードす
る手段と、前記パラメータを前記モデルに適用し排除し
た前記スペクトルサブイメージデータの近似値を出力す
る手段とからなることを特徴とする。
換圧縮によって生じる視覚アーチファクトを実質的に削
減するための画像処理装置であって、前記イメージデー
タを空間サブイメージデータを有する複数の空間サブイ
メージに区分する手段と、前記空間サブイメージデータ
を該空間サブイメージデータの周波数成分と振幅を表す
スペクトルサブイメージデータに変換する手段と、前記
スペクトルサブイメージデータのうち指定の周波数特性
と振幅特性を有するものを排除する手段と、排除した該
スペクトルサブイメージデータの特徴を指定の数学モデ
ルで表す少なくとも１つのパラメータを計算する手段
と、排除しなかったスペクトルサブイメージデータをコ
ード化してデータ圧縮する手段と、コード化した該デー
タと前記パラメータを記憶するデータ記憶装置と、コー
ド化した該スペクトルサブイメージデータをデコードす
る手段と、前記パラメータを前記モデルに適用し排除し
た前記スペクトルサブイメージデータの近似値を出力す
る手段とからなることを特徴とする。
（作用） 上記の如くの構成を有する本発明では、圧縮時に排除
したイメージデータの近似値をとることによって、圧縮
したイメージデータから再現した医療用イメージの視覚
アーチファクトを削減する方法および装置であって、排
除したデータは、ガウス分布などの統計的分布でモデル
化し、排除したこのデータの標準偏差は、排除しなかっ
た圧縮データとともに記憶しイメージ再現時には、この
標準偏差を用いて圧縮時に排除したデータに近づけ、こ
れにより視覚アーチファクトを実質的に削減して元のイ
メージに近づけることができる。
したイメージデータの近似値をとることによって、圧縮
したイメージデータから再現した医療用イメージの視覚
アーチファクトを削減する方法および装置であって、排
除したデータは、ガウス分布などの統計的分布でモデル
化し、排除したこのデータの標準偏差は、排除しなかっ
た圧縮データとともに記憶しイメージ再現時には、この
標準偏差を用いて圧縮時に排除したデータに近づけ、こ
れにより視覚アーチファクトを実質的に削減して元のイ
メージに近づけることができる。
（実施例） 以下本発明の一実施例を図面を参照して説明する。
第１図の医療用画像処理装置20は、一例として示した
もので限定するためのものではない。これは、結像装置
24と、中央演算処理装置（CPU）32と、ランダムアクセ
スメモリ（RAM）36と、データ記憶装置40と、表面装置4
4で構成されている。
もので限定するためのものではない。これは、結像装置
24と、中央演算処理装置（CPU）32と、ランダムアクセ
スメモリ（RAM）36と、データ記憶装置40と、表面装置4
4で構成されている。
結像装置24は空間イメージデータ28を生成するもの
で、このデータは、第２図のフローチャート100の各ス
テップで示すように、CPU32によって処理される。RAM36
は、イメージデータ28の処理時にCPU32が必要とするデ
ータと必要なプログラムを一時的に記憶する。データ記
憶装置40は、大容量のディスクドライブであるのが好ま
しいが、処理したデータを恒久的に記憶する。表示装置
44は、視覚的表示装置（VDU）であるのが好ましいが、
記憶装置40に記憶した再現空間イメージデータをもとに
CPU32が生成した視覚イメージを表示する。
で、このデータは、第２図のフローチャート100の各ス
テップで示すように、CPU32によって処理される。RAM36
は、イメージデータ28の処理時にCPU32が必要とするデ
ータと必要なプログラムを一時的に記憶する。データ記
憶装置40は、大容量のディスクドライブであるのが好ま
しいが、処理したデータを恒久的に記憶する。表示装置
44は、視覚的表示装置（VDU）であるのが好ましいが、
記憶装置40に記憶した再現空間イメージデータをもとに
CPU32が生成した視覚イメージを表示する。
第２図のフローチャート100は、空間イメージデータ2
8の変換、圧縮、再現、表示を行う際に、CPU32が実行す
る基本ステップを示したものである。空間イメージデー
タ28は複数のデータ値からなる。各データ値は、好まし
い実施例では10桁の２進数字で表されるが、１つのピク
セルすなわち画素を表している。また、１つのイメージ
は多くのピクセルで構成される。
8の変換、圧縮、再現、表示を行う際に、CPU32が実行す
る基本ステップを示したものである。空間イメージデー
タ28は複数のデータ値からなる。各データ値は、好まし
い実施例では10桁の２進数字で表されるが、１つのピク
セルすなわち画素を表している。また、１つのイメージ
は多くのピクセルで構成される。
画像処理装置20は、空間イメージデータ28を圧縮し
て、必要なデータ記憶空間量や転送時間ならびに処理時
間を最小限に抑えているが、その際、イメージデータを
所定のサイズの空間サブイメージデータブロックに区分
し（ステップ104）、この空間サブイメージデータをス
ペクトルサブイメージデータに変換し（ステップ10
8）、指定のスペクトルサブイメージデータを排除し
（ステップ112）、排除したデータをモデル化し（ステ
ップ116）、排除しなかったデータを量子化し（ステッ
プ120）、排除したデータの特徴をそのモデルで表す少
なくとも１つのパラメータと、排除しなかったデータと
をコード化して記憶している（ステップ124）。
て、必要なデータ記憶空間量や転送時間ならびに処理時
間を最小限に抑えているが、その際、イメージデータを
所定のサイズの空間サブイメージデータブロックに区分
し（ステップ104）、この空間サブイメージデータをス
ペクトルサブイメージデータに変換し（ステップ10
8）、指定のスペクトルサブイメージデータを排除し
（ステップ112）、排除したデータをモデル化し（ステ
ップ116）、排除しなかったデータを量子化し（ステッ
プ120）、排除したデータの特徴をそのモデルで表す少
なくとも１つのパラメータと、排除しなかったデータと
をコード化して記憶している（ステップ124）。
画像処理装置20は、記憶したデータをもとにイメージ
データ28の近似値を再現するが、その際、排除したサブ
イメージデータの特徴をモデルで表すパラメータ（単数
