基于空間預(yù)測與變換的醫(yī)學(xué)圖像壓縮方法

1、引言

　　圖像是人類最主要的信息源。在信息爆炸的時代，圖像數(shù)據(jù)壓縮技術(shù)是解決海量圖像數(shù)據(jù)的存儲和傳輸重要手段。因此尋求最佳的圖像數(shù)據(jù)壓縮技術(shù)也始終是信息技術(shù)領(lǐng)域中的一個研究熱點。

　　隨著醫(yī)學(xué)成像技術(shù)和計算機技術(shù)的發(fā)展，數(shù)字化醫(yī)學(xué)圖像在醫(yī)學(xué)臨床診斷和教學(xué)研究中的應(yīng)用日益廣泛。一方面，從X射線、計算機斷層掃描（CT）到核磁共振（MRI）、超聲圖像等的出現(xiàn)和發(fā)展，使得醫(yī)學(xué)影像的質(zhì)量越來越高，在醫(yī)學(xué)診斷中扮演越來越重要的角色；另一方面，醫(yī)學(xué)影像具有的信息量也越來越大，在醫(yī)院使用PACS系統(tǒng)和遠程醫(yī)療診斷系統(tǒng)中，均需大量的存儲空間來存儲和傳輸，圖像數(shù)據(jù)的大小將會直接影響到傳輸?shù)乃俣?，?dǎo)致目的地臨床醫(yī)生無法進行有效的診斷。醫(yī)學(xué)圖像壓縮編碼現(xiàn)已成為醫(yī)療信息學(xué)一個重要的研究方向，它要求重構(gòu)圖像不能有明顯的失真，可以滿足日益龐大的醫(yī)學(xué)圖像數(shù)據(jù)的壓縮和傳輸任務(wù)。

2、空間域圖像壓縮算法介紹

2．1 頻率域圖像壓縮算法的缺陷

　　近年來，圖像數(shù)據(jù)的壓縮取得了很大的發(fā)展，涌現(xiàn)了很多非常優(yōu)秀的壓縮算法。目前受到廣泛應(yīng)用，并已納入新的國際標準的基于小波的壓縮方法是一種成熟的、具有高保真壓縮效果的壓縮方法，但針對醫(yī)學(xué)圖像的壓縮，該方法有一些嚴重的缺陷：

　?。?）基于小波的壓縮方法是通過犧牲高頻信息、保存低頻信息的方法來換取壓縮比的，圖像經(jīng)小波分解量化后會損失高頻信息，并且隨著壓縮倍率的提高，高頻信息的損失將越嚴重，這樣會直接造成圖像中紋理細節(jié)的損失；

　?。?）該方法必須以大面積圖像為基礎(chǔ)（隨著小波分解所用基礎(chǔ)面積的減小，恢復(fù)圖像質(zhì)量將急劇降低），并在多次二維小波分解基礎(chǔ)上再做無失真編碼后，才能得到高保真的壓縮效果，但這種以大面積作為處理基礎(chǔ)的算法是難于實現(xiàn)實時壓縮的。

2．2 空間域圖像壓縮算法簡介

　　正因為變換域編碼存在以上缺陷，因此，人們又把目光投向了基于空間域的壓縮方法。

　　在文獻[4]中作者提出了多分辨率空間重采樣圖像壓縮算法RBC算法。RBC算法在壓縮比為4倍左右的應(yīng)用情況下，其壓縮質(zhì)量不低于基于小波的壓縮算法。但是因為RBC算法在對圖像的結(jié)構(gòu)描述上過于簡單，隨著壓縮比的上升，其壓縮質(zhì)量迅速下降，因此，文獻[5]在此基礎(chǔ)上進行了改進，提出了基于模式特征的圖像壓縮算法SDBC算法。該算法以4×4的像素塊作為基本的圖像子區(qū)，用作壓縮處理的基本單元，每個圖像子區(qū)根據(jù)其紋理結(jié)構(gòu)的復(fù)雜程度，分為平坦區(qū)、粗紋理區(qū)和細紋理區(qū)三類，以子區(qū)內(nèi)圖像的平均方差作為分類的準則，其壓縮質(zhì)量較RBC算法有顯著提高。

　　雖然SDBC算法考慮了圖像中紋理的分布，進行分區(qū)壓縮，但是該算法只是用了4×4大小的塊，并且只進行了三種分類模式，顯然，這種方法并不能覆蓋圖像中的所有紋理。因此，本文延續(xù)SDBC的算法思想，借鑒H.264視頻編碼標準中的幀內(nèi)編碼技術(shù)，提出了基于空間預(yù)測和變換的壓縮方法來解決以上的問題。

3、基于空間預(yù)測與變換的醫(yī)學(xué)圖像壓縮方法

3．1 基于空間預(yù)測與變換的醫(yī)學(xué)圖像壓縮方法概述

　　基于空域的圖像壓縮算法一般不能像基于小波變換的算法那樣能進行全圖的運算，而是要分塊處理，為了便于計算機處理，一般圖像的分塊大小為2n×2n。本文選取4×4和16×16兩種大小不同的塊作為處理的窗口，以SAD作為窗口大小的選擇的準則。本算法以16×16的宏塊為單位進行編碼。

　　基于空間預(yù)測和變換的醫(yī)學(xué)圖像壓縮方法的大體流程如下：

　?。?）把圖像分成若干個16×16大小的宏塊；

　?。?）預(yù)測分析：對一個16×16的窗口進行預(yù)測分析。經(jīng)過分析，得到最終進行編碼的窗口大小：16×16或者4×4，以及最佳預(yù)測模式；

　?。?）預(yù)測編碼：根據(jù)（2）得到的窗口大小及最佳預(yù)測模式對該塊進行變換、量化和掃描處理，此外，還要進行反變換和反量化，生成重建窗口。

　　(4) 對（3）中得到的數(shù)據(jù)進行熵編碼；

　　(5)重復(fù)（2）、（3）、（4），遍歷圖像中所有的16×16宏塊。

3．2 預(yù)測類型

　　根據(jù)窗口的大小不同，本算法有兩種預(yù)測類型，分別為4×4預(yù)測類型和16×16預(yù)測類型。圖1中給出了產(chǎn)生4×4預(yù)測類型的像素分布，圖2中給出了除模式2外的其他8種預(yù)測模式，而模式2是均值預(yù)測模式，它是用當前塊的上邊及左邊像素的灰度值的均值來作為當前塊每個像素的預(yù)測值。16×16預(yù)測類型有4種預(yù)測模式，分別為垂直預(yù)測方式、水平預(yù)測方式、直流預(yù)測方式和平面預(yù)測方式（如圖3所示）。4×4預(yù)測類型適合預(yù)測細節(jié)多、變換相對較大、包含多個不同對象的圖像區(qū)域，而16×16預(yù)測類型較適合于預(yù)測平滑的圖像區(qū)域，對圖像中相對不變的部分進行編碼。