Методы сжатия медицинских изображений

Методы сжатия данных делятся на две основные группы: сжатие без потерь и сжатие с потерями информации. Сжатие цифровой информации без потерь широко используется во всех областях, где необходимо архивировать текстовые данные и компьютерные программы в виде исполняемых кодов. В этом случае любые потери информации при упаковке-распаковке данных могут привести к потери или искажению части содержания теста и потере работоспособности распакованной программы.

Методы сжатия с потерями используются в основном в области записи и хранении цифровых мультимедийных данных: изображений, а также аудио- и видеозаписей. В этом случае с определенной потерей точности оцифровки можно смириться, если она будет незаметна или слабозаметна.

Сжатие без потерь основано на том, что всякие цифровые данные, рассмотренные как последовательность (поток) бит информационно избыточны. Это позволяет ставить вопрос о сжатии данных в классической постановке, подразумевая под сжатием передачу того же количества информации с помощью последовательностей бит меньшей длины. Для этого используются специальные алгоритмы сжатия, уменьшающие избыточность.

Ø Среди простых алгоритмов сжатия без потерь наиболее известными являются алгоритмы кодирования цепочек (Run Length Encoding, RLE). Метод кодирования длин серий RLE. Он широко применяется при записи графических изображений в файлы. Примерами могут служить кадры диагностики, медицинские изображения (томография и др.) и другие, содержащие большие области постоянной яркости или цвета. Этот метод не эффективен при кодировании полутоновых изображений, в которых практически отсутствуют повторяющиеся последовательности уровней яркости. К методам сжатия без потерь относят также методы разностного кодирования, основанные на том, что разности амплитуд последовательных отсчетов, как правило, представляются меньшим числом разрядов, чем сами амплитуды.

Ø Статистические методы сжатия можно проиллюстрировать на примере метода Хаффмана. Идея этого метода заключается в том, что часто повторяющиеся символы следует кодировать более короткими цепочками битов, чем символы, которые встречаются реже. Очевидный недостаток данного метода заключается в необходимости заранее знать вероятности присутствия различных символов. Этот недостаток устраняется в однопроходных алгоритмах адаптивного сжатия, в которых для кодирования используются не гистограмма всего объема кодируемых данных, а только последних просмотренных пикселей.

Ø В настоящее время наиболее распространенным алгоритмом сжатия без потерь является алгоритм LWZ. Он применяется для сжатия данных в форматах GIF, PCX, PNG, TGA, TIFF и т.д.

65. Преимущества медицинской визуализации.