または複数）を検索すると同時に、コード化したデータ
を検索してデコードし（ステップ128）、検索したパラ
メータとモデルをもとに排除したデータの近似値を出力
し（ステップ132）、スペクトルサブイメージデータを
空間サブイメージデータに変換し（ステップ136）、こ
の再現したイメージデータをもとにイメージを生成し
（ステップ140）、視覚表示装置44に表示している。
データ28の近似値を再現するが、その際、排除したサブ
イメージデータの特徴をモデルで表すパラメータ（単数
または複数）を検索すると同時に、コード化したデータ
を検索してデコードし（ステップ128）、検索したパラ
メータとモデルをもとに排除したデータの近似値を出力
し（ステップ132）、スペクトルサブイメージデータを
空間サブイメージデータに変換し（ステップ136）、こ
の再現したイメージデータをもとにイメージを生成し
（ステップ140）、視覚表示装置44に表示している。
次に、イメージの圧縮と再現について詳しく説明す
る。まず、は、空間イメージデータ28の２通りの寸法
値の行列であるとする。次にを一組のスクェアサブ
イメージに区分する（フローチャート100のステップ10
4）と、指定の寸法を持った一組の空間サブイメージブ
ロックができる。実験によれば16×16ピクセルまたは32
×32ピクセルのブロックサイズが最適であることがわか
っているが、これは、ブロックサイズが小さくなればな
るほど圧縮後のイメージの品質が劣化することを意味す
る。また、ブロックサイズが大きくなればなるほど計算
の複雑さは増すが、再現されたイメージの品質に与える
影響は最小になる。好ましい実施例では、便宜的なサイ
ズとして256ピクセルのブロックサイズを選んで、その
後の計算の複雑さと再現したイメージの品質との釣合い
を取っているが、本発明はサイズが適当であればどんな
サイズのブロックにも適用できるであろう。
る。まず、は、空間イメージデータ28の２通りの寸法
値の行列であるとする。次にを一組のスクェアサブ
イメージに区分する（フローチャート100のステップ10
4）と、指定の寸法を持った一組の空間サブイメージブ
ロックができる。実験によれば16×16ピクセルまたは32
×32ピクセルのブロックサイズが最適であることがわか
っているが、これは、ブロックサイズが小さくなればな
るほど圧縮後のイメージの品質が劣化することを意味す
る。また、ブロックサイズが大きくなればなるほど計算
の複雑さは増すが、再現されたイメージの品質に与える
影響は最小になる。好ましい実施例では、便宜的なサイ
ズとして256ピクセルのブロックサイズを選んで、その
後の計算の複雑さと再現したイメージの品質との釣合い
を取っているが、本発明はサイズが適当であればどんな
サイズのブロックにも適用できるであろう。
直交変換行列を空間サブイメージデータに適用する
（ステップ108）と、そのブロックに含まれる空間情報
が次のようなスペクトル表現で表される。
（ステップ108）と、そのブロックに含まれる空間情報
が次のようなスペクトル表現で表される。
′＝T （１） ただし、TはＴの転置行列である。
本発明の好ましい実施例での変換は、その計算が単純
で相関しておらず、しかもエネルギーパック能力がある
ため、離散形余弦変換（DCT）である。このDCTの行列要
素は次のように定義される。
で相関しておらず、しかもエネルギーパック能力がある
ため、離散形余弦変換（DCT）である。このDCTの行列要
素は次のように定義される。
Tij＝（2C（ｊ）/N）cos［π（ｉ＋1/2）j/N］ ただし、 （の１行または１列にあるデータ値の個数） 変換した空間サブイメージデータのスペクトルサブイ
メージデータの行列′は、この空間サブイメージ内に
ある周波数成分の振幅である。′の実際のデータ値
は、周波数に依存する２通りの寸法の各基礎イメージの
振幅である。第３図はこのような基礎イメージの一例を
示す図である。′の各要素は各基礎イメージに割り当
てられる振幅または重みで、このイメージは重みをつけ
重ね合わせると、のスペクトル成分を表す。また、
′のデータ要素は、の要素ほど相関していないの
で、データ圧縮に適したものとなる。
メージデータの行列′は、この空間サブイメージ内に
ある周波数成分の振幅である。′の実際のデータ値
は、周波数に依存する２通りの寸法の各基礎イメージの
振幅である。第３図はこのような基礎イメージの一例を
示す図である。′の各要素は各基礎イメージに割り当
てられる振幅または重みで、このイメージは重みをつけ
重ね合わせると、のスペクトル成分を表す。また、
′のデータ要素は、の要素ほど相関していないの
で、データ圧縮に適したものとなる。
サブイメージのエネルギーを次のように定義すると、 （ただし、（j,k）はこのサブイメージブロック（ある
いはデータ値の行列）のデータ値の指数） Ｅ（）＝Ｅ（′）となり、直交変換によって全エネ
ルギーが保存されることになる。しかし、データ圧縮に
便利な変換には、エネルギーの分布が均一ではないとい
う性質がある。それどころか、低周波成分すなわち第３
図の最も単純な基礎イメージは他に比べるとほんの少数
であるにもかかわらず、ブロックエネルギーの大部分が
これに含まれてしまい、しかも重みつけが一番重くなっ
ている。このため、の最も顕著な空間的特徴を記憶す
るには、′の低周波成分だけを記憶しなければならな
い。高周波成分にはエッジの細部の微細構造と元の空間
サブイメージブロックのノイズに関する情報が含まれて
いる。
いはデータ値の行列）のデータ値の指数） Ｅ（）＝Ｅ（′）となり、直交変換によって全エネ
ルギーが保存されることになる。しかし、データ圧縮に
便利な変換には、エネルギーの分布が均一ではないとい
う性質がある。それどころか、低周波成分すなわち第３
図の最も単純な基礎イメージは他に比べるとほんの少数
であるにもかかわらず、ブロックエネルギーの大部分が
これに含まれてしまい、しかも重みつけが一番重くなっ
ている。このため、の最も顕著な空間的特徴を記憶す
るには、′の低周波成分だけを記憶しなければならな
い。高周波成分にはエッジの細部の微細構造と元の空間
サブイメージブロックのノイズに関する情報が含まれて
いる。
圧縮にはこのような条件があるため、′のデータの
一部は排除しなければならない。また、排除しないスペ
