CN111882564A - 一种超高清医学病理图像的压缩处理方法 - Google Patents
一种超高清医学病理图像的压缩处理方法 Download PDFInfo
- Publication number
- CN111882564A CN111882564A CN202010731925.9A CN202010731925A CN111882564A CN 111882564 A CN111882564 A CN 111882564A CN 202010731925 A CN202010731925 A CN 202010731925A CN 111882564 A CN111882564 A CN 111882564A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- images
- medical
- yuv
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000006835 compression Effects 0.000 title claims abstract description 73
- 238000007906 compression Methods 0.000 title claims abstract description 73
- 230000001575 pathological effect Effects 0.000 title claims abstract description 32
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims description 33
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000007170 pathology Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000903 blocking effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 35
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/116—Details of conversion of file system types or formats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4092—Image resolution transcoding, e.g. by using client-server architectures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及一种超高清医学病理图像的压缩处理方法,首先将医疗数字切片扫描***得到的医学病理图像的格式转换成常见的图像格式,然后通过分块和光栅扫描处理将图像提取成多张子图像并生成YUV视频序列,再采用HEVC视频编码工具对得到的序列进行无损、有损压缩编码,压缩后的文件可用于图像的存储和传输,最后通过解码重建的视频序列重构出完整的高分辨率的医学图像,以满足图像的观看需求。本发明可以在较小的失真范围内实现对超高分辨率医学图像的有效压缩,这将有利于专家远程会诊,并推动远程智慧医疗的实现和普及。
Description
技术领域
本发明涉及一种超高清医学病理图像的压缩处理方法,属于医学图像处理技术领域。
背景技术
在医学领域,医疗资源分配不均、跨地域就医难,一直是医疗行业发展的痛点。随着互联网技术和信息技术的快速发展,万物互联已走进生活的方方面面,5G时代的到来使远程智慧医疗成为异地就医的一种重要方式。
为了实现专家远程会诊,需要将病理切片通过数字切片扫描***进行数字化并保存,集成显微镜像处理、Web图像浏览等技术,使得同一张切片可在不同地点同时被多人浏览,通过语音、视频等方式的即时交流,实现不同地区的医学专家共同会诊,为缩小地区医疗水平差异带来福音。
在医学成像中,疾病的准确诊断和评估很大程度上取决于采集到的医学图像的质量,图像质量越高,所能表达的信息越丰富,越有利于疾病的正确诊断。近年来,图像采集质量已经得到了显著改善,医疗扫描设备以更快的速率和更高的分辨率采集数据,一幅扫描到的数字切片图像具有几十亿的像素分辨率,支持高达80倍的放大倍数,文件大小为数百兆或者几个G。超高的图像分辨率保证了医生对于病理信息的准确判断,但另一方面,这些图像的本地存储和传输对设备容量和网络带宽具有较高的要求。即使有专门的云端服务器来存储大尺寸的医学图像,但面对大量的病人信息和长期存储的医疗需求,如何对医学图像进行有效的压缩成为一个值得关注的问题。
