VII Workshop de Informtica Mdica - WIM 2007

Compressao de Imagens Medicas Sem Perdas

por Transformadas Wavelets
Ricardo Dutra da Silva1 , Helio Pedrini1
1
Departamento de Informatica Universidade Federal do Parana (UFPR)
Centro Politecnico, Jardim das Americas
Curitiba-PR, 81531-990

Abstract. Medical images in digital format currently play an important role in

the diagnosis of diseases and surgical planning. However, techniques of image
acquisition such as magnetic resonance, computerized tomography and ultras-
sonography generate large volumes of data for each patient. Therefore, com-
pression methods are essential to reduce the amount of necessary information,
making possible the storage, processing and transmission of the images. Lossy
compression methods can achieve high compression rates, however, do not al-
low an exact recovery of the original data after the decompression process,
which is prohibitive for the majority of the applications that involve medical
images. Although wavelet transforms have been widely used for image compres-
sion, few works have been developed for lossless compression. This paper des-
cribes a lossless compression method based on reversible wavelet transforms. A
comparative analysis is performed between the developed method and availa-
ble lossless compression methods. Experiments on several medical images and
with different levels of wavelet decompositions demonstrate the effectiveness of
the proposed method.

Resumo. Imagens medicas no formato digital atualmente desempenham um pa-

pel importante no diagnostico de doencas e planejamento cirurgico. Entretanto,
tecnicas de aquisicao de imagens tais como ressonancia magnetica, tomografia
computadorizada e ultrassonografia geram grandes volumes de dados por pa-
ciente. Dessa forma, metodos de compressao sao fundamentais para reduzir a
quantidade de informacao necessaria, viabilizando o armazenamento, proces-
samento e transmissao das imagens. Metodos de compressao com perdas po-
dem atingir elevadas taxas de compressao, no entanto, impedem a recuperacao
exata dos dados originais apos o processo de descompressao, o que e proibi-
tivo para a maioria das aplicacoes que envolvem imagens medicas. Embora
as transformadas wavelets tenham sido largamente utilizadas para compressao
de imagens, poucos sao ainda os trabalhos desenvolvidos para compressao sem
perdas. Este trabalho descreve um metodo de compressao sem perdas utilizando
transformadas wavelets reversveis. Uma analise comparativa e realizada entre
o metodo desenvolvido e outras abordagens disponveis para compressao sem
perdas. Experimentos realizados em diversas imagens medicas e com diferentes
nveis de decomposicao wavelet demonstram a eficacia do metodo proposto.

1. Introducao
Devido a geracao de grandes volumes de imagens medicas em aplicacoes como diagnos-
tico, planejamento de cirurgias, treinamento medico e telemedicina, tecnicas de com-

176
 VII Workshop de Informtica Mdica - WIM 2007

pressao passaram a desempenhar um papel imprescindvel na reducao do espaco de arma-

zenamento e do tempo de transmissao das imagens.
Uma unica imagem colorida com dimensoes de 1024 1024 pixels, cada pixel
representado por 24 bits, requer 3 Mbytes para seu armazenamento sem compressao. Por
outro lado, um vdeo com duracao de 1 minuto formado por imagens de 512 512 pixels,
exibidas a uma taxa de 30 imagens por segundo, cada pixel representado por 24 bits,
requer aproximadamente 1.4 Gbytes para seu armazenamento.
As tecnicas de compressao de imagens normalmente sao classificadas em duas
categorias, compressao sem perda e com perda. Na compressao sem perda, a imagem
resultante apos o processo de descompactacao e exatamente igual a imagem original. Na
compressao com perda, nem toda a informacao e recuperada apos a descompactacao da
imagem.
A compressao e possvel porque as imagens, em geral, apresentam alto
grau de coerencia, o que implica em redundancias que existem na representacao
dos dados. A redundancia de dados e uma entidade matematicamente quanti-
ficavel [Gonzalez e Woods 2000]. Uma maneira de calcular a taxa de compressao e dada
por
dados compactados
T = 1 100 (1)
dados originais

