Le traitement d’images médicales : principes, principales applications et perspectives
107
D’autres décompositions sont possibles. Elles peuvent être reliées à la précédente
par des équations linéaires ou non linéaires. Citons par exemple la décomposition TSI ou TSL (Teinte, Saturation, Illumination ou Luminosité), en anglais
HSB (Hue, Saturation, Brightness).
En imprimerie, on utilise plutôt la propriété d’absorption des couleurs avec
la décomposition CMJN (Cyan, Magenta, Jaune, Noir). On parle de synthèse
soustractive.
En imagerie médicale diagnostique, les images montrent en niveaux de gris les
propriétés physiques des corps traversés par les rayonnements. Les images de
scanner représentent l’atténuation des rayons X lors de la traversée du corps
examiné. Il peut être intéressant d’ajouter de la couleur afin de mieux discerner
les caractéristiques de l’image. Ainsi, on ajoute de la fausse couleur aux images
ultrasonores Doppler pour colorer le flux sanguin en rouge ou en bleu suivant
qu’il s’approche ou qu’il s’éloigne du capteur. L’intensité de la couleur est d’autant plus importante que la vitesse du flux est grande.
5.2.4 La compression d’images
La résolution des images numériques est de plus en plus grande car la capacité des capteurs et des systèmes permettant de générer ces images ne cesse
de s’améliorer et de se répandre. Ainsi, les images de grande résolution sont
de plus en plus courantes pour des appareils devenus très communs comme
les téléphones portables. Bien que les capacités des disques durs des ordinateurs et les bandes passantes des réseaux augmentent aussi, la compression des
images devient nécessaire pour résoudre les besoins croissants de stockage et de
transmission.
En imagerie médicale, de très nombreuses images de grande résolution sont
générées tous les jours dans les services d’imagerie. On estime à plusieurs Téra
octets le volume des images générées par an dans un plateau technique d’imagerie.
Propriétés des algorithmes de compression
La propriété principale d’un algorithme de compression en vue du stockage
des images est le taux de compression qu’il permet. Différentes définitions du
taux de compression sont utilisées couramment. Une définition simple donne
le taux de compression sous forme de rapport. Supposons qu’une image de
taille 256 x 256 nécessite 65 536 octets sous forme non compressée et qu’elle ne
fasse plus que 16 384 octets une fois compressée, le taux de compression sous
forme de rapport est alors de 4:1. Certains auteurs préfèrent exprimer le taux de
compression en pourcentage d’espace économisé, soit 75 %.
La rapidité de la compression et de la décompression est aussi un critère de choix,
é
surtout si l’objectif est la transmission des images ; dans ce cadre, la compression n’est en effet utile que si la transmission de l’image non compressée prend
plus de temps que la compression, la transmission de l’image compressée et sa
décompression.
107
D’autres décompositions sont possibles. Elles peuvent être reliées à la précédente
par des équations linéaires ou non linéaires. Citons par exemple la décomposition TSI ou TSL (Teinte, Saturation, Illumination ou Luminosité), en anglais
HSB (Hue, Saturation, Brightness).
En imprimerie, on utilise plutôt la propriété d’absorption des couleurs avec
la décomposition CMJN (Cyan, Magenta, Jaune, Noir). On parle de synthèse
soustractive.
En imagerie médicale diagnostique, les images montrent en niveaux de gris les
propriétés physiques des corps traversés par les rayonnements. Les images de
scanner représentent l’atténuation des rayons X lors de la traversée du corps
examiné. Il peut être intéressant d’ajouter de la couleur afin de mieux discerner
les caractéristiques de l’image. Ainsi, on ajoute de la fausse couleur aux images
ultrasonores Doppler pour colorer le flux sanguin en rouge ou en bleu suivant
qu’il s’approche ou qu’il s’éloigne du capteur. L’intensité de la couleur est d’autant plus importante que la vitesse du flux est grande.
5.2.4 La compression d’images
La résolution des images numériques est de plus en plus grande car la capacité des capteurs et des systèmes permettant de générer ces images ne cesse
de s’améliorer et de se répandre. Ainsi, les images de grande résolution sont
de plus en plus courantes pour des appareils devenus très communs comme
les téléphones portables. Bien que les capacités des disques durs des ordinateurs et les bandes passantes des réseaux augmentent aussi, la compression des
images devient nécessaire pour résoudre les besoins croissants de stockage et de
transmission.
En imagerie médicale, de très nombreuses images de grande résolution sont
générées tous les jours dans les services d’imagerie. On estime à plusieurs Téra
octets le volume des images générées par an dans un plateau technique d’imagerie.
Propriétés des algorithmes de compression
La propriété principale d’un algorithme de compression en vue du stockage
des images est le taux de compression qu’il permet. Différentes définitions du
taux de compression sont utilisées couramment. Une définition simple donne
le taux de compression sous forme de rapport. Supposons qu’une image de
taille 256 x 256 nécessite 65 536 octets sous forme non compressée et qu’elle ne
fasse plus que 16 384 octets une fois compressée, le taux de compression sous
forme de rapport est alors de 4:1. Certains auteurs préfèrent exprimer le taux de
compression en pourcentage d’espace économisé, soit 75 %.
La rapidité de la compression et de la décompression est aussi un critère de choix,
é
surtout si l’objectif est la transmission des images ; dans ce cadre, la compression n’est en effet utile que si la transmission de l’image non compressée prend
plus de temps que la compression, la transmission de l’image compressée et sa
décompression.