另一方面,在多媒体领域,视频是记录视觉信息的重要形式,在人们可以感受到的所有信息中,视觉信息至少占据83%,为了对视频进行有效的存储和传输,需要对视频进行压缩编码。视频编码就是通过去除视频中的时空冗余信息,将视频序列转换成紧凑的二进制码流以便于存储和传输,过去几十年,学术界和工业界做出了大量努力,建立了一系列视频编码标准,不断提升视频编码效率。ITU-T建立了H.261和H.263,ISO/IEC建立了MPEG-1和MPEG-4Visual,ITU-T和ISO/IEC共同建立了H.262/MPEG-2Video、H.264/MPEG-4AVC(Advanced Video Coding)、H.265/MPEG-H HEVC(High Efficiency Video Coding)标准,HEVC的压缩性能较AVC有了显著提高,并同时支持无损压缩和有损压缩,以满足不同的应用需要。
总得来说,视频编码包括以下几个步骤:帧内/帧间预测、变换、量化、熵编码,其中帧内预测和帧间预测能分别去除视频帧的空间和时间冗余信息,从而实现对视频的有效压缩。
发明内容
针对现有技术的不足,本发明提出了一种超高清医学病理图像的压缩处理方法;
从多媒体的角度来看,视频的每一帧就是一幅图像,连续的多幅图像就是视频。因此可以通过高效的视频编码工具对超高分辨率的医学病理图像进行压缩编码,以便于存储和传输。本发明基于高效的视频编码工具可以实现对超高分辨率医学病理图像的有效压缩。
术语解释:
1、超高清,高清(High Definition,HD),意思是“高分辨率”,常见的高清分辨率有720p(1280×720)、1080p(1920×1080)。超高清(Ultra High-Definition,Ultra HD)是国际电信联盟最新批准的“4K分辨率(3840×2160)”的正式名称,同时这个名称也适用于“8K分辨率(7680×4320)”。在本发明中,超高清指4K分辨率或8K分辨率及以上的情况。
2、HEVC视频编码工具,HEVC(High Efficiency Video Coding)即H.265,是高效视频编码标准,用来替代H.264/AVC,2013年1月26号,HEVC正式成为国际标准。HEVC仍然沿用了自H.263就开始采用的广为接受的混合编码框架,包括帧内预测、帧间预测、变换、量化、熵编码几个部分。和H.264相比,HEVC采用了很多新技术,主要包括:基于大尺寸四叉树的分割结构和残差编码结构、自适应运动参数编码、自适应环路滤波器等。HEVC中引入了编码单元(CU)、预测单元(PU)、变换单元(TU),帧内预测模式由H.264的9种增加到35种,熵编码采用自适应二进制算术编码(CABAC)。这些技术上的改进提升了HEVC标准的编码性能,在H.264/AVC的基础上,HEVC对高分辨率的视频图像的压缩效率提高了一倍。
本发明的技术方案为:
一种超高清医学病理图像的压缩处理方法,包括以下步骤:
(1)图像格式转换
通过医疗数字切片扫描***得到的医学病理图像的格式与特定的扫描设备有关,且需要专用的查看软件,因此需要先将医学图像的格式转换成常见的图像格式,再进行后续处理。
(2)将图像生成YUV视频序列
A、提取子图像
将步骤(1)格式转换后得到的医学病理图像划分成若干个大小相等的子块,每个子块的大小可以根据具体情况而定。对于每一个子块,通过特定的扫描方式读取每个子块内的所有像素,并将各个子块中相同位置的像素提取出来,按照提取的顺序和位置形成一幅子图像,由此得到一组子图像;
B、生成YUV视频序列
将得到一组子图像的色彩模式由RGB转换为YUV,并按子图像的顺序依次写入文件,生成YUV格式的视频序列。
(3)压缩编码
采用HEVC视频编码工具对步骤(2)得到的YUV视频序列分别进行无损压缩编码、有损压缩编码,得到压缩后的比特流;其中有损压缩编码可以通过编码参数QP的大小来控制质量损失的程度。
无损压缩可以保证视频序列的信息在编解码的过程中不受损失,有损压缩引起的质量损失程度可以通过编码参数QP来控制。
由于医学图像最终要给专家观看,而人眼对于不同纹理区域的敏感度是不同的,因此除了采用标准的HEVC视频编码器,本发明还采用优化后的编码器进行压缩编码。优化后的编码器采用基于纹理特性的多失真准则率失真优化方法,对HEVC的率失真过程进行了优化。采用与人眼感知一致的结构相似度指标SSIM(Structural Similarity),将SSE(Sumof Square Error)失真和SSIM失真的加权作为率失真过程中的失真准则,相应的拉格朗日乘子也为二者对应拉格朗日乘子的加权,权重参数则由区域的纹理度决定。不仅可以提高重建视频的主观质量,还可以保持视频的保真度。
