会计学如何在压缩和解压过程中尽可能不损失原来图像中有用的信息，无损压缩方法无疑是最好(zuìhǎo)的解决方法。但是无损压缩方法只能获得2—3倍的压缩效率，这对于大容量医学图像的存储和传输来说显然不够。因此，JPEG的有损压缩方法也常常用于医学图像的压缩，特别是在进行远程医疗咨询和教学过程中得到应用。JPEG标准中有损压缩方法是采用DCT变换进行的。如果获取的是RGB色系的彩色图像，首先将其变换为CCIR(现在的ITU-T)标准化的色系YUV。这里Y为亮度值，即灰度值。U、V表示与色差有关的信息。由于人眼(rényǎn)具有对亮度的变化比对色差的变化更敏感的特性，可以对亮度和色度分量采用不同的比特数进行编码，如用YUV422或YUV411方法进行编码。然后将图像分割为8X8的子块，在每一个子块中进行DCT变换，这样可以得到对空间频率分布不同的DCT变换系数。根据不同频率的余弦函数对人的视觉影响不同，在对DCT系数进行量化时，对于高频部分用比较粗略的编码来描述，而对低频部分使用更多的比特。最后还要对量化后的变换系数采用相应的方法进行编码。由于采用不同的量化策略，可以使图像的信息量大大降低，从而达到压缩的目的。一般来说，采用DCT变换的JPEG方法的图像重建质量随着选择的量化系数的量化比特数不同而变化，较高的重建质量就会要求更多的细节信息。由于是对分割后图像的小块分别进行变换和量化，压缩到一定程度时，会导致(dǎozhì)块的边缘灰度级的明显变换，产生所谓的“块效应”。随着实际应用需求的不断提高和压缩算法研究的发展，新的更高效的压缩算法标准不断推出，近些年推出了对医学图像压缩产生重要影响的压缩标准，如支持无损／近无损压缩的JPEG—LS(ISO／IEC14495)标准和支持有损和无损压缩的JPEG2000(ISO／IECl5444)标准。在下面的章节中还要进行详细介绍。5．4JPEG—LS标准在医学图像中的应用DICOM3.0标准支持JPEG和RLE两种压缩算法，其中的JPEG无损压缩，采用DPCM模型，熵编码采用Huffman或算术编码，压缩速度较慢。RLE是传统的基于字典的编码技术，对于像素灰阶深度为12bit的灰度图像的压缩效果并不理想。随着无损压缩技术的发展，现在的JPEG-LS标准对于连续色调的灰度图像具有很好的压缩效果，最近发布的DICOM2000标准也宣布支持JPEG—LS标准。由此可见，实现JPEG—LS标准对于增强现有PACS的实用性和推广性具有重要意义。JPEG—LS标准以HP实验室提出的LOCO—I算法为核心，采用二维预测(yùcè)，并引入上下文预测(yùcè)和Golomb编码。该标准算法复杂度低，对于一般图像压缩比可达2.5倍以上。5．4．1JPEG—IS压缩模型图5．3描述了JPEG—LS的压缩模型，该压缩标准由预测器、上下文模型和熵编码器三部分组成。预测器采用固定的模板，通过该模板获得预测值，并通过上下文对预测值进行自适应校正。在上下文模型中，JPEG—LS首先计算局部梯度(tīdù)g1＝d一b、g2＝b一c、g3＝c一a，通过量化器量化，将量化后的梯度(tīdù)映射到上下文中，并以此对预测值进行修正。最后计算残差信号，并通过上下文预测得到合适的RICE编码系数对残差信号进行编码。在计算局部梯度(tīdù)时，如果g1＝g2＝g3＝0，则采用游程编码模式。/5．4．2JPEG—LS的预测模板如图5．4，JPEG—LS利用a、b、c、d四点的像素值进行预测。理想情况下，应该利用局部边缘方向自适应地进行像素值的预测。但是这样会增加算法的复杂度，而JPEG—LS所采用的LOC—I算法旨在提供一种低复杂度的压缩算法。因此，JPEG—LS采用固定预测模式，它利用图5．4所示的预测模板来检测水平或垂直方向的边缘，自适应校正部分由上下文(xiàwén)预测来完成，预测器按照式(5—2)进行预测.式(5—2)具有通用性，若待预测像素点左边出现垂直方向的边缘，则预测器取b作为预测值；若待预测像素点上面出现水平(shuǐpíng)方向的边缘，则预测器取a作为预测值；如果没有检测到边缘则取预测值为(a-b-c)。图5．4中的像素点d没有用在固定预测器中，它将用在上下文模型中。5．4．3JPEG-LS的上下文模型上下文模型的一个主要目的就是减少参数，而上下文模型中参数的数目是由每个上下文确定的编码(biānmǎ)分布参数和上下文的个数决定的。1．参数的确定连续色调图像的预测残差信号符合以零点为中心的双边几何分布(TSGD)。……这种方法会将平滑图像中出现几率很小的大预测残差信号映射为小的残差信号，但是这种融合不会严重影响残差分布的双边几何特性。2．上下文的确定在编码过程中，通过计算局部梯度g1＝d一b、g2＝b一c、g