クトルサブイメージデータについても、記憶する有効数
字の数を制限しなければならない。スペクトルサブイメ
ージブロックすべての周波数成分をことごとく記憶し、
元のデータと同じ有効数字数とともに記憶した場合に
は、再現したイメージは元のメージとほぼ同じになるだ
ろうが、これでは妥当な圧縮比と一致しない。このた
め、高周波成分の処分はもっと容易になるが、これはそ
の成分にイメージの微細部が含まれているためで、この
ように処分する間に細部の一部はなくなってしまう。
一部は排除しなければならない。また、排除しないスペ
クトルサブイメージデータについても、記憶する有効数
字の数を制限しなければならない。スペクトルサブイメ
ージブロックすべての周波数成分をことごとく記憶し、
元のデータと同じ有効数字数とともに記憶した場合に
は、再現したイメージは元のメージとほぼ同じになるだ
ろうが、これでは妥当な圧縮比と一致しない。このた
め、高周波成分の処分はもっと容易になるが、これはそ
の成分にイメージの微細部が含まれているためで、この
ように処分する間に細部の一部はなくなってしまう。
指定の周波数特性と振幅特性を有するスペクトルサブ
イメージデータを排除すれば、圧縮が行われる。本発明
の好ましい実施例は一例として示しただけで限定するも
のではないが、この実施例では特定の振幅を有する周波
数成分が、フローチャート100のステップ112で排除され
ている。この際、本技術では周知の方法で閾値をコーデ
ィングする適応選択法を使用している。
イメージデータを排除すれば、圧縮が行われる。本発明
の好ましい実施例は一例として示しただけで限定するも
のではないが、この実施例では特定の振幅を有する周波
数成分が、フローチャート100のステップ112で排除され
ている。この際、本技術では周知の方法で閾値をコーデ
ィングする適応選択法を使用している。
この適応選択法では、データを排除するかどうかの判
断は、そのデータの指定圧縮比をもとに行われている。
ある閾値が指定されるので、絶対値がこの指定の閾値よ
り小さい振幅は排除される。また、閾値に等しいかそれ
より大きい振幅は、以下に説明するようにそのまま量子
化され、コーディングされる。
断は、そのデータの指定圧縮比をもとに行われている。
ある閾値が指定されるので、絶対値がこの指定の閾値よ
り小さい振幅は排除される。また、閾値に等しいかそれ
より大きい振幅は、以下に説明するようにそのまま量子
化され、コーディングされる。
本発明によれば、排除したスペクトルサブイメージデ
ータの特徴を指定の数学モデルで表す少なくとも１つの
パラメータが計算される。この計算ステップはフローチ
ャート100のステップ116に一例として示してあるが、こ
れは限定するものではなく、（１）排除した振幅の分布
用にモデルを選択するステップと、（２）指定のモデル
でそのデータの標準偏差を決定するステップとで構成さ
れる。
ータの特徴を指定の数学モデルで表す少なくとも１つの
パラメータが計算される。この計算ステップはフローチ
ャート100のステップ116に一例として示してあるが、こ
れは限定するものではなく、（１）排除した振幅の分布
用にモデルを選択するステップと、（２）指定のモデル
でそのデータの標準偏差を決定するステップとで構成さ
れる。
排除したスペクトルサブイメージデータに含まれる情
報の多くはモデル化できるが、排除したデータがそのモ
デルで定義されるので、そのモデルでデータの特徴を表
すパラメータだけを計算してコーディングし、排除しな
かったスペクトルサブイメージデータとともに記憶すれ
ばよい。その後、このイメージを再現する場合は、記憶
したパラメータをそのモデルに適用して排除したデータ
の近似値を計算し、排除した振幅の統計サンプルを作成
することができる。これによって、元のイメージを正確
に再現するのに必要なデータ記憶空間が小さくなり、上
記のような視覚アーチファクトも生じない。
報の多くはモデル化できるが、排除したデータがそのモ
デルで定義されるので、そのモデルでデータの特徴を表
すパラメータだけを計算してコーディングし、排除しな
かったスペクトルサブイメージデータとともに記憶すれ
ばよい。その後、このイメージを再現する場合は、記憶
したパラメータをそのモデルに適用して排除したデータ
の近似値を計算し、排除した振幅の統計サンプルを作成
することができる。これによって、元のイメージを正確
に再現するのに必要なデータ記憶空間が小さくなり、上
記のような視覚アーチファクトも生じない。
第４図は、一般的な医療用イメージの中のｆ′のうち
消去された振幅の確率分布を示す図である。排除した振
幅の数を垂直軸に示し、消去された振幅の値を水平軸に
示す。この排除した振幅の分布は次の式で表されるガウ
ス関数に一致する。
消去された振幅の確率分布を示す図である。排除した振
幅の数を垂直軸に示し、消去された振幅の値を水平軸に
示す。この排除した振幅の分布は次の式で表されるガウ
ス関数に一致する。
ただし、ｐ（ｘ）はガス確率密度、ｘは消去された振幅
の値、σ2はｘの平方偏差である。この分布では、ｘの
標準偏差（平方偏差の平方根）だけを記憶したｐ（ｘ）
を再現すればよい。
の値、σ2はｘの平方偏差である。この分布では、ｘの
標準偏差（平方偏差の平方根）だけを記憶したｐ（ｘ）
を再現すればよい。
ラプラシアンやレイリーなど、その他のモデル分布で
あれば一部の情報をもっと正確に表現できることもある
ので、本発明は、任意のイメージについて排除したスペ
クトルサブイメージデータを最適にモデル化する分布を
用いて実施しなければならない。このため、本発明は、
特定のモデルや分布に限定されるものではない。
あれば一部の情報をもっと正確に表現できることもある
ので、本発明は、任意のイメージについて排除したスペ
クトルサブイメージデータを最適にモデル化する分布を
用いて実施しなければならない。このため、本発明は、
特定のモデルや分布に限定されるものではない。
本発明では好ましい実施例で指定のモデルとしてガウ
ス分布を使用しているが、本発明に応用したように、消
去された振幅の値をｘで表すと、排除した振幅の標準偏
差によって、排除した振幅の発生について完全に確率的
に示される。このため、標準偏差は、数学モデルの機能
を果たす特定のガウス分布によって、排除したデータの