(4)解码重构原图像
C、提取重建的子图像
将解码得到的重建视频序列的每一帧图像依次提取出来,将得到每一帧图像的色彩模式由YUV转换为RGB色彩模式,并进行保存,由此得到一组重建的子图像;
D、重构完整的医学图像
子图像的顺序代表了该图像中的像素在各个子块中的扫描的位置,比如第一幅子图像中的像素对应着各个子块在扫描中第一个位置的像素。根据步骤(2)中扫描的规律,将多张子图像还原成完整的高分辨率的图像,完成医学图像的重构。
根据本发明优选的,步骤(1)中,图像格式转换,是指:将医学病理图像转换成bmp格式。常见的图像格式包括bmp、png、tif、jpg等,其中bmp采用位映射存储格式,除了图像深度可选以外,不采用其他任何压缩,主要应用在图像不压缩、图像比较大、细腻的处理中。由于医学病理图像的质量对最终的医学判断有着重要的影响,因此,在格式转换过程中要尽可能保证图像的信息不受损失,最大程度地保护图像的质量。
根据本发明优选的,步骤A中,将步骤(1)格式转换后得到的医学病理图像划分成8×8、16×16、32×32或64×64个大小相等的子块。子块越大,得到的子图像越多,同时每个子图像的分辨率越小,子块越小,得到的子图像越少,每个子图像的分辨率越大。
根据本发明优选的,步骤A中,通过光栅扫描(Raster-Scan)的方法,按照从左往右、由上到下的顺序读取每个子块内的所有像素。光栅扫描是指从左往右,由上往下,先扫描完一行,再移至下一行起始位置继续扫描。
根据本发明优选的,步骤A中,通过Z字形扫描(Z-Scan)的方法读取每个子块内的所有像素。Z字形扫描是指扫描的顺序像字母“Z”一样,具体扫描过程如图2所示。
根据本发明优选的,步骤A中,通过隔行扫描的方法读取每个子块内的所有像素。隔行扫描是指在扫描过程中先扫描奇数行,后扫描偶数行。
根据本发明优选的,步骤B中,通过公式(Ⅰ)、(II)、(Ⅲ)实现RGB转换为YUV:
Y=0.299R+0.587G+0.114B(Ⅰ)
U=-0.169R-0.331G+0.500B+128(II)
V=0.500R-0.419G-0.081B+128(Ⅲ)
式(Ⅰ)、(II)、(Ⅲ)中,Y为亮度信号,U和V为色差信号,R、G、B分别是指红、绿、蓝三个通道的颜色;常用的YUV格式为YUV444和YUV420。YUV444就是每个像素都由YUV三个分量组成,YUV的数据各占用8位,YUV420则是对UV分量采样后的结果。本发明将多张子图像分别生成YUV444和YUV420格式的序列,以进行后续的编码。
根据本发明优选的,步骤(3)中,有损压缩引起的质量损失程度通过编码参数QP来控制,为了保证图像的质量,本发明采用较小的QP,QP为1、2、3、4、5或6。
根据本发明优选的,步骤C中,通过公式(Ⅳ)、(Ⅴ)、(Ⅵ)实现YUV转换为RGB:
R=Y+1.403×(V-128)(Ⅳ)
G=Y–0.343×(U–128)–0.714×(V–128)(Ⅴ)
B=Y+1.770×(U–128)(Ⅵ)。
本发明的有益效果为:
1.本发明适用于超高清医学病理图像的压缩处理方法,通过对医学图像进行分块和光栅扫描等处理,将其转换成视频序列,使得可以利用高效的视频编码工具对超高分辨率的医学图像进行有效得压缩,以便于医学图像的本地存储和传输。
2.本发明通过将医学图像生成YUV420序列和使用多失真准则的HEVC有损压缩,可以进一步提升图像的压缩率,可以在较小的失真范围内实现对医学图像的有效压缩,保证图像的质量不受较大的影响。
3.本发明通过解码得到的视频序列能够重构出完整的超高分辨率的医学图像,可以满足医学图像的观看需求,有利于专家远程会诊,并推动远程智慧医疗的实现和普及。
附图说明
图1是本发明超高清医学病理图像的压缩处理方法的流程示意图;
图2是Z字形扫描的方法示意图;
图3(a)是通过光栅扫描提取子图像的示意图;
图3(b)是将多张子图像还原成完整的高分辨率图像的示意图;
图4(a)是原图像示意图;
图4(b)是图4(a)所示原图像生成YUV444序列(QP=1)进行有损压缩重构后的图像示意图;
图4(c)是图4(a)所示原图像生成YUV444序列(QP=3)进行有损压缩重构后的图像示意图;
图4(d)是图4(a)所示原图像生成YUV444序列(QP=6)进行有损压缩重构后的图像示意图;
图5(a)是原图像示意图;
图5(b)是图5(a)所示原图像生成YUV444序列(QP=1)进行多失真准则的有损压缩重构后的图像示意图;
图5(c)是图5(a)所示原图像生成YUV444序列(QP=3)进行多失真准则的有损压缩重构后的图像示意图;
图5(d)是图5(a)所示原图像生成YUV444序列(QP=6)进行多失真准则的有损压缩重构后的图像示意图;
