МИНОБРНАУКИ РОССИИ САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ ЭЛЕКТРОТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
«ЛЭТИ» ИМ. В.И. УЛЬЯНОВА (ЛЕНИНА) Кафедра Биотехнических систем
ПРЕЗЕНТАЦИЯ
по дисциплине «Автоматизированный анализ изображений»
ТЕМА: АЛГОРИТМЫ СЖАТИЯ МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ
Студентка гр. Филимонова Е.К. 5503
Преподаватель Виллевальде А.Ю.
Санкт-Петербург, 2020
Необходимость сжатия медицинских изображений
Сжатие данных – уменьшение объема данных, используемого для представления определенного количества информации.
Цель сжатия данных в области медицинской визуализации:
Потребность в компактном хранении и быстрой передачи изображений
пробле
ма
|
|
Изображения |
|
передаются в узкой |
|
Технические |
Процеду |
полосе частот |
аппаратуры имеют |
ра |
|
ограничения для |
сжатия |
|
хранения и передачи |
Экономия ресурсов и |
|
|
более длительное |
|
|
|
хранение |
Основные понятия
Двумерные массивы яркости – основной формат для наблюдения и интерпретации человеком.
Характеристики массивов в контексте сжатия изображений:
1.Кодовая избыточность. Восьмибитовые коды, используемые для представления значений в большинстве двумерных массивах яркостей, как правило, содержат большее число битов, чем это необходимо.
2.Пространственная (временнáя) избыточность. Поскольку значения пикселей в большинстве двумерных массивов яркостей пространственно коррелированы, информация излишним образом дублируется в представлении коррелированных пикселей.
3.Лишняя информация. Большинство двумерных массивов содержат информацию, игнорируемую зрительной системой человека и/или являющуюся посторонней в достижении цели, для которой используется изображение.
Классы алгоритмов сжатия изображений
Две основные части сжатия изображения: кодирование и декодирование.
Существующие алгоритмы делятся на два больших класса:
Алгоритмы сжатия |
Алгоритмы сжатия |
без потерь |
с потерями |
Существует алгоритм, обратный |
Алгоритм точного восстановления |
алгоритму сжатия, позволяющий |
отсутствует, восстановленное |
точно восстановить изображение. |
изображение не совпадает с |
Часто используются в медицине, в |
исходным. |
случаях когда потеря информации |
Обеспечивают гораздо большую |
недопустима или сами шумы |
степень сжатия. |
изображения являются главной |
Во многих ситуациях небольшие |
информацией. |
потери данных допустимы. |
Процесс сжатия изображения
Возможные виды представления при переходе от исходного изображения
|
|
Исходное изображение |
Преобразованное |
|
изображение |
|
Матрица компонент спектра |
|
(спектральные преобразования) |
|
|
Матрица пикселов (значения |
Набор коэффициентов |
преобразования (фрактальное |
|
интенсивности) |
сжатие) |
|
Описание объектов изображения |
|
(сжатие с распознаванием) |
|
|
Коэффициент сжатия (КС)
Одна из основных величин, характеризующая метод сжатия –
коэффициент сжатия (компрессии):
Цель процедуры компрессии: обеспечить наибольший КС, при котором точность восстановления будет достаточно высокой.
Сводка рекомендуемых КС для некоторых |
||||
исследований в Канаде, Англии и |
||||
|
Германии: |
Германи |
||
|
Канад |
Англи |
||
Рентгенограф |
а |
я |
я |
|
20-30 |
10 |
10 |
||
ия |
||||
|
|
|
||
Маммография |
15-25 |
20 |
15 |
|
КТ |
8-15 |
5 |
5-8 |
|
МРТ |
16-24 |
5 |
7 |
|
Ангиография |
н/д |
10 |
6 |
|
Стандарт DICOM
Cтандарт DICOM (Digital Imaging and COmmunications in Medicine) – это индустриальный стандарт для передачи радиологических изображений и другой медицинской информации между компьютерами, опирающийся на стандарт Open System Interconnection (OSI), разработанный Международной организацией по стандартам (International Standards Organization, ISO).
В стандарте DICOM PS3.5 указаны следующие алгоритмы сжатия изображений:
JPEG;
RLE;
JPEG-LS;
JPEG 2000.
Алгоритм RLE
Алгоритм RLE (Run Length Encoding) – кодирование с переменной длиной строки. Один из простейших методов сжатия.
Сжатие в пространственной области изображения.
Основной идея – поиск одинаковых пикселов в одной строке. Найденные цепочки одинаковых элементов заменяются на пары («счетчик повторений»-«значение»), что в определенных случаях существенно уменьшает избыточность данных.
Простейший пример кодирования бинарного изображения:Б К Б К Б
0 |
0 |
0 |
1 |
1 |
0 |
0 |
0 |
0 |
0 |
1 |
1 |
0 |
3 2 5 2 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
Б К
0 15
Б К Б
6 3 6
Если яркостей больше, чем в бинарном
Алгоритм RLE
Алгоритм рассчитан на изображения с большими областями повторяющегося цвета.
Проблема этого и аналогичных методов заключается в определении способа, при помощи которого распаковывающий алгоритм мог бы отличить в результирующем потоке байтов кодированную серию от других – некодированных последовательностей байтов. Решение – простановка меток вначале кодированных цепочек.
В данном случае построчное кодирование будет нерациональным, т.к. изображение имеет очень большое количество пикселей с разными яркостями.