特徴を表すパラメータとなる。
ス分布を使用しているが、本発明に応用したように、消
去された振幅の値をｘで表すと、排除した振幅の標準偏
差によって、排除した振幅の発生について完全に確率的
に示される。このため、標準偏差は、数学モデルの機能
を果たす特定のガウス分布によって、排除したデータの
特徴を表すパラメータとなる。
排除したスペクトルサブイメージデータの数学モデル
を示すパラメータを計算する場合、排除した振幅数Ｎ
と、排除した各振幅のデータ値ｆ′ijと、このようなデ
ータ値それぞれの二乗が累計される。次に排除した振幅
の平方偏差が次のようにCPU32によって計算される。
を示すパラメータを計算する場合、排除した振幅数Ｎ
と、排除した各振幅のデータ値ｆ′ijと、このようなデ
ータ値それぞれの二乗が累計される。次に排除した振幅
の平方偏差が次のようにCPU32によって計算される。
σ2＝＜（ｆ′ij−＜ｆ′ij＞）2＞ さらに、標準偏差がセーブされ、排除しなかった振幅
のビットストリームに付加される。排除したデータの分
布を示す指定の数学モデルも保存しなければならない
が、これはそのデータとともにデータ記憶装置40内に記
憶しておく必要はない。パラメータの選択に使用するの
と同じモデルを使い、排除したデータを再現しなければ
ならない。
のビットストリームに付加される。排除したデータの分
布を示す指定の数学モデルも保存しなければならない
が、これはそのデータとともにデータ記憶装置40内に記
憶しておく必要はない。パラメータの選択に使用するの
と同じモデルを使い、排除したデータを再現しなければ
ならない。
標準偏差はイメージ全体について計算するか、必要な
データ圧縮度に応じてスペクトルサブイメージ毎に計算
してもよい。イメージ全体のスペクトル成分がかなり一
定であれば、過剰な視覚アーチファクトを引き起こさず
に前者の方法を使用することができる。サブイメージ毎
にスペクトル成分がかなり変化する場合には、スペクト
ルサブイメージ毎に標準偏差を計算して記憶しなければ
ならない。
データ圧縮度に応じてスペクトルサブイメージ毎に計算
してもよい。イメージ全体のスペクトル成分がかなり一
定であれば、過剰な視覚アーチファクトを引き起こさず
に前者の方法を使用することができる。サブイメージ毎
にスペクトル成分がかなり変化する場合には、スペクト
ルサブイメージ毎に標準偏差を計算して記憶しなければ
ならない。
上記の変換では、空間イメージデータ値と同じ数のス
ペクトルイメージデータ値ができる。排除しなかった振
幅のダイナミックレンジは空間イメージデータのレンジ
を超えてもよい。実質的にデータコーディング率を下げ
るには、スペクトルサブイメージデータの値として考え
られるものをすべて保存することはできない。このた
め、データ値はコード化する前に量子化される（フロー
チャート100のステップ120）。量子化は、多くのデータ
値を１つのデータ値にマッピングすることによって変換
領域内の情報量を削減するので、さらにデータを圧縮で
きるが、圧縮誤差を生じることになる。この圧縮誤差
は、１つの代表値で多くのデータ値の近似値を求めるこ
とから生じる。
ペクトルイメージデータ値ができる。排除しなかった振
幅のダイナミックレンジは空間イメージデータのレンジ
を超えてもよい。実質的にデータコーディング率を下げ
るには、スペクトルサブイメージデータの値として考え
られるものをすべて保存することはできない。このた
め、データ値はコード化する前に量子化される（フロー
チャート100のステップ120）。量子化は、多くのデータ
値を１つのデータ値にマッピングすることによって変換
領域内の情報量を削減するので、さらにデータを圧縮で
きるが、圧縮誤差を生じることになる。この圧縮誤差
は、１つの代表値で多くのデータ値の近似値を求めるこ
とから生じる。
量子化は、本技術で周知の統計的量子化方法で行われ
るが、この方法はクリッピングアーチファクトを最も少
なくする一方で、最低限の量子化誤差しか発生しない。
yL≦ｙ≦yHでしかもｙの量子化値ｙを有する場合にｙで
確立変数の値を表すと、ｙの確率分布はｐ（ｙ）とな
る。一組の識別レベルdjと一組の再現値rjは次式が最小
になるように定義される。
るが、この方法はクリッピングアーチファクトを最も少
なくする一方で、最低限の量子化誤差しか発生しない。
yL≦ｙ≦yHでしかもｙの量子化値ｙを有する場合にｙで
確立変数の値を表すと、ｙの確率分布はｐ（ｙ）とな
る。一組の識別レベルdjと一組の再現値rjは次式が最小
になるように定義される。
ｙ＝rj （dj-1＜ｙ＜djの場合） この場合、EQは平均二乗量子化誤差である。この最適量
子化問題を解くと、再現レベルと識別レベルの位置とし
て次の式が得られる。
子化問題を解くと、再現レベルと識別レベルの位置とし
て次の式が得られる。
dj＝（rj-1＋rj）/2 最初の式は、対応する識別レベル間の分布の中心軌跡に
なるように再現値を選択しなければならないことを示し
ているのに対し、二番目の式は、識別レベルが対応する
再現値の間にこなければならないことを示している。こ
れらの式は再帰的に解いて、EQを最小にすると識別レベ
ルと再現レベルの位置を求めてもよい。このように解く
と、ｙのサンプリング値が発生しやすい領域では、識別
レベル同士の間隔をもっと狭くしなければならないとい
う意見を満足する。
なるように再現値を選択しなければならないことを示し
ているのに対し、二番目の式は、識別レベルが対応する
再現値の間にこなければならないことを示している。こ
れらの式は再帰的に解いて、EQを最小にすると識別レベ
ルと再現レベルの位置を求めてもよい。このように解く
と、ｙのサンプリング値が発生しやすい領域では、識別
レベル同士の間隔をもっと狭くしなければならないとい
う意見を満足する。
ガウス分布では、第５図に示すように、確率が低く、
ｙの値が大きい場合にクリッピングが発生する可能性が
あるが、このようにｙの値が大きいことはスペクトルサ
ブイメージデータ値の絶対値が大きいことに対応してい
る。このようにクリッピングが生じると、エッジにアー
チファクトができる。このため、空間サブイメージにエ
ッジの細部がかなり含まれている場合には、スペクトル
サブイメージの高周波振幅の規模が大きくなるので、本