图6(a)是原图像示意图;
图6(b)是图6(a)所示原图像生成YUV420(QP=1)序列进行有损压缩重构后的图像示意图;
图6(c)是图6(a)所示原图像生成YUV420(QP=3)序列进行有损压缩重构后的图像示意图;
图6(d)是图6(a)所示原图像生成YUV420(QP=6)序列进行有损压缩重构后的图像示意图;
图7(a)是原图像示意图;
图7(b)是图7(a)所示原图像生成YUV420序列(QP=1)进行多失真准则的有损压缩重构后的图像示意图;
图7(c)是图7(a)所示原图像生成YUV420序列(QP=3)进行多失真准则的有损压缩重构后的图像示意图;
图7(d)是图7(a)所示原图像生成YUV420序列(QP=6)进行多失真准则的有损压缩重构后的图像示意图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定,但不限于此。
实施例1
一种超高清医学病理图像的压缩处理方法,如图1所示,包括以下步骤:
(1)图像格式转换
通过医疗数字切片扫描***得到的医学病理图像的格式与特定的扫描设备有关,且需要专用的查看软件,因此需要先将医学图像的格式转换成常见的图像格式,再进行后续处理。
将医学病理图像转换成24位bmp格式,以最大程度地保护图像的质量。常见的图像格式包括bmp、png、tif、jpg等,其中bmp采用位映射存储格式,除了图像深度可选以外,不采用其他任何压缩,主要应用在图像不压缩、图像比较大、细腻的处理中。由于医学病理图像的质量对最终的医学判断有着重要的影响,因此,在格式转换过程中要尽可能保证图像的信息不受损失,最大程度地保护图像的质量。
(2)将图像生成YUV视频序列
A、提取子图像
超高分辨率的医学图像经格式转换后,其大小已经超过了编码工具的输入范围,因此不能直接将其进行压缩编码。将步骤(1)格式转换后得到的医学病理图像划分成若干个大小相等的子块,每个子块的大小可以根据具体情况而定。对于每一个子块,以光栅扫描的方式,按照从左往右、由上到下的顺序读取每个子块内的所有像素,并将各个子块中相同位置的像素提取出来,按照提取的顺序和位置形成一幅子图像,由此得到一组子图像;本实施例选取的子块大小为16×16,共提取出256张子图像。以图像分辨率为16×16,子块大小为4×4为例,通过光栅扫描提取子图像,如图3(a)所示。
B、生成YUV视频序列
由于HEVC的输入要求为YUV格式的序列,因此需要将得到的256张bmp子图像的色彩模式由RGB转换为YUV,并按顺序生成视频序列。
将得到一组子图像的色彩模式由RGB转换为YUV,并按子图像的顺序依次写入文件,生成YUV格式的视频序列。即:读取图像的像素信息,将其转换为YUV色彩模式,并按子图像的顺序将Y、U、V三个分量的信息写入文件,得到YUV格式的视频序列文件。
通过公式(Ⅰ)、(II)、(Ⅲ)实现RGB转换为YUV:
Y=0.299R+0.587G+0.114B(Ⅰ)
U=-0.169R-0.331G+0.500B+128(II)
V=0.500R-0.419G-0.081B+128(Ⅲ)
式(Ⅰ)、(II)、(Ⅲ)中,Y为亮度信号,U和V为色差信号,R、G、B分别是指红、绿、蓝三个通道的颜色;常用的YUV格式为YUV444和YUV420。YUV444就是每个像素都由YUV三个分量组成,YUV的数据各占用8位,YUV420则是对UV分量采样后的结果。本发明将多张子图像分别生成YUV444和YUV420格式的序列,以进行后续的编码。
(3)压缩编码
对于得到的YUV444和YUV420序列,采用HEVC编码工具分别对其进行无损、有损压缩编码,得到压缩后的比特流。其中有损压缩编码可以通过编码参数QP的大小来控制质量损失的程度。
无损压缩可以保证视频序列的信息在编解码的过程中不受损失,有损压缩引起的质量损失程度可以通过编码参数QP来控制。有损压缩引起的质量损失程度通过编码参数QP来控制,为了保证图像的质量,本发明采用较小的QP,QP为1、2、3、4、5或6。
图4(a)是原图像示意图;图4(b)是图4(a)所示原图像生成YUV444序列(QP=1)进行有损压缩重构后的图像示意图;图4(c)是图4(a)所示原图像生成YUV444序列(QP=3)进行有损压缩重构后的图像示意图;图4(d)是图4(a)所示原图像生成YUV444序列(QP=6)进行有损压缩重构后的图像示意图。
图5(a)是原图像示意图;图5(b)是图5(a)所示原图像生成YUV444序列(QP=1)进行多失真准则的有损压缩重构后的图像示意图;图5(c)是图5(a)所示原图像生成YUV444序列(QP=3)进行多失真准则的有损压缩重构后的图像示意图;图5(d)是图5(a)所示原图像生成YUV444序列(QP=6)进行多失真准则的有损压缩重构后的图像示意图。
