Professional Documents
Culture Documents
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
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
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
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
179
VII Workshop de Informtica Mdica - WIM 2007
LL HL
LL HL HL
LH HH
LH HH LH HH
(a) (b)
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)
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
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
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