王玲，楊曉

（西華大學計算機與軟件工程學院，成都 610039）

0 引言

近年來，智慧醫(yī)療、遠程會診的提出使醫(yī)學影像資源得到合理利用，由于數(shù)字醫(yī)學影像具有分辨率高、數(shù)據(jù)量大等特點，僅通過增加存儲容量、提高信道以及計算機的處理效率等方法來解決是不現(xiàn)實的。因此，在進行醫(yī)學圖像存儲和傳輸前，圖像壓縮已成為不可缺少的環(huán)節(jié)，圖像壓縮即是圖像數(shù)據(jù)壓縮，就是以盡量少的比特數(shù)表征圖像數(shù)據(jù)信號，減少容納給定消息集合或數(shù)據(jù)采樣集合的信號空間，同時保證重建圖像質(zhì)量。由于現(xiàn)代醫(yī)學設(shè)備成像分辨率的不斷增高，醫(yī)學圖像數(shù)據(jù)也必然面臨持續(xù)增長。作為專用醫(yī)學圖像管理系統(tǒng)圖像歸檔與傳輸系統(tǒng)（Picture Archiving and Communication System，PACS）能在一定程度上實現(xiàn)醫(yī)學圖像的存儲、傳輸與顯示，但高效的醫(yī)學圖像壓縮技術(shù)的研究能有效緩解PACS的存儲壓力，實現(xiàn)帶寬有限條件下醫(yī)學圖像的實時傳輸。

1 研究進展

1.1 小波變換

典型的圖像壓縮系統(tǒng)由變換器、量化器、編碼器以及它們的逆過程組成如圖1所示?；谛〔ㄗ儞Q的圖像壓縮流程分為變換、量化、編碼三個模塊，變換并不損失圖像信息只是減少數(shù)據(jù)的相關(guān)性和冗余性，為量化和編碼做準備；量化即減少圖像中不重要的信息，對原圖像不構(gòu)成大的影響；編碼時壓縮的關(guān)鍵部分可直接減小圖像的存儲空間。1989年Mallat[1]第一次將小波變換應用于圖像壓縮，開啟了小波用于圖像壓縮的先例。小波圖像壓縮的基本思想是對原始圖像進行小波變換，轉(zhuǎn)換為小波域上的系數(shù)，然后對小波系數(shù)進行量化編碼。1993年Shapiro提出了嵌入零樹小波（Em?bedded Zerotree Wavelet,EZW）[2]算法，實現(xiàn)了較高壓縮比，同時保證了圖像復原質(zhì)量。在EZW算法的研究上，Said和Pearlman提出了多級樹集合分裂（SetParti?tioning In Hierarchical Trees）[3]算法。采用小波子帶間的相關(guān)性，利用樹的數(shù)據(jù)結(jié)構(gòu)傳達和編碼使得上述兩種基于小波樹的編碼具有很高PSNR性能和較低算法復雜度,但由于編碼速度較慢、內(nèi)存占用率偏高的問題使得這類算法未能得到普遍應用。傳統(tǒng)EZW算法需要多次掃描且只利用了一個方向上各個子帶間的相關(guān)性等缺陷影響了壓縮效率，馮永亮[4]使用正交小波基Z97替代小波變換等改進方案提高了圖像壓縮效率。對于高分辨率醫(yī)學圖像的壓縮，國內(nèi)外許多學者做了各式各樣的探求，提出了許多圖像壓縮方法[5]，由于離散小波變換（Discrete Wavelet Transformation,DWT）具備多分辨分析的優(yōu)異性能[6]，在醫(yī)學圖像有損壓縮中取得了廣泛的應用，其中JPEG2000被認為是基于小波變換的最好的壓縮算法，但是其編碼復雜度較高，需要大量的計算，硬件實現(xiàn)過程比較困難[7]。Daubechies和Sweldens針對傳統(tǒng)小波變換依賴傅里葉變換的復雜運算提出了提升小波變換方案[8-9]，實現(xiàn)空域中頻域信號分析，將高通和低通濾波器轉(zhuǎn)化為分解、預測和更新步驟，減少了計算復雜度。