图6(a)是原图像示意图;图6(b)是图6(a)所示原图像生成YUV420(QP=1)序列进行有损压缩重构后的图像示意图;图6(c)是图6(a)所示原图像生成YUV420(QP=3)序列进行有损压缩重构后的图像示意图;图6(d)是图6(a)所示原图像生成YUV420(QP=6)序列进行有损压缩重构后的图像示意图。
图7(a)是原图像示意图;图7(b)是图7(a)所示原图像生成YUV420序列(QP=1)进行多失真准则的有损压缩重构后的图像示意图;图7(c)是图7(a)所示原图像生成YUV420序列(QP=3)进行多失真准则的有损压缩重构后的图像示意图;图7(d)是图7(a)所示原图像生成YUV420序列(QP=6)进行多失真准则的有损压缩重构后的图像示意图。
由于医学图像最终要给专家观看,而人眼对于不同纹理区域的敏感度是不同的,因此除了采用标准的HEVC视频编码器,本发明还采用优化后的编码器进行压缩编码。优化后的编码器采用基于纹理特性的多失真准则率失真优化方法,对HEVC的率失真过程进行了优化。采用与人眼感知一致的结构相似度指标SSIM(Structural Similarity),将SSE(Sumof Square Error)失真和SSIM失真的加权作为率失真过程中的失真准则,相应的拉格朗日乘子也为二者对应拉格朗日乘子的加权,权重参数则由区域的纹理度决定。不仅可以提高重建视频的主观质量,还可以保持视频的保真度。
(4)解码重构原图像
C、提取重建的子图像
将解码得到的重建视频序列的每一帧图像依次提取出来,将得到每一帧图像的色彩模式由YUV转换为RGB色彩模式,并进行保存,由此得到一组重建的子图像;
通过公式(Ⅳ)、(Ⅴ)、(Ⅵ)实现YUV转换为RGB:
R=Y+1.403×(V-128)(Ⅳ)
G=Y–0.343×(U–128)–0.714×(V–128)(Ⅴ)
B=Y+1.770×(U–128)(Ⅵ)。
D、重构完整的医学图像
子图像的顺序代表了该图像中的像素在各个子块中的扫描的位置,比如第一幅子图像中的像素对应着各个子块在扫描中第一个位置的像素。根据步骤(2)中扫描的规律,将多张子图像还原成完整的高分辨率的图像,完成医学图像的重构。以图像分辨率为16×16,子块大小为4×4为例,将多张子图像还原成完整的高分辨率图像,如图3(b)所示。
本实施例的效果可以通过实验进一步说明。表1比较了原医学病理图像和转换后的文件的信息,表2比较了对生成的YUV444序列进行压缩编码的结果,表3比较了对生成的YUV420序列进行压缩编码的结果。
表1
文件类型 | 分辨率 | 数据大小 |
原医学图像文件(kfb格式) | 38029*38182 | 265M |
转换生成的bmp图像 | 18944*18944 | 1G |
生成的YUV444序列 | 1184*1184 | 1G |
生成的YUV420序列 | 1184*1184 | 513M |
表2
表3
如表1、表2、表3所示,本实施例选用的医学图像文件的大小为265M,转换成YUV444序列之后,用HEVC进行QP为6的有损压缩,得到的文件大小为113M,相比原文件数据量减少了一半;转换成YUV420序列之后,用HEVC进行QP为6的有损压缩,得到的文件大小为63.3M,大约为原文件大小的四分之一。对得到的YUV444、YUV420序列进行多失真准则的HEVC有损编码,在相同QP的条件下,压缩编码后的数据量更小,同时重建图像的质量不会降低。实验结果表明,本发明可以在较小的失真范围内实现对医学图像的有效压缩。
实施例2
根据实施例1所述的一种超高清医学病理图像的压缩处理方法,其区别在于:步骤A中,通过Z字形扫描(Z-Scan)的方法读取每个子块内的所有像素。Z字形扫描是指扫描的顺序像字母“Z”一样,具体扫描过程如图2所示。
实施例3
根据实施例1所述的一种超高清医学病理图像的压缩处理方法,其区别在于:步骤A中,通过隔行扫描的方法读取每个子块内的所有像素。隔行扫描是指在扫描过程中先扫描奇数行,后扫描偶数行。
Claims (9)
1.一种超高清医学病理图像的压缩处理方法,其特征在于,包括以下步骤:
(1)图像格式转换
(2)将图像生成YUV视频序列
A、提取子图像
将步骤(1)格式转换后得到的医学病理图像划分成若干个大小相等的子块,对于每一个子块,扫描读取每个子块内的所有像素,并将各个子块中相同位置的像素提取出来,按照提取的顺序和位置形成一幅子图像,由此得到一组子图像;
B、生成YUV视频序列
将得到一组子图像的色彩模式由RGB转换为YUV,并按子图像的顺序依次写入文件,生成YUV格式的视频序列;
(3)压缩编码