Seja f uma imagem com L nveis de cinza. Cada um dos nveis de cinza i, i =
0, 1, ..., L 1, ocorre na imagem com probabilidade pi , tal que
ni
pi = (2)
n
onde ni e o numero de pixels de intensidade i e n e o numero total de pixels na imagem.
O numero medio de bits necessarios para codificar cada pixel em uma imagem e
dado pelo somatorio do produto do numero de bits l(i) utilizados para representar cada
nvel de cinza i e a probabilidade com que o nvel de cinza ocorre na imagem, ou seja
L1
X
L= l(i) pi (3)
i=0

De acordo com a teoria da informacao [Cover e Thomas 1991, Gray 1990], a en-
tropia representa a compressao maxima possvel para uma codificacao de um alfabeto
(conjunto de smbolos). A entropia H de uma imagem pode ser calculada a partir da
probabilidade pi de ocorrencia de cada um dos nveis de cinza da imagem, definida como
L1
X
H= pi log2 pi (4)
i=0

A entropia fornece uma estimativa para a taxa media de bits obtida a partir de uma
determinada codificacao, sendo um parametro util para comparar diferentes tecnicas de
compressao.

177
 VII Workshop de Informtica Mdica - WIM 2007

Varios metodos de compressao sem perdas tem sido desenvolvidos, tais

como a codificacao de Huffman, codificacao aritmetica, codificacao baseada em di-
cionario, codificacao por comprimento de corrida, codificacao por planos de bits
e codificacao preditiva sem perdas [Heer e Reinfelder 1990, Lovewell e Basart 1988,
Nelson e Gailly 1995, Rabbani e Jones 1991, Salomon 1997, Witten et al. 1999].
Os metodos de compressao com perdas mais comuns sao a codificacao
preditiva com perdas, modulacao delta, modulacao de codigo de pulso diferen-
cial, codificacao por transformadas [Davis e Nosratinia 1998, Gonzalez e Woods 2000,
Lovewell e Basart 1988, Philips et al. 2000, Saha 2000, Salomon 1997]. Ha uma grande
variedade de metodos de compressao com perdas baseados em transformadas ma-
tematicas, as quais sao empregadas no mapeamento de um domnio para outro, tais como
transformada de Fourier, seno, cosseno, Karhunen-Loeve, Walsh, Hadarmard, fractal, wa-
velets, dentre outras. Na maioria das imagens, apos a transformacao, muitos coeficientes
tornam-se pequenos em magnitude, de forma que eles podem ser quantizados ou comple-
tamente rejeitados sem prejudicar a qualidade da imagem descompactada.
Este trabalho apresenta um metodo de compressao sem perdas baseado em trans-
formadas wavelets inteiras. O metodo desenvolvido e comparado com outras abordagens
existentes para compressao sem perdas.
O texto esta organizado como se segue. A secao 2 descreve aspectos relevantes
sobre as transformadas wavelets. A secao 3 apresenta a metodologia desenvolvida, des-
crevendo os passos requeridos desde a leitura das imagens ate o processo de compactacao.
Na secao 4 sao mostrados os resultados obtidos com a aplicacao da metodologia em um
conjunto de imagens medicas. Finalmente, na secao 5 sao apresentados os comentarios
finais e propostas para trabalhos futuros.

2. Transformadas Wavelets
As transformadas wavelets [Antonini et al. 1992, Claypoole et al. 2003,
DeVore et al. 1992, Meyer et al. 2000, Prasad e Iyengar 1997, Villasenor et al. 1995] sao
transformacoes de sinais comumente aplicadas para compressao de imagens em razao
de sua capacidade para reducao de dados. Elas representam uma imagem como um
conjunto de coeficientes obtidos por meio de funcoes de escala e de wavelets. As funcoes
sao usadas para descrever as frequencias altas e baixas presentes em uma imagem, que
correspondem aos coeficientes de wavelet e de escala.
Atraves de diferentes deslocamentos e escalamentos das funcoes, e possvel pro-
duzir uma analise de multirresolucao [Mallat 1989], a qual permite representar e examinar
uma imagem em diferentes nveis de detalhes.
A transformada wavelet normalmente produz coeficientes em ponto flutuante. Em
teoria, a reconstrucao da imagem e perfeita a partir destes coeficientes. Entretanto, na
pratica, como sistemas computacionais possuem uma aritmetica de precisao finita, o es-
quema de transformacao e reconstrucao com ponto flutuante gera perdas.
Transformadas wavelets inteiras [Adams e Kossentini 2000, Bilgin et al. 2000,
Dewitte e Cornelis 1997] contornam esse problema e permitem a reconstrucao perfeita
da imagem original. O mapeamento dos coeficientes e feito de inteiros para inteiros.
A transformada de Haar [Stollnitz et al. 1996], nao normalizada, envolve o calculo

178
 VII Workshop de Informtica Mdica - WIM 2007

da media e da diferenca dos pixels em uma imagem considerando-os em pares vizinhos.

