Principal Component Analysis applied to digital image compression / Utilização da Análise de Componentes Principais na compressão de imagens digitais

ABSTRACT

Objective: To describe the use of a statistical tool (Principal Component Analysis - PCA) for the recognition of patterns and compression, applying these concepts to digital images used in Medicine. Methods: The description of Principal Component Analysis is made by means of the explanation of eigenvalues and eigenvectors of a matrix. This concept is presented on a digital image collected in the clinical routine of a hospital, based on the functional aspects of a matrix. The analysis of potential for recovery of the original image was made in terms of the rate of compression obtained. Results: The compressed medical images maintain the principal characteristics until approximately one-fourth of their original size, highlighting the use of Principal Component Analysis as a tool for image compression. Secondarily, the parameter obtained may reflect the complexity and potentially, the texture of the original image. Conclusion: The quantity of principal components used in the compression influences the recovery of the original image from the final (compacted) image.

RESUMO

Objetivo: Descrever a utilização de uma ferramenta estatística (Análise de Componentes Principais ou Principal Component Analysis - PCA) para reconhecimento de padrões e compressão, aplicando esses conceitos em imagens digitais utilizadas na medicina. Métodos: A descrição da Análise de Componentes Principais é realizada por meio da explanação de autovalores e autovetores de uma matriz. Esse conceito é apresentado em uma imagem digital coletada na rotina clínica de um hospital, a partir dos aspectos funcionais de uma matriz. Foi feita a análise de potencial para recuperação da imagem original em termos de taxa de compressão obtida. Resultados: As imagens médicas comprimidas mantêm as características principais até aproximadamente um quarto de seu volume original, destacando o emprego da Análise de Componentes Principais como ferramenta de compressão da imagem. Secundariamente, o parâmetro obtido pode refletir a complexidade e, potencialmente, a textura da imagem original. Conclusão: A quantidade de componentes principais utilizada na compressão influencia a recuperação da imagem original a partir da imagem final (compactada).