采用HEVC视频编码工具对步骤(2)得到的YUV视频序列分别进行无损压缩编码、有损压缩编码,得到压缩后的比特流;
(4)解码重构原图像
C、提取重建的子图像
将解码得到的重建视频序列的每一帧图像依次提取出来,将得到每一帧图像的色彩模式由YUV转换为RGB色彩模式,并进行保存,由此得到一组重建的子图像;
D、重构完整的医学图像
根据步骤(2)中扫描的规律,将多张子图像还原成完整的高分辨率的图像,完成医学图像的重构。
2.根据权利要求1所述的一种超高清医学病理图像的压缩处理方法,其特征在于,步骤(1)中,图像格式转换,是指:将医学病理图像转换成bmp格式。
3.根据权利要求1所述的一种超高清医学病理图像的压缩处理方法,其特征在于,步骤A中,将步骤(1)格式转换后得到的医学病理图像划分成8×8、16×16、32×32或64×64个大小相等的子块。
4.根据权利要求1所述的一种超高清医学病理图像的压缩处理方法,其特征在于,步骤A中,通过光栅扫描的方法,按照从左往右、由上到下的顺序读取每个子块内的所有像素。
5.根据权利要求1所述的一种超高清医学病理图像的压缩处理方法,其特征在于,步骤A中,通过Z字形扫描的方法读取每个子块内的所有像素。
6.根据权利要求1所述的一种超高清医学病理图像的压缩处理方法,其特征在于,步骤A中,通过隔行扫描的方法读取每个子块内的所有像素。
7.根据权利要求1所述的一种超高清医学病理图像的压缩处理方法,其特征在于,步骤B中,通过公式(I)、(II)、(III)实现RGB转换为YUV:
Y=0.299R+0.587G+0.114B (I)
U=-0.169R-0.331G+0.500B+128 (II)
V=0.500R-0.419G-0.081B+128 (III)
式(I)、(II)、(III)中,Y为亮度信号,U和V为色差信号,R、G、B分别是指红、绿、蓝三个通道的颜色。
8.根据权利要求1所述的一种超高清医学病理图像的压缩处理方法,其特征在于,步骤(3)中,有损压缩引起的质量损失程度通过编码参数QP来控制,QP为1、2、3、4、5或6。
9.根据权利要求1-8任一所述的一种超高清医学病理图像的压缩处理方法,其特征在于,步骤C中,通过公式(IV)、(V)、(VI)实现YUV转换为RGB:
R=Y+1.403×(V-128) (IV)
G=Y-0.343×(U-128)-0.714×(V-128) (V)
B=Y+1.770×(U-128) (VI)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010731925.9A CN111882564A (zh) | 2020-07-27 | 2020-07-27 | 一种超高清医学病理图像的压缩处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010731925.9A CN111882564A (zh) | 2020-07-27 | 2020-07-27 | 一种超高清医学病理图像的压缩处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111882564A true CN111882564A (zh) | 2020-11-03 |
Family
ID=73201653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010731925.9A Pending CN111882564A (zh) | 2020-07-27 | 2020-07-27 | 一种超高清医学病理图像的压缩处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882564A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445264A (zh) * | 2022-01-25 | 2022-05-06 | 上海秉匠信息科技有限公司 | 纹理压缩方法、装置、电子设备及计算机可读存储介质 |
CN115547464A (zh) * | 2022-11-29 | 2022-12-30 | 深圳市生强科技有限公司 | 一种用于数字病理切片的处理方法、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101640803A (zh) * | 2009-09-04 | 2010-02-03 | 中国科学技术大学 | 一种用于多光谱图像的渐进的分布式编解码方法及装置 |
CN101669815A (zh) * | 2009-09-22 | 2010-03-17 | 广东威创视讯科技股份有限公司 | 一种医学切片远程诊断的***及其网络传输方法 |