圖1 圖像壓縮系統(tǒng)框圖

1.2 硬件發(fā)展

發(fā)展至今，圖像壓縮編碼方法在DSP或各大通用CPU處理器平臺上的軟件實現(xiàn)已比較成熟，Zhang[10]介紹了基于DSP的JPEG2000靜止圖像壓縮系統(tǒng)，得到很好的壓縮效果；針對傳統(tǒng)單核數(shù)字信號處理器難以滿足性能需求，唐國斐等[11]提出一種基于多核DSP來構(gòu)建并行圖像壓縮系統(tǒng)的設(shè)計方案。為滿足高密度和高效并行計算需要，專用圖形處理單元（Graphic Pro?cessUnit,GPU）很好解決了計算能力與功耗和成本的沖突，一種基于快速列變換的GPU小波變換方法，通過合并內(nèi)存訪問提高了內(nèi)存訪問效率。DSP、GPU或通用計算機軟件方法實現(xiàn)圖像壓縮屬于馮·諾依曼結(jié)構(gòu),是指令的串行執(zhí)行，處理速度上有一定的局限性，且存在計算性能不足等問題；DSP可實現(xiàn)的并行結(jié)構(gòu)需要擴展多個芯片且開發(fā)復雜，可移植性較差;GPU運算強、管理弱，幾乎只有數(shù)據(jù)并行，流水線深度受到限制，適合整塊數(shù)據(jù)進行流處理的算法。隨著微電子技術(shù)的迅猛發(fā)展以及芯片制作工藝的逐步完善，大規(guī)模以及超大規(guī)模集成電路（VLSI）[12]、專用集成電路（ASIC）、FPGA在醫(yī)學圖像壓縮編碼上得到廣泛應用。尤其是FPGA近年來的快速發(fā)展，在邏輯資源分配利用以及性能可靠性上不斷完善，使得醫(yī)學圖像的高效壓縮編碼得以實現(xiàn)。

1.3 小波變換與FPGA設(shè)計

由于圖像質(zhì)量及其對處理實時性要求的不斷提高，國內(nèi)外學者提出采用FPGA豐富的邏輯資源和并行流水的特性加速圖像算法的計算能力，實現(xiàn)高效圖像壓縮設(shè)計且取得了不錯效果，為醫(yī)學領(lǐng)域圖像壓縮的實現(xiàn)提供了很好的借鑒和應用價值。傳統(tǒng)小波變換是先將圖像分成子塊，再分別對每一個子塊進行N（N大于等于2后，低頻子帶與之對應的高階子帶之間的相關(guān)性較?。╇A小波變換將低頻信號和高頻信號分開,依賴于傅里葉變換、計算量大。為了適用于硬件加速，減少小波變換次數(shù)，對原圖像先只做二階小波變換，將變換后的矩陣分成大小一致的四個子塊直接進行編碼，有效降低計算復雜度。付雷[13]在利用FPGA實現(xiàn)二維提升小波變換時重復取上一次的最后一行作為小波變換輸入的開始行，相比于傳統(tǒng)奇偶分離的小波變換方式節(jié)省存儲器資源，并提高了圖像壓縮的實時性；Wang等[14]為了實現(xiàn)高效并行DWT的計算，提出2D 9/7 DWT超大規(guī)模集成的設(shè)計方案，并在FPGA上顯示時鐘頻率和吞吐量能夠滿足超高速應用要求；李勇[15]設(shè)計了5/3提升小波的圖像壓縮算法，降低了算法復雜度、適合硬件實現(xiàn)且節(jié)省存儲空間，并在FPGA上驗證了算法的有效性；王鳴哲等[16]提出了一種滿足實時處理要求的二維5/3小波變換，采取了行列變換同時執(zhí)行及流水線設(shè)計，相比于9/7小波變換更加節(jié)省邏輯資源，延時更短；Venkata[17]介紹了從小波變換到SPIHT編碼壓縮過程，采取空間方向樹的方式有效提高存儲訪問效率，通過圖像壓縮的性能指標驗證了此壓縮算法在硬件上實現(xiàn)的有效性；Prakash等[18]在SPIHT算法的基礎(chǔ)上提出一種高度可伸縮的圖像壓縮方案，在FPGA平臺上的實現(xiàn)流程如圖2；常文利[19]針對小波變換中大量的加法和乘法運算，使用行列變換同時進行，協(xié)調(diào)使用片內(nèi)片外RAM加快系統(tǒng)處理速度。