Sao gerados, respectivamente, coeficientes sj,k e dj,k , chamados de coeficientes de escala
e de wavelet, sendo dados por
sj1,2k + sj1,2k+1
sj,k =
2 (5)
dj,k = sj1,2k+1 sj1,2k

O valor subscrito inteiro j refere-se a escala ou nvel de decomposicao wavelet, ja

o coeficiente k e um inteiro usado para deslocamentos. A transformacao inversa e obtida
por

sj1,k = sj,k + dj,k /2

(6)
sj1,k+1 = sj,k dj,k /2

Esta transformacao nao e inteira devido a divisao por 2. Uma construcao inteira
para as operacoes acima, conhecida como transformada S, pode ser implementada como
sj1,2k + sj1,2k+1
sj,k = b c
2 (7)
dj,k = sj1,2k+1 sj1,2k

e sua inversa como

sj1,k = sj,k + bdj,k /2c
(8)
sj1,k+1 = sj,k bdj,k /2c

A princpio, a eliminacao da parte decimal em sj,k parece incorrer em perda de

informacao. No entanto, os resultados da soma e subtracao de dois inteiros serao ambos
pares ou ambos mpares, permitindo a omissao do ultimo bit da soma, que e igual ao da
subtracao [Calderbank et al. 1997].
O esquema de lifting para transformadas inteiras e mostrado
em [Calderbank et al. 1997, Calderbank et al. 1998]. Este esquema possui carac-
tersticas desejaveis que incluem: baixa complexidade, tempo de execucao linear e
computacao local, nao precisando de estruturas auxiliares. Usando-se lifting e possvel
reescrever a equacao 7 nos seguintes passos, que devem ser executados sequencialmente

dj,k = sj1,2k+1 sj1,2k

(9)
sj,k = sj1,2k + bdj,k /2c

Trocando-se a ordem das operacoes e os sinais da transformacao, obtem-se a in-

versa
sj1,k = sj,k bdj,k /2c
(10)
sj1,k+1 = dj,k + sj1,k

Ainda em [Calderbank et al. 1997, Calderbank et al. 1998] sao encontradas

generalizacoes da transformada S. As transformadas TS e S+P adicionam um terceiro

179
 VII Workshop de Informtica Mdica - WIM 2007

estagio ao esquema de lifting, resultando em transformacoes inteiras reversveis. A trans-

formada TS e mais simples, constituindo, na verdade, um caso especial da transformada
S+P.
A aplicacao das operacoes de transformacao nas linhas e colunas de uma imagem
produz um nvel de decomposicao bidimensional (figura 1(a)). A banda LL mostrada
na figura 1(a) e a aproximacao da imagem em uma menor escala. As outras bandas,
LH, HL e HH, representam os coeficientes de detalhe da transformacao. Novos nveis
de decomposicao sao obtidos aplicando-se a transformada bidimensional na banda que
contem a aproximacao da imagem. A figura 1(b) mostra uma decomposicao de dois
nveis.

LL HL
LL HL HL
LH HH

LH HH LH HH

(a) (b)

Figura 1. Transformadas wavelets bidimensionais. (a) decomposicao em um

nvel; (b) decomposicao em dois nveis.