発明の好ましい実施例では、第５図に示す範囲全体でデ
ータ値を均一に量子化することによって、必要な量子化
ビット数を増やさずにエッジアーチファクトが発生しな
いようにしている。識別レベルd5〜d8と再現値r4〜r
7は、ｙ軸方向に等間隔で示される。例えば、d5〜d6の
識別点の間にあるデータ値は、量子化されて再現値r5に
なる。これを行っている間に、量子化誤差の増加を犠牲
にして、クリッピングアーチファクトが削減されてい
る。
ｙの値が大きい場合にクリッピングが発生する可能性が
あるが、このようにｙの値が大きいことはスペクトルサ
ブイメージデータ値の絶対値が大きいことに対応してい
る。このようにクリッピングが生じると、エッジにアー
チファクトができる。このため、空間サブイメージにエ
ッジの細部がかなり含まれている場合には、スペクトル
サブイメージの高周波振幅の規模が大きくなるので、本
発明の好ましい実施例では、第５図に示す範囲全体でデ
ータ値を均一に量子化することによって、必要な量子化
ビット数を増やさずにエッジアーチファクトが発生しな
いようにしている。識別レベルd5〜d8と再現値r4〜r
7は、ｙ軸方向に等間隔で示される。例えば、d5〜d6の
識別点の間にあるデータ値は、量子化されて再現値r5に
なる。これを行っている間に、量子化誤差の増加を犠牲
にして、クリッピングアーチファクトが削減されてい
る。
データ圧縮に必要な最終マッピング手順は、排除しな
かった量子化データにコードワードを割り当てる（ステ
ップ124）ことである。その量子化データセットを表現
するための一組の２進シンボルを効果的に選択すると、
さらに圧縮される。好ましい実施例ではハフマンコード
（Huffman Code）を使用しているが、これは立証済のコ
ンパクトコードであるためで、実現の複雑さが要求する
ように他のコーディング方法で本発明を実施してもよ
い。
かった量子化データにコードワードを割り当てる（ステ
ップ124）ことである。その量子化データセットを表現
するための一組の２進シンボルを効果的に選択すると、
さらに圧縮される。好ましい実施例ではハフマンコード
（Huffman Code）を使用しているが、これは立証済のコ
ンパクトコードであるためで、実現の複雑さが要求する
ように他のコーディング方法で本発明を実施してもよ
い。
圧縮したデータと、排除したスペクトルサブイメージ
データの数学モデルを示すパラメータは、好ましい実施
例では排除しなかったスペクトルサブイメージデータを
コーディングし量子化したものと、排除したスペクトル
サブイメージデータの標準偏差とで構成されているが、
これらは第１図のデータ記憶装置40に記憶され、これに
よってデータの圧縮と記憶のプロセスが完了する。
データの数学モデルを示すパラメータは、好ましい実施
例では排除しなかったスペクトルサブイメージデータを
コーディングし量子化したものと、排除したスペクトル
サブイメージデータの標準偏差とで構成されているが、
これらは第１図のデータ記憶装置40に記憶され、これに
よってデータの圧縮と記憶のプロセスが完了する。
元のイメージを表示装置44に表示させる場合は、CPU3
2が、データ記憶装置40に記憶されている標準偏差とコ
ード化したデータを検索してから、このデータをデコー
ドし、数学モデルとそのモデルを示すパラメータを仮定
して排除したサブイメージデータを推定し、さらに元の
イメージの近似値を再現しなければならない。ハフマン
コード値は、本技術では周知の方法で、排除しなかった
量子化サブイメージデータにデコードされる（フローチ
ャート100のステップ128）。
2が、データ記憶装置40に記憶されている標準偏差とコ
ード化したデータを検索してから、このデータをデコー
ドし、数学モデルとそのモデルを示すパラメータを仮定
して排除したサブイメージデータを推定し、さらに元の
イメージの近似値を再現しなければならない。ハフマン
コード値は、本技術では周知の方法で、排除しなかった
量子化サブイメージデータにデコードされる（フローチ
ャート100のステップ128）。
本発明によると、排除したスペクトルサブイメージデ
ータの数学モデルに検索したパラメータを適用すれば、
排除したスペクトルサブイメージデータの近似値が生成
される。好ましい実施例は一例として示したもので限定
するものではないので、この実施例では、排除したスペ
クトルサブイメージデータの近似値は、ガウス分布と１
の標準偏差を有する確率変数のサンプルを生成すること
で得られる。このサンプルの値に、検索した標準偏差を
掛けて排除した振幅の統計的推定値を求める。このよう
なデータ値の統計的推定は、その後、デコードしたスペ
クトルサブイメージデータに加えられる。
ータの数学モデルに検索したパラメータを適用すれば、
排除したスペクトルサブイメージデータの近似値が生成
される。好ましい実施例は一例として示したもので限定
するものではないので、この実施例では、排除したスペ
クトルサブイメージデータの近似値は、ガウス分布と１
の標準偏差を有する確率変数のサンプルを生成すること
で得られる。このサンプルの値に、検索した標準偏差を
掛けて排除した振幅の統計的推定値を求める。このよう
なデータ値の統計的推定は、その後、デコードしたスペ
クトルサブイメージデータに加えられる。
実際には、ガウス分布と１の標準偏差を有する乱数表
が作られる。排除したスペクトルサブイメージデータ値
を置換する場合は、ある数が乱数表から任意に選択され
る。この選択された数に検索したパラメータを掛ける
が、このパラメータは好ましい実施例では排除したサブ
イメージデータの標準偏差である。パラメータを掛けて
得られた積は、置換振幅というが、排除したスペクトル
サブイメージデータの統計的推定値となる。これは正し
いことだが、それは、表に並んだ数の分布が、排除した
振幅の分布と同様、ガウス分布になっているからであ
る。このため、置換振幅は、圧縮プロセス中になくなっ
たイメージ情報に統計的に置換される。この置換振幅
は、デコードしたデータストリーム内の排除した振幅の
位置に挿入され、の近似値であるq′の構造にな
る。
が作られる。排除したスペクトルサブイメージデータ値
を置換する場合は、ある数が乱数表から任意に選択され
る。この選択された数に検索したパラメータを掛ける
