提出一种磁共振(MR)图像的变采样率分块压缩感知(BCS,block-based compressed sensing)方法;根据MR图像细节丰富、纹理复杂的特点,引入对图像高维奇异结构具有良好稀疏表示能力的Tetrolet变换,同时考虑到MR图像各切片间的时空相关性,将相邻时序的MR切片组成图片组(GOP),通过计算参考图片与相邻切片的差异,并对参考图片及差异图进行不重叠分块,根据图像块内容变化的快慢自适应分配采样率,获取测量数据,采用平滑投影Landweber(SPL,smooth projected Landweber)算法实现GOP的高质量压缩感知(CS)重构。实验结果表明,Tetrolet变换适用于MR图像的稀疏表示,相较于采用离散余弦变换(DCT)及双树小波变换(DWT)的方法,本文的重构图像的PSNR平均提高了0.92dB与2.06dB;而且对于不同的GOP,采用变采样率方案时,重构图像的质量均优于固定采样率时所得到的结果,为MR图像的CS提供了一种可行的解决方案。