随着信息技术的快速发展及其广泛应用,医疗机构数字化建设正逐步完善,越来越多的数字化医学成像设备得以应用,医学图像在医疗诊断过程中的重要性也日显突出。海量医学图像数据与存储空间和传输带宽之间的矛盾,使得对医学图像的压缩成为必然。因此,医学图像的压缩编码研究成为数字图像处理领域的一个重要的研究课题。医学图像作为灰度图像的一种,存在与普通灰度图像同样的特性,但医学图像有其自身特殊性,如其重构图像不能影响正常的医疗诊断等。针对上述特点,本文研究工作的主要目的是在保证图像压缩比的前提下,通过提高编码效率来改善重构图像质量。首先,在研究小波变换理论的基础上,对图像小波变换过程中的一些主要问题进行了较深入的分析。其中针对小波基的选取问题,本文依据图像压缩中小波基的选取原则,选择了几种比较适合的小波基,通过在标准灰度图像和医学图像上的实验数据对比,选取了一种效果最好的小波基。然后利用所选取的小波基对医学图像进行了不同分解层数的数据对比,确定了最佳分解层数。最后,结合所选小波基的特性以及各种边界延拓方法的特点,选择了一种较好的边界延拓方法。其次,针对SPIHT算法中存在的一些不足,本文提出了一种改进的SPIHT算法。图像经过小波变换后,大部分能量都集中在低频子带,位于低频子带中的小波系数值相对较大,造成了在编码扫描初期产生较多的零树,输出了一些不必要的符号位,同时,SPIHT算法在分集判断规则上也存在冗余。本文通过改变原算法的小波树构造方法以及分集判断规则,以减少扫描初期产生的零树数量和分集判断产生的冗余,改善了编码效率。最后,本文利用MATLAB实现了一个静止图像有损压缩系统,在标准图像和不同的医学图像上,对EZW算法、SPIHT算法和改进的算法进行了实验对比,结果表明,在相同压缩比的情况下,改进后算法的峰值信噪比优于传统的零树编码算法。