が、このパラメータは好ましい実施例では排除したサブ
イメージデータの標準偏差である。パラメータを掛けて
得られた積は、置換振幅というが、排除したスペクトル
サブイメージデータの統計的推定値となる。これは正し
いことだが、それは、表に並んだ数の分布が、排除した
振幅の分布と同様、ガウス分布になっているからであ
る。このため、置換振幅は、圧縮プロセス中になくなっ
たイメージ情報に統計的に置換される。この置換振幅
は、デコードしたデータストリーム内の排除した振幅の
位置に挿入され、の近似値であるq′の構造にな
る。
次に、q′の逆変数が次のように行われる（フロー
チャート100のステップ138）。
チャート100のステップ138）。
＝T q′， その結果、空間サブイメージブロックが得られ、それか
ら元のイメージＦデータ値の近似値Fqが再現されて第１
図の表示装置44に表示される（ステップ140）。
ら元のイメージＦデータ値の近似値Fqが再現されて第１
図の表示装置44に表示される（ステップ140）。
その他の利点や変更態様は、当業者には容易に考えら
れるであろう。このため、本発明はより広い要点につい
て示してあり、本明細書中に示した特定の細かい事項
や、代表的装置、図示の例などに限定されるものではな
い。従って、本出願人の一般的な発明概念の精神や範囲
を逸脱せずに、上記の細かい事項からさらに発展させる
ことは可能である。
れるであろう。このため、本発明はより広い要点につい
て示してあり、本明細書中に示した特定の細かい事項
や、代表的装置、図示の例などに限定されるものではな
い。従って、本出願人の一般的な発明概念の精神や範囲
を逸脱せずに、上記の細かい事項からさらに発展させる
ことは可能である。
［発明の効果］ 以上詳述したように本発明では、排除したデータは、
ガウス分布などの統計的分布でモデル化し、排除したこ
のデータの標準偏差は、排除しなかった圧縮データとと
もに記憶し、イメージ再現時には、この標準偏差を用い
て圧縮時に排除したデータに近づけ、これにより視覚ア
ーチファクトを実質的に削減して元のイメージに近づけ
るようにしたことにより、圧縮時に排除したイメージデ
ータの近似値をとることによって、圧縮したイメージデ
ータから再現した医療用イメージの視覚アーチファクト
を削減する画像処理方法およびその装置を提供すること
ができる。
ガウス分布などの統計的分布でモデル化し、排除したこ
のデータの標準偏差は、排除しなかった圧縮データとと
もに記憶し、イメージ再現時には、この標準偏差を用い
て圧縮時に排除したデータに近づけ、これにより視覚ア
ーチファクトを実質的に削減して元のイメージに近づけ
るようにしたことにより、圧縮時に排除したイメージデ
ータの近似値をとることによって、圧縮したイメージデ
ータから再現した医療用イメージの視覚アーチファクト
を削減する画像処理方法およびその装置を提供すること
ができる。
第１図は本発明によるイメージデータの圧縮と再現を実
施する医療用画像処理装置の一例を示す図、第２図は第
１図の装置が実施するイメージデータの圧縮と再現のフ
ローチャート、第３図は基礎イメージのサブイメージブ
ロックを示す図、第４図は排除したスペクトルサブイメ
ージの振幅数とその振幅値との関係を示すグラフ、第５
図は量子化した変数ｙのガウス分布と、識別レベルなら
びに再現値を示すグラフである。 24…結像装置、28…イメージデータ、40…データ記憶装
置、44…表示装置。
施する医療用画像処理装置の一例を示す図、第２図は第
１図の装置が実施するイメージデータの圧縮と再現のフ
ローチャート、第３図は基礎イメージのサブイメージブ
ロックを示す図、第４図は排除したスペクトルサブイメ
ージの振幅数とその振幅値との関係を示すグラフ、第５
図は量子化した変数ｙのガウス分布と、識別レベルなら
びに再現値を示すグラフである。 24…結像装置、28…イメージデータ、40…データ記憶装
置、44…表示装置。
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 1/00 H04N 1/41 - 1/419
Claims (4)
- 【請求項１】イメージデータの変換圧縮によって生じる
視覚アーチファクトを実質的に削減するための画像処理
方法であって、空間イメージデータを該空間イメージの
周波数成分と振幅を表すスペクトルイメージデータに変
換するステップと、前記スペクトルイメージデータのう
ち指定の周波数特性と振幅特性を有するものを排除する
ステップと、排除した該スペクトルイメージデータの特
徴を指定の数学モデルで表す少なくとも１つのパラメー
タを計算するステップと、排除しなかったイメージデー
タをコード化してデータ圧縮するステップと、コード化
した該データと前記パラメータをデータ記憶装置に記憶
するステップと、コード化した該スペクトルイメージデ
ータをデコードするステップと、前記パラメータを前記
モデルに適用し排除した前記スペクトルイメージデータ
の近似値を出力するステップとからなることを特徴とす
る画像処理方法。 - 【請求項２】医療用イメージデータの変換圧縮によって
生じる視覚アーチファクトを実質的に削減するための画
像処理方法であって、前記イメージデータを空間サブイ
メージデータを有する複数の空間サブイメージに区分す
るステップと、前記空間サブイメージデータを該空間サ
ブイメージデータの周波数成分と振幅を表すスペクトル
サブイメージデータに変換するステップと、前記スペク
トルサブイメージデータのうち指定の周波数特性と振幅
特性を有するものを排除するステップと、排除した該ス
ペクトルサブイメージデータの特徴を指定の数学モデル
で表す少なくとも１つのパラメータを計算するステップ
と、排除しなかったスペクトルサブイメージデータをコ
ード化してデータ圧縮するステップと、コード化した該
データと前記パラメータをデータ記憶装置に記憶するス
テップと、コード化した該スペクトルサブイメージデー
タをデコードするステップと、前記パラメータを前記モ
デルに適用し排除した前記スペクトルサブイメージデー
タの近似値を出力するステップとからなることを特徴と
する画像処理方法。 - 【請求項３】医療用イメージデータの変換圧縮によって
生じる視覚アーチファクトを実質的に削減するための画