CN104168483A (zh) * | 2014-07-08 | 2014-11-26 | 大连民族学院 | 一种视频压缩方法及*** |
CN104320657A (zh) * | 2014-10-31 | 2015-01-28 | 中国科学技术大学 | Hevc无损视频编码的预测模式选择方法及相应的编码方法 |
CN104754362A (zh) * | 2014-01-01 | 2015-07-01 | 上海天荷电子信息有限公司 | 使用精细划分块匹配的图像压缩方法 |
CN104837022A (zh) * | 2015-04-29 | 2015-08-12 | 中南大学 | 一种基于hevc的神经影像数据压缩方法 |
CN105379287A (zh) * | 2013-07-09 | 2016-03-02 | 佳能株式会社 | 图像编码设备、图像编码方法和程序、以及图像解码设备、图像解码方法和程序 |
CN106534853A (zh) * | 2016-12-21 | 2017-03-22 | 中国科学技术大学 | 基于混合扫描顺序的光场图像压缩方法 |
CN106688232A (zh) * | 2014-09-11 | 2017-05-17 | 欧几里得发现有限责任公司 | 基于模型的视频编码的感知优化 |
CN106961610A (zh) * | 2017-03-15 | 2017-07-18 | 四川大学 | 结合超分辨率重建的超高清视频新型压缩框架 |
CN107211122A (zh) * | 2015-01-29 | 2017-09-26 | 佳能株式会社 | 对自包含式编码结构进行编码或解码时的调色板预测结果初始化程序 |
-
2020
- 2020-07-27 CN CN202010731925.9A patent/CN111882564A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101640803A (zh) * | 2009-09-04 | 2010-02-03 | 中国科学技术大学 | 一种用于多光谱图像的渐进的分布式编解码方法及装置 |
CN101669815A (zh) * | 2009-09-22 | 2010-03-17 | 广东威创视讯科技股份有限公司 | 一种医学切片远程诊断的***及其网络传输方法 |
CN105379287A (zh) * | 2013-07-09 | 2016-03-02 | 佳能株式会社 | 图像编码设备、图像编码方法和程序、以及图像解码设备、图像解码方法和程序 |
CN104754362A (zh) * | 2014-01-01 | 2015-07-01 | 上海天荷电子信息有限公司 | 使用精细划分块匹配的图像压缩方法 |
CN104168483A (zh) * | 2014-07-08 | 2014-11-26 | 大连民族学院 | 一种视频压缩方法及*** |
CN106688232A (zh) * | 2014-09-11 | 2017-05-17 | 欧几里得发现有限责任公司 | 基于模型的视频编码的感知优化 |
CN104320657A (zh) * | 2014-10-31 | 2015-01-28 | 中国科学技术大学 | Hevc无损视频编码的预测模式选择方法及相应的编码方法 |
CN107211122A (zh) * | 2015-01-29 | 2017-09-26 | 佳能株式会社 | 对自包含式编码结构进行编码或解码时的调色板预测结果初始化程序 |
CN104837022A (zh) * | 2015-04-29 | 2015-08-12 | 中南大学 | 一种基于hevc的神经影像数据压缩方法 |
CN106534853A (zh) * | 2016-12-21 | 2017-03-22 | 中国科学技术大学 | 基于混合扫描顺序的光场图像压缩方法 |
CN106961610A (zh) * | 2017-03-15 | 2017-07-18 | 四川大学 | 结合超分辨率重建的超高清视频新型压缩框架 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445264A (zh) * | 2022-01-25 | 2022-05-06 | 上海秉匠信息科技有限公司 | 纹理压缩方法、装置、电子设备及计算机可读存储介质 |
CN115547464A (zh) * | 2022-11-29 | 2022-12-30 | 深圳市生强科技有限公司 | 一种用于数字病理切片的处理方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1834487B1 (en) | Method for improved entropy coding | |