3. Metodologia Desenvolvida
A metodologia desenvolvida baseia-se no fato de que os coeficientes obtidos por meio
de transformacoes wavelets podem ser codificados com mais eficiencia do que os pixels
originais da imagem.
A primeira etapa no processo de compressao consiste na aplicacao de uma trans-
formada wavelet inteira. O nvel de decomposicao pode ser escolhido conforme o tipo
de aplicacao em que o metodo sera usado. Maiores nveis de decomposicao, em geral,
implicam em uma maior taxa de compressao.
Para ilustrar a aplicacao da transformada S, seja um bloco da imagem de 8 8
pixels, mostrada na figura 2(a). Os coeficientes resultantes apos a aplicacao da trans-
formada wavelet sao mostrados em (b), que apresenta um nvel de decomposicao. As
imagens mostradas em (c) e (d) apresentam, respectivamente, a decomposicao em dois e
tres nveis.
A segunda etapa da compressao explora a redundancia de codificacao. Sobre os
coeficientes obtidos na transformacao da primeira etapa, aplica-se a codificacao de Huff-
man. A cada coeficiente e atribudo um codigo de comprimento variavel, de forma que os
coeficientes que ocorrem mais frequentemente na imagem recebem codigos menores que
os codigos dos coeficientes menos frequentes.
A figura 3 ilustra o resultado da aplicacao da codificacao de Huffman sobre os
coeficientes mostrados na figura 2(d). Os coeficientes da transformacao sao substitudos

180
 VII Workshop de Informtica Mdica - WIM 2007

1 2 3 4 5 6 7 8 1 3 5 7 1 1 1 1
2 3 4 5 6 7 8 9 3 5 7 9 1 1 1 1
3 4 5 6 7 8 9 10 5 7 9 11 1 1 1 1
4 5 6 7 8 9 10 11 7 9 11 13 1 1 1 1
5 6 7 8 9 10 11 12 1 1 1 1 0 0 0 0
6 7 8 9 10 11 12 13 1 1 1 1 0 0 0 0
7 8 9 10 11 12 13 14 1 1 1 1 0 0 0 0
8 9 10 11 12 13 14 15 1 1 1 1 0 0 0 0
(a) (b)
3 7 2 2 1 1 1 1 7 4 2 2 1 1 1 1
7 11 2 2 1 1 1 1 4 0 2 2 1 1 1 1
2 2 0 0 1 1 1 1 2 2 0 0 1 1 1 1
2 2 0 0 1 1 1 1 2 2 0 0 1 1 1 1
1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0
(c) (d)

Figura 2. Aplicacao da transformada wavelet inteira (a) imagem original; (b)-

(d) coeficientes da transformada com um, dois e tres nveis de decomposicao,
respectivamente.

por um codigo binario que pode ser identificado sem ambiguidades. O conjunto de bits
que codifica um coeficiente nunca e prefixo para o codigo de outro coeficiente.
00001000100100111110001010010011111001001010111110010010
10111111111010101011111010101011111010101011111010101010
Figura 3. Resultado da aplicacao da codificacao de Huffman sobre os coeficien-
tes da transformada wavelet inteira.

4. Resultados Experimentais
Esta secao apresenta os resultados obtidos a partir da aplicacao das transformadas wave-
lets inteiras em imagens medicas. Uma analise comparativa e realizada com respeito a
outros metodos de compressao sem perdas.
O codigo, desenvolvido em Matlab, permite a entrada com diferentes dimensoes
(em pixels) e profundidades (em bits) de imagens. O usuario pode selecionar o numero
de nveis de decomposicao desejado.
Diversas imagens medicas foram utilizadas nos experimentos, todas no formato
DICOM [Digital Imaging and Communications in Medicine 2007]. O formato DICOM
e um padrao criado pela NEMA (National Electrical Manufacturers Association) para
facilitar a distribuicao de imagens medicas em varias modalidades de aquisicao, como to-
mografia computadorizada, ressonancia magnetica e ultrassonografia. Informacoes sobre
as dimensoes, profundidade e entropia para um conjunto de oito imagens sao apresentadas
na tabela 1.

181
 VII Workshop de Informtica Mdica - WIM 2007

Tabela 1. Conjunto de imagens utilizadas nos experimentos.

Imagens Dimensoes Profundidade Entropia

(pixels) (bits) (bit/pixel)
mr-mono2-16-head 256 256 16 5,7044
ct-mono2-8-abdo 512 512 8 3,7368
radiofluoroscopic 1024 1024 8 6,0085
ot-mono2-8-colon 512 512 8 5,5491
ot-mono2-8-a7 red 256 256 8 5,1785
nm-mono2-16-heart 64 64 16 3,2270
mr-mono2-16-head red 128 128 16 4.1958
ot-mono2-8-hip 512 512 8 6,4002

Para avaliacao da taxa de compressao, descrita na equacao 1, foi realizada uma

comparacao entre a transformada wavelet inteira S implementada neste trabalho e os pa-
cotes ZIP [ZIP 2007], GZIP [GNU ZIP 2007] e LJPG [LJPG 2007]. A tabela 2 apresenta
as taxas de compressao, em valores percentuais, obtidas pelos quatro metodos. Para o
conjunto de imagens testadas, a compressao realizada pelo metodo proposto foi superior
aos outros tres metodos. Mesmo para poucos nveis de decomposicao, mostrados entre
parenteses na coluna da transformada S, o metodo obteve boas taxas de compressao.