像処理装置であって、空間イメージデータを該空間イメ
ージデータの周波数成分と振幅を表すスペクトルイメー
ジデータに変換する手段と、前記スペクトルイメージデ
ータのうち指定の周波数特性と振幅特性を有するものを
排除する手段と、排除した該スペクトルイメージデータ
の特徴を指定の数学モデルで表す少なくとも１つのパラ
メータを計算する手段と、排除しなかったスペクトルイ
メージデータをコード化してデータ圧縮する手段と、コ
ード化した該データと前記パラメータを記憶するデータ
記憶装置と、コード化した該スペクトルイメージデータ
をデコードする手段と、前記パラメータを前記モデルに
適用し排除した前記スペクトルイメージデータの近似値
を出力するステップとからなることを特徴とする画像処
理装置。 - 【請求項４】医療用イメージデータの変換圧縮によって
生じる視覚アーチファクトを実質的に削減するための画
像処理装置であって、前記イメージデータを空間サブイ
メージデータを有する複数の空間サブイメージに区分す
る手段と、前記空間サブイメージデータを該空間サブイ
メージデータの周波数成分と振幅を表すスペクトルサブ
イメージデータに変換する手段と、前記スペクトルサブ
イメージデータのうち指定の周波数特性と振幅特性を有
するものを排除する手段と、排除した該スペクトルサブ
イメージデータの特徴を指定の数学モデルで表す少なく
とも１つのパラメータを計算する手段と、排除しなかっ
たスペクトルサブイメージデータをコード化してデータ
圧縮する手段と、コード化した該データと前記パラメー
タを記憶するデータ記憶装置と、コード化した該スペク
トルサブイメージデータをデコードする手段と、前記パ
ラメータを前記モデルに適用し排除した前記スペクトル
サブイメージデータの近似値を出力する手段とからなる
ことを特徴とする画像処理装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US242,364 | 1988-09-09 | ||
| US07/242,364 US4939645A (en) | 1988-09-09 | 1988-09-09 | Method and apparatus to reduce transform compression visual artifacts in medical images |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02153477A JPH02153477A (ja) | 1990-06-13 |
| JP2885433B2 true JP2885433B2 (ja) | 1999-04-26 |
Family
ID=22914503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1233406A Expired - Fee Related JP2885433B2 (ja) | 1988-09-09 | 1989-09-08 | 画像処理方法及びその装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US4939645A (ja) |
| JP (1) | JP2885433B2 (ja) |
| DE (1) | DE3917362C2 (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5289548A (en) * | 1992-06-30 | 1994-02-22 | Loral Aerospace Corp. | Compression and reconstruction of radiological images |
| JPH07123317A (ja) * | 1993-10-21 | 1995-05-12 | Canon Inc | 防振機能付き撮影装置 |
| US6389177B1 (en) * | 1996-07-02 | 2002-05-14 | Apple Computer, Inc. | System and method using edge processing to remove blocking artifacts from decompressed images |
| US6327392B1 (en) | 1999-01-28 | 2001-12-04 | Sharp Laboratories Of America, Inc. | Method of visual progressive coding |
| JP2006338630A (ja) * | 2005-05-31 | 2006-12-14 | Terarikon Inc | 圧縮された画像データを順次部分解凍しながら三次元画像を作成する三次元画像表示装置 |
| US10503999B2 (en) * | 2015-03-24 | 2019-12-10 | Hrl Laboratories, Llc | System for detecting salient objects in images |
| WO2017136083A1 (en) * | 2016-02-05 | 2017-08-10 | Google Inc. | Compressing images using neural networks |
| DE102016110197A1 (de) * | 2016-06-02 | 2017-12-07 | Sascha Grusche und Christoph Knappe Research and Development GbR (vertretungsberechtige Gesellschafter: Sascha Grusche; Christoph Knappe und Daniel Eble, in 80636 München) | Verfahren und Vorrichtung zur Erzeugung und Dekodierung spektral enkodierter Bilder |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4654484A (en) * | 1983-07-21 | 1987-03-31 | Interand Corporation | Video compression/expansion system |