圖2 FPGA實現(xiàn)圖像壓縮流程圖

2 發(fā)展趨勢

從以上關(guān)于小波變換和硬件發(fā)展的介紹可以看出，基于硬件的圖像壓縮方法受到廣泛關(guān)注，在目前已發(fā)表的文獻中也占有較大的比重?；谧儞Q編碼的方式在醫(yī)學圖像壓縮中具有很好應用價值，尤其是DWT應用最為廣泛。針對越來越龐大的PACS系統(tǒng)，研究醫(yī)學圖像壓縮方法，考慮從工程上實現(xiàn)硬件算法加速。引入FPGA硬件平臺實現(xiàn)基于小波變換的醫(yī)學圖像壓縮的目的是一方面解決醫(yī)學圖像要有較長保存周期的存儲需求，另一方面實現(xiàn)窄帶寬下醫(yī)學圖像的遠程傳輸。在醫(yī)學圖像壓縮算法的設(shè)計中，為降低醫(yī)學圖像壓縮系統(tǒng)設(shè)計，5/3提升小波變換[20]不需要乘法器，易于硬件實現(xiàn)，且可使算法支持無損壓縮，便于醫(yī)學圖像壓縮，此外醫(yī)學圖像在拍攝中患者因呼吸、自主或不自主運動產(chǎn)生的圖像模糊會影響后期醫(yī)學圖像的診斷結(jié)果，考慮設(shè)計一種提升小波變換的圖像去噪與壓縮相結(jié)合的方法，將圖像去噪和壓縮算法中多級小波變換合并在一起，利用一次多級小波變換獲得小波域數(shù)據(jù)，實現(xiàn)醫(yī)學圖像的壓縮，理論上在提升醫(yī)學圖像壓縮效率的同時可提高圖像復原質(zhì)量。

參考文獻：

[1]Mallat SG.Multi frequency Channel Decompositions of Images and Wavelet Models[J].IEEE Transactions on Acoustics Speech&Signal Processing,1989,37（12）:2091-2110.

[2]金平艷,祝忠明.圖像小波變換實現(xiàn)及EZW編碼理論研究[J].信息通信,2015（11）:46-47.

[3]張倩妮,劉昌華.結(jié)合Huffman編碼和SPIHT算法實現(xiàn)高效圖像壓縮方法[J].軟件導刊,2016,15（3）:175-178.

[4]馮永亮.基于小波變換的圖像壓縮算法改進研究[J].電子產(chǎn)品世界,2016,23（7）:34-36.

[5]Kumar T,Kumar DR.Medical Image Compression Using Hybrid Techniques of DWT,DCT and Huffman Coding[J]，2015:54-60.

[6]WeiS,Kang C,Jie J.Research of Image Compression Algorithm Based on Wavelet Transformation[C].Eighth International Conference on Digital Image Processing.2016:100332W.

[7]Ye L,Hou Z.Memory Efficient Multilevel Discrete Wavelet Transform Schemes for JPEG2000[J].IEEE Transactions on Circuits&Systems for Video Technology,2015,25（11）:1773-1785.

[8]Wang J,Zhu E.A high-throughput VLSI Design for JPEG 2000 9/7Discrete Wavelet Transform[J].東南大學學報（英文版）,2015,31（1）:19-24.

[9]王鳴哲,薛長斌,張學全.星載圖像壓縮系統(tǒng)中實時二維小波變換的FPGA設(shè)計與實現(xiàn)[J].微電子學與計算機,2017,34（7）:33-36.

[10]Zhang L.The Design of Static Image Compression System[J].Advanced Materials Research,2014,1042:150-153.

[11]唐國斐,周海芳,譚慶平.基于多核DSP的星載并行遙感圖像壓縮系統(tǒng)設(shè)計與實現(xiàn)[J].計算機應用,2017,37（5）:1246-1250.

[12]董明巖,雷杰,王柯儼,等.高效低存儲DWT的VLSI結(jié)構(gòu)設(shè)計[J].西安電子科技大學學報（自然科學版）,2016,43（2）:35-40.

[13]付雷.基于FPGA實時圖像壓縮算法的實現(xiàn)[D].西安電子科技大學，2014.

[14]Wang J,Zhu E.A High-Throughput VLSI Design for JPEG2000 9/7Discrete Wavelet Transform[J].東南大學學報（英文版）,2015,31（1）:19-24.

[15]李勇.基于5/3提升小波的圖像壓縮算法及其FPGA仿真實現(xiàn)[J].曲靖師范學院學報,2016,35（3）:41-44.

[16]王鳴哲,薛長斌,張學全.星載圖像壓縮系統(tǒng)中實時二維小波變換的FPGA設(shè)計與實現(xiàn)[J].微電子學與計算機,2017,34（7）:33-36.

[17]Anjaneyulu IV,Krishna PR.FPGA Implementation of DWT-SPIHT Algorithm for Image Compression[J].International Journal of Technology Enhancements and Emerging Engineering Research（IJTEEE）,2014.

[18]Mhamunkar N S,Gayal BS.Design and Implementation of Generic 2-D Biorthogonal Discrete Wavelet Transform on FPGA[C].International Conference on Energy Systems and Applications.IEEE,2016:622-627.

[19]常文利,CHANGWenli.基于FPGA的一種針對小波變換的快速流水線結(jié)構(gòu)設(shè)計[J].計算機與數(shù)字工程,2017（10）:2079-2084.

[20]Nini XU,Zhang M,Wang J.True 2-D 5/3Wavelet Transform and Its Application for CT Image Lossless Compression[J].Telecommunications Science,2016.