Tabela 2. Taxas de compressao para os diferentes metodos de compressao. Os

valores entre parenteses na coluna da transformada S representam o nvel de
decomposicao wavelet utilizado.

Imagens ZIP GZIP LJPG S

mr-mono2-16-head 46,71 46,81 60,10 80,65 (8)
ct-mono2-8-abdo 67,16 67,21 61,03 75,82 (7)
radiofluoroscopic 55,69 55,70 62,37 80,88 (6)
ot-mono2-8-colon 49,85 49,90 48,49 70,74 (5)
ot-mono2-8-a7 red 44,27 44,47 44,51 68,99 (4)
nm-mono2-16-heart 75,51 76,94 84,00 95,09 (3)
mr-mono2-16-head-red 44,12 44,48 58,38 80,09 (2)
ot-mono2-8-hip 30,38 30,42 37,17 50,99 (1)

A compressao da imagem ot-mono2-8-hip com diferentes nveis de

decomposicao wavelet e mostrada na figura 4. Pode-se observar, a partir do grafico, que
a taxa de compressao aumenta significativamente entre os nveis 1 e 4. Apos estes nveis,
a taxa de compressao permanece aproximadamente constante.

182
 VII Workshop de Informtica Mdica - WIM 2007

70
69
68
67
66
65
Taxa de compresso (%)

64
63
62
61
60
59
58
57
56
55
54
53
52
51
50
1 2 3 4 5 6 7 8 9
Nveis de decomposio

Figura 4. Compressao da imagem ot-mono2-8-hip com diferentes nveis de

decomposicao.

5. Conclusoes e Trabalhos Futuros

Devido ao grande volume de dados que envolve o armazenamento e transmissao de ima-
gens medicas, torna-se desejavel a compressao desses dados. Embora as transformadas
wavelets tenham sido largamente utilizadas para compressao de imagens com perdas, ou
seja, sem garantir a recuperacao exata dos dados originais, ainda ha poucos trabalhos
desenvolvidos para compressao sem perdas.
Este trabalho descreve um metodo de compressao sem perdas utilizando transfor-
madas wavelets inteiras. Uma analise comparativa e realizada entre o metodo desenvol-
vido e outras abordagens disponveis para compressao sem perdas. Os resultados mos-
tram que as transformadas wavelets inteiras podem produzir significativas reducoes nos
tamanhos dos arquivos.
Como propostas para trabalhos futuros estao a aplicacao de outros filtros wavelets
e a combinacao de novas tecnicas de codificacao dos coeficientes transformados de modo
a explorar mais eficientemente a redundancia dos coeficientes.

6. Agradecimentos
Os autores sao gratos a Sebastien Barre [Barre 2007] e a Rubo Medical Ima-
ging [Rubo 2007] pela disponibilizacao das imagens medicas no formato DICOM.

Referencias
Adams, M. D. e Kossentini, F. (2000). Reversible Integer-to-Integer Wavelet Transforms
for Image Compression: Performance Evaluation and Analysis. IEEE Transactions on
Image Processing, 9(6):10101024.