KR100772882B1 (ko) | 인트라 bl 모드를 고려한 디블록 필터링 강도 결정 방법, 및 장치 | |
KR101285168B1 (ko) | 비디오 트랜스코딩을 위한 변환 도메인 서브-샘플링 방법및 장치 | |
CN111819856A (zh) | 用于视频编码的环路滤波装置及方法 | |
CN111882564A (zh) | 一种超高清医学病理图像的压缩处理方法 | |
CN106961610A (zh) | 结合超分辨率重建的超高清视频新型压缩框架 | |
Lian et al. | Reversing demosaicking and compression in color filter array image processing: Performance analysis and modeling | |
CN112995664A (zh) | 图像采样格式转换方法、计算机可读存储介质和编码器 | |
JP3518733B2 (ja) | 物体単位映像信号符号化/復号化装置及び方法 | |
Katsigiannis et al. | A GPU based real-time video compression method for video conferencing | |
CN108156461A (zh) | 一种Bayer图像压缩方法及装置 | |
Mateos et al. | Resolution enhancement of compressed low resolution video | |
CN107343199B (zh) | 用于hevc中样点的快速自适应补偿方法 | |
Cui et al. | Convolutional neural network-based post-filtering for compressed YUV420 images and video | |
CN110650335B (zh) | 基于dwt的3d-hevc快速dmm预测决策方法 | |
CN108989820B (zh) | 各阶段采用各自相应色度采样格式的数据压缩方法和装置 | |
Matsuo | Image Size Reduction by Controlled Amount of Band Limitation According to Coding Difficulty | |
Vadhana et al. | Performance Evaluation of Low Bitrate Video Compression using Adaptive Motion Matching | |
Luo et al. | Three dimensional subband video analysis and synthesis with adaptive clustering in high frequency subbands | |
Crinon | Picture compression based on two-dimensional adaptive sampling and adaptive quantization | |
WO2023149367A1 (en) | Systems and methods for improving object detection in compressed feature data in coding of multi-dimensional data | |
WO2009130540A1 (en) | Method for high definition video encoding/decoding suitable for real-time video streaming | |
Wang et al. | Improved hierarchial intra prediction based on adaptive interpolation filtering for lossless compression | |
KR100501815B1 (ko) | 비트 플레인을 이용한 계층적 이산여현 변환방법 | |
EP1170956A2 (en) | Method and system for compressing motion image information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201103 |