基于JPEG 2000的医学图像ROI压缩

1 引言

医学图像是医学诊断和疾病治疗的重要根据，在临床上具有非常重要的应用价值。但往往这类影像图像的数量很大，每个图像所占的存储空间也不小。为了减少存储成本，提高图像在远程医疗中网络中的传输速度，对医疗影像进行压缩是必要的是关键的技术之一。

2 传统的医学图像压缩方法

医学图像压缩的主要目标是删除三种不同类型的冗余：编码冗余，像素间冗余及心理视觉冗余。传统的医学图像压缩可分为无损压缩和有损压缩两大类[1-2]：无损压缩的压缩过程是可逆的，即从压缩后的图像能够完全恢复出原来的图像，信息没有任何丢失，可保留医疗图像中的全部信息，但压缩比普遍不高，一般在2：1至3：1之间。有损压缩的压缩过程是不可逆的，即无法完全恢复出原图像，信息有一定的丢失，可以取得高的压缩比，一般在50：1左右，甚至更高，但有可能使医学图像中的重要信息丢失，可能为确切诊断带来影响。

3 基于感兴趣区域的选择性医学图像压缩 3.1 压缩思想及原理

为了在实际的临床应用中，使图像既能经过压缩便于存储传输，又不会影响临床诊断，需要对以上传统的两种方法进行折衷，在两者之间寻找一个合适的切入点，新发布的国际标准JPEG2000[3-4] 同时支持有损和无损压缩，而JPEG只能做到有损压缩。JPEG2000使用基于小波变换技术和最新算术熵编码技术，试图使压缩后的图像不但拥有较高的压缩比便于存储传输，此外，JPEG2000的误差稳定性也比较好，能更好地保证图像的质量。

所谓感兴趣区域(Region of Interest， ROI)是指用户可以任意指定其感兴趣区域图像的压缩质量，或者选择指定的部分先解压缩，以达到在显示的时候突出重点的目的。对一幅医学图像来说，不同的医生对图像的不同部分的要求是不同的，医生真正关心的只是与他诊疗有关的那部分病变区域，而其他区域的质量只要对视觉影响不大就行。所以选择对“感兴趣部分ROI(region of interest)”进行无损压缩，其余的部分采用上述的有损压缩方式进行编码传输，从而既保留了医学图像的诊断性又提高了压缩比。这就是感兴趣区域的选择性医学图像压缩策略。

3.2 编码流程

要实现对感兴趣区域的优先编码，必须采用嵌入式编码方案，嵌入ROI后的压缩编码流程如图1所示。JPEG2000编码器的结构首先对原图像数据进行离散小波变换，小波转换的主要目的是要将影像的频率成分抽取出来，通常，低频部分可保留影像的全貌，而高频部分则发生在所谓的边缘。然后对变换后的小波系数进行量化，接着对量化后的数据进行ROI编码，最后形成输出码流。解码器是编码器的逆过程。

根据用户的需要来定义一个掩码图像信息(Mask )，掩码图像信息实际是一个对应于整幅原始图像的二值图像数据，在定义了对应于与原始图像的掩码图像信息后，还需要进一步求出小波变换后对应于各个子带的掩码，即mask#39;(x，y)，从而实现对各个子带数据的上移位处理。生成掩码的方法有两种：回朔法和衍生法。掩码图像信息用来区别ROI区域和背景区域的数据。然后将各个子带中与ROI区域相关的系数相对于背景区域进行上移位处理，从而实现ROI区域的数据能够得到优先的位平面编码处理，并保证ROI区域的数据信息被放在生成码流的前端。相应的，ROI区域的图像数据在解码过程中也会得到优先恢复，使得ROI区域能够实现比背景区域更好的恢复效果。

图1 嵌入ROI后的压缩编码流程

传输过程中，可以先显示“感兴趣部分”再显示其余图像，实现一种渐进传输方式。当“感兴趣部分”传输完成后，再对其余部分进行渐进传输，满足需要后，可以不再传输细节部分。这样可以减少数据量的传输，提高传输速度，满足系统要求。

4 JPEG2000中的图像ROI编码方法

因为ROI区域是不规则的任意形状，解决的方案有三种，分别如下所述:

方案A是用一个大矩形框将图像的ROI区域完全覆盖(如图2(1)所示)，然后对矩形框内的区域采取高质量压缩，对框外区域采取低质量压缩。这种方法的优点是易于交互式的区域指定操作，压缩实现容易，但是有个很明显的缺点就是效率低下，特别是如果图像的ROI区域呈凹状的时候。

方案B是用若干个小矩形框将图像的ROI区域完全覆盖，然后再分别对各个矩形框内以及框外的区域进行不同质量的压缩。实际应用中，为了易于实现，通常是对图像进行网格状的划分处理，即把图像分成若干个大小相同的“片(slice )”(如图2(2)所示)，然后根据图像目标区域的Mask信息，确定哪些

slice包含有目标区域，需要进行高质量压缩;哪些不包括目标区域，需要进行低质量压缩。slice选取的大小将决定区域覆盖的精确度，即影响压缩的效率。

方案C是只对图像Mask信息覆盖的目标区域内的数据进行高质量压缩，而对其他区域进行低质量压缩〔如图2(3)所示)。但是，由于目标区域很可能是任意形状的，而普通的离散小波变换、离散余弦变换等都不支持这种任意形状的图像分解，因此该方案需要特殊的图像变换和编码技术才能实现。

5 实验与结论

本文使用JPEG2000标准的Maxshift法对单幅数字医学图像的感兴趣区域做ROI压缩，该图像分辨率为332 x 385， 采用5级小波分解。码块大小为64 x 64，对ROI使用矩形框选定，位置和大小可选。

图3为8bit的BMP原始图像，图4是无损压缩时的图像，可以发现该图与原始图像相比质量没有下降，图5是比特率为1.0bpp时的有损压缩图像，与原图像相比图像质量没有明显下降，图6是ROI区域在原图像中的位置和大小，ROI区域面积约为整幅图像面积的1/16。图7和图8分别是比特率为0.5bpp和0.3bpp时的图像，虽然这两幅图像的背景区域的图像质量跟原始图像相比有一定损失，尤其是图8的损失更大，但是这两幅图像ROI区域的图像质量跟原始图像相比质量并没有下降，因此，我们可以通过选选取适当的比特率来牺牲一部分背景区域的质量，从而保证图像中的RO1区域质量不下降。