183
 VII Workshop de Informtica Mdica - WIM 2007

Antonini, M., Barlaud, M., Mathieu, P., e Daubechies, I. (1992). Image Coding Using
Wavelet Transform. IEEE Transactions on Image Processing, 1(2):205220.
Barre, S. (2007). Medical Image Samples. http://barre.nom.fr/medical/
samples/index.html.
Bilgin, A., Sementilli, P. J., Sheng, F., e Marcellin, M. W. (2000). Scalable Image Coding
Using Reversible Integer Wavelet Transforms. IEEE Transactions on Image Proces-
sing, 9(11):19721977.
Calderbank, A. R., Daubechies, I., Sweldens, W., e Yeo, B.-L. (1997). Lossless Image
Compresion Using Integer to Integer Wavelet Transforms. In International Conference
on Image Processing, volume 1, pages 596599.
Calderbank, R., Daubechies, I., Sweldens, W., e Yeo, B.-L. (1998). Wavelet Trans-
forms that Map Integers to Integers. Applied and Computational Harmonic Analysis,
5(3):332369.
Claypoole, R., Davis, G., Sweldens, W., e Baraniuk, R. (2003). Nonlinear Wavelet
Transforms for Image Coding via Lifting. IEEE Transactions on Image Processing,
12(12):14491459.
Cover, T. M. e Thomas, J. A. (1991). Elements of Information Theory. John Wiley and
Sons, Inc., New York, NY, Estados Unidos.
Davis, G. e Nosratinia, A. (1998). Wavelet-based Image Coding: An Overview. Applied
and Computational Control, Signals and Circuits, 1(1).
DeVore, R., Jawerth, B., e Lucier, B. (1992). Image Compression Through Wavelet Trans-
form Coding. IEEE Transactions on Image Processing, 38:719746.
Dewitte, S. e Cornelis, J. (1997). Lossless Integer Wavelet Transform. IEEE Signal
Processing Letters, 4(6).
Digital Imaging and Communications in Medicine (2007). NEMA - National Electric
Manufacturers Association. http://medical.nema.org/.
GNU ZIP (2007). Gnu Zip. http://www.gzip.org.
Gonzalez, R. C. e Woods, R. E. (2000). Processamento de Imagens Digitais. Edgard
Blucher, Sao Paulo, SP.
Gray, R. (1990). Entropy and Information Theory. Springer-Verlag, New York, NY,
Estados Unidos.
Heer, V. K. e Reinfelder, H. E. (1990). A Comparison of Reversible Methods for Data
Compression. Proceedings of the SPIE: Medical Imaging IV, 1233:354365.
LJPG (2007). Lossless JPEG. ftp://ftp.cs.cornell.edu/pub/multimed/
ljpg.README.
Lovewell, B. K. e Basart, J. P. (1988). Survey of Image Compression Techniques. Review
of Progress in Quantitative Nondestructive Evaluation, 7A:731738.
Mallat, S. G. (1989). A Theory for Multiresolution Signal Decomposition: The Wave-
let Representation. IEEE Transactions on Pattern Analysis on Machine Intelligence,
11(7):674693.

184
 VII Workshop de Informtica Mdica - WIM 2007

Meyer, F. G., Averbuch, A., e Stromberg, J.-O. (2000). Fast Adaptive Wavelet Packet
Image Compression. IEEE Transactions on Image Processing, 9(5):792800.
Nelson, M. e Gailly, J.-L. (1995). The Data Compression Book. M&T Books, 2 edition.
Philips, W., Denecker, K., Neve, P. D., e Assche, S. V. (2000). Lossless Quantiza-
tion of Hadamard Transform Coefficients. IEEE Transactions on Image Processing,
9(11):19951999.
Prasad, L. e Iyengar, S. S. (1997). Wavelet Analysis with Applications to Image Proces-
sing. CRC Press, New York.
Rabbani, M. e Jones, P. W. (1991). Digital Image Compression Techniques. Society of
Photo-Optical Instrumentation Engineers (SPIE), Bellingham, WA, Estados Unidos.
Rubo (2007). Rubo Medical Imaging. http://www.rubomedical.com/
dicomfiles/index.html.
Saha, S. (2000). Image Compression - From DCT to Wavelets: A Review. ACM Cross-
roads, 6(3).
Salomon, D. (1997). Data Compression: The Complete Reference. Springer, 1 edition.
Stollnitz, E. J., DeRose, T. D., e Salesin, D. H. (1996). Wavelets for Computer Graphics -
Theory and Applications. Morgan Kauffmann Publishers, Inc, San Francisco, Califor-
nia, United States.
Villasenor, J., Belzer, B., e Lia, J. (1995). Wavelet Filter Evaluation for Image Compres-
sion. IEEE Transactions on Image Processing, 2:10531060.
Witten, I. H., Moffat, A., e Bell, T. C. (1999). Managing Gigabytes: Compressing and
Indexing Documents and Images. Morgan Kaufmann, 2 edition.
ZIP (2007). Zip. http://www.info-zip.org/Zip.html.

185