| DE3624818A1 (de) * | 1985-02-06 | 1987-02-05 | Rca Corp | Verfahren und einrichtung zur reduzierung von bilddaten |
| IL77840A (en) * | 1986-02-10 | 1989-05-15 | Elscint Ltd | Data compression system for digital imaging |
| US4835607A (en) * | 1987-11-16 | 1989-05-30 | Technology, Inc. | Method and apparatus for expanding compressed video data |
-
1988
- 1988-09-09 US US07/242,364 patent/US4939645A/en not_active Expired - Fee Related
-
1989
- 1989-05-29 DE DE3917362A patent/DE3917362C2/de not_active Expired - Fee Related
- 1989-09-08 JP JP1233406A patent/JP2885433B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| DE3917362C2 (de) | 1994-11-03 |
| DE3917362A1 (de) | 1990-03-15 |
| US4939645A (en) | 1990-07-03 |
| JPH02153477A (ja) | 1990-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6711299B2 (en) | Wavelet transformation of dithered quantized/reduced color pixels for color bit depth image compression and decompression | |
| JP3135061B2 (ja) | 画像復号化方法 | |
| RU2433479C2 (ru) | Адаптивное кодирование и декодирование коэффициентов с широким диапазоном | |
| RU2127962C1 (ru) | Способ и устройство для кодирования изображения | |
| US5719961A (en) | Adaptive technique for encoder and decoder signal transformation | |
| JP2005102243A (ja) | 再構成実行方法、再構成実行装置及び記録媒体 | |
| EP0491779A4 (en) | Improved image compression method and apparatus | |
| Ran et al. | A perceptually motivated three-component image model-part II: applications to image compression | |
| JPH0677843A (ja) | 映像データの可変長符号化／復号化方法及び装置 | |
| JP2006502604A (ja) | 任意形状オブジェクトの画像圧縮方法 | |
| JP2885433B2 (ja) | 画像処理方法及びその装置 | |
| CN108182712B (zh) | 图像处理方法、装置及系统 | |
| AU772599B2 (en) | Improving compressed image appearance using stochastic resonance and energy replacement | |
| JP2732691B2 (ja) | 画像圧縮装置および画像復元装置 | |
| JP3271098B2 (ja) | ディジタル画像信号復号装置および方法 | |
| Babu et al. | Efficient approach of run length coding technique using lossless grayscale image compression (E-RLC) | |
| JP2527352B2 (ja) | ベクトル量子化による画像デ―タの圧縮装置 | |
| Kamatar et al. | Image Compression Using Mapping Transform with Pixel Elimination | |
| JP2001016588A (ja) | 信号処理システム | |
| JP3132171B2 (ja) | 縮小画像の復号装置 | |
| JPH04271664A (ja) | 画像データ圧縮装置および画像データ復元装置 | |
| JP2000270334A (ja) | 符号化装置、復号化装置、画像処理装置、符号化方法、復号化方法及び画像処理方法 | |
| Alhadi | Compression of Medical Images Based on 2D-Discrete Cosine Transform and Vector Quantization Algorithms | |
| Belbachir et al. | Image Compression using the Hartley Transform | |
| JP3530844B2 (ja) | 画像処理方法及びその装置並びに記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R371 | Transfer withdrawn |
Free format text: JAPANESE INTERMEDIATE CODE: R371 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |