图像处理系统及胶囊内窥镜的制作方法

1.本发明涉及医疗器械技术领域，尤其涉及一种图像处理系统及胶囊内窥镜。


背景技术：

2.胶囊内窥镜采集的原始图像数据传输到体外的过程中因受到射频传输带宽和电池电量的限制，在传输之前，原始图像数据需经高倍压缩之后，再通过射频模块传输到体外，之后，经终端设备解压缩及色彩增强处理来还原原始图像数据，得到还原后的图像数据。经过上述处理，还原后的图像数据与原始图像数据相比，清晰度降低，图像失真，尤其是重要的生物特征信息丢失，从而影响病灶的识别和诊断，进而影响胶囊内窥镜的检测结果的准确性。


技术实现要素：

3.为了解决现有技术中存在的上述至少一个技术问题，本发明实施例提供一种图像处理系统及胶囊内窥镜，实现了对传输到体外的胶囊内窥镜拍摄的图像数据的增强处理，防止了体内目标区域的图像数据中的重要的生物特征信息经压缩和传输而丢失，传输到体外的图像数据经增强处理后有利于病灶的识别和诊断，进而提高了胶囊内窥镜的检测结果的准确性。
4.本发明实施例提供一种图像处理系统，包括胶囊内窥镜和终端设备，所述胶囊内窥镜包括图像采集模块和图像处理模块，所述图像采集模块采集目标区域的图像数据，得到所述rgb图像矩阵s；
5.所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m，其中i∈(1，m)，j∈(1，n)，m和n分别为正整数；
6.所述图像处理模块分别对所述rgb图像矩阵s和所述生物特征图像矩阵m进行压缩处理，得到压缩后的rgb图像矩阵s
′
和压缩后的生物特征图像矩阵m
′
；
7.所述终端设备分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
；
8.所述终端设备对所述解压后的rgb图像矩阵s
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到rgb特征融合图像s
target
。
9.在一些实施例中，所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m包括：
10.所述图像处理模块对所述rgb图像矩阵s中每个像素点rgb
ij
采用生物特征指数公式，得到每个所述像素点的生物特征数值，并生成初始生物特征图像矩阵m1；
11.所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2；
12.所述图像处理模块对所述初始生物特征图像矩阵m1和所述腐蚀后的图像矩阵m2进行异或运算，得到所述生物特征图像矩阵m。
13.在一些实施例中，所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2之前还包括：
14.所述图像处理模块过滤所述初始生物特征图像矩阵m1中偏离均值超过第一预设阈值的元素，得到过滤后的初始生物特征图像矩阵m1
′
。
15.在一些实施例中，所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2之前还包括：
16.所述图像处理模块对所述初始生物特征图像矩阵m1进行二值化处理，得到二值化后的初始生物特征图像矩阵m1
″
。
17.在一些实施例中，所述图像处理模块分别对所述rgb图像矩阵s和所述生物特征图像矩阵m进行压缩处理，得到压缩后的rgb图像矩阵s
′
和压缩后的生物特征图像矩阵m
′
包括：
18.所述图像处理模块对所述rgb图像矩阵s进行有损压缩处理，得到所述压缩后的rgb图像矩阵s
′
；
19.所述图像处理模块对所述生物特征图像矩阵m进行无损压缩处理，得到所述压缩后的生物特征图像矩阵m
′
。
20.在一些实施例中，所述图像处理模块对所述生物特征图像矩阵m进行无损压缩处理，得到所述压缩后的生物特征图像矩阵m
′
包括：
21.所述图像处理模块对所述生物特征图像矩阵m进行降维处理，得到所述压缩后的生物特征图像矩阵m
′
，所述压缩后的生物特征图像矩阵m
′
包括s子矩阵s*，v子矩阵v*和d子矩阵d*。
22.在一些实施例中，所述胶囊内窥镜还包括射频模块，所述终端设备分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
之前还包括：所述图像处理模块将所述压缩后的rgb图像矩阵s
′
、所述s子矩阵s*、所述v子矩阵v*和所述d子矩阵d*合成数据包；
23.所述射频模块将所述数据包发送到体外；
24.所述终端设备接收所述数据包。
25.在一些实施例中，所述终端设备分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
包括：
26.所述终端设备对所述压缩后的rgb图像矩阵s
′
进行解压缩处理，得到所述解压后的rgb图像矩阵s
″
；
27.所述终端设备对所述s子矩阵s*，所述v子矩阵v*和所述d子矩阵d*进行矩阵乘法运算，得到所述解压后的生物特征图像矩阵m
″
。
28.在一些实施例中，所述终端设备对所述解压后的rgb图像矩阵s
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到rgb特征融合图像s
target
包括：所述终端设备将所述解压后的rgb图像s
″
转换为hsv图像n
″
，获取所述hsv图像n
″
中h
channel
、s
channel
、v
channel
通道数据，得到h通道数据h
″
、s通道数据s
″
、v通道数据v
″
；
29.所述终端设备对所述v通道数据v
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到增强融合后的矩阵v
enhance
；
30.所述终端设备将所述h通道数据h
″
、所述s通道数据s
″
和所述矩阵v
enhance
转换到rgb颜色空间，得到所述rgb特征融合图像s
target
。
31.本发明实施例提供一种胶囊内窥镜，包括图像采集模块、图像处理模块和射频模块，
32.所述图像采集模块采集目标区域的图像数据，得到所述rgb图像矩阵s；
33.所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m，其中i∈(1，m)，j∈(1，n)，m和n分别为正整数；
34.所述图像处理模块分别对所述rgb图像矩阵s和所述生物特征图像矩阵m进行压缩处理，得到压缩后的rgb图像矩阵s
′
和压缩后的生物特征图像矩阵m
′
；
35.所述射频模块将所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
发送到体外，以使终端设备分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
，以及使所述终端设备对所述解压后的rgb图像矩阵s
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到rgb特征融合图像s
target
。
36.在一些实施例中，所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m包括：
37.所述图像处理模块对所述rgb图像矩阵s中每个像素点rgb
ij
采用生物特征指数公式，得到每个所述像素点的生物特征数值，并生成初始生物特征图像矩阵m1；
38.所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2；
39.所述图像处理模块对所述初始生物特征图像矩阵m1和所述腐蚀后的图像矩阵m2进行异或运算，得到所述生物特征图像矩阵m。
40.在一些实施例中，所述图像处理模块对所述生物特征图像矩阵m进行压缩处理，得到压缩后的生物特征图像矩阵m
′
包括：
41.所述图像处理模块对所述生物特征图像矩阵m进行降维处理，得到所述压缩后的生物特征图像矩阵m
′
，所述压缩后的生物特征图像矩阵m
′
包括s子矩阵s*，v子矩阵v*和d子矩阵d*。
42.本发明实施例提供的一种图像处理系统，包括胶囊内窥镜和终端设备，所述胶囊内窥镜包括图像采集模块和图像处理模块，所述图像采集模块采集目标区域的图像数据，得到所述rgb图像矩阵s；所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m，其中i∈(1，m)，j∈(1，n)，m和n分别为正整数；所述图像处理模块分别对所述rgb图像矩阵s和所述生物特征图像矩阵m进行压缩处理，得到压缩后的rgb图像矩阵s
′
和压缩后的生物特征图像矩阵m
′
；所述终端设备分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
；所述终端设备对所述解压后的rgb图像矩阵s
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到rgb特征融合图像s
target
，实现了对传输到体外的图像数据的增强处理，防止了目标区域的图像数据中的重要的生物特征信息经压缩和传输而丢失，传输到体外的图像数据经增强处理后有利于病灶的识别和诊断，进而提高了胶囊内窥镜的检测结果的准确性。
附图说明
43.附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。
44.图1为本发明实施例提供的一种图像处理系统的示意图；
45.图2为本发明实施例提供的另一种图像处理系统中的胶囊内窥镜的示意图。在附图中：
46.胶囊内窥镜1、终端设备2。
具体实施方式
47.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
48.如图1所示，本发明实施例提供一种图像处理系统，包括胶囊内窥镜1和终端设备2，所述胶囊内窥镜1包括图像采集模块和图像处理模块，所述图像采集模块采集目标区域的图像数据，得到所述rgb图像矩阵s；所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m，其中i∈(1，m)，j∈(1，n)，m和n分别为正整数；所述图像处理模块分别对所述rgb图像矩阵s和所述生物特征图像矩阵m进行压缩处理，得到压缩后的rgb图像矩阵s
′
和压缩后的生物特征图像矩阵m
′
；所述终端设备2分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
；所述终端设备2对所述解压后的rgb图像矩阵s
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到rgb特征融合图像s
target
。
49.具体地，所述图像处理系统包括胶囊内窥镜1和终端设备2，所述终端设备2可以是但不限于各种智能手机、平板电脑、笔记本电脑、台式计算机等。所述胶囊内窥镜1包括图像采集模块和图像处理模块。所述受检者吞服胶囊内窥镜1，所述胶囊内窥镜1在受检者的消化道内采集图像数据，可以采集食道、胃部、小肠、大肠等的图像数据。所述胶囊内窥镜1的照明模块可以是rgb彩色led灯，经硬件管脚控制输出red、green和blue占比相同的白色光源照射于受检者的目标区域，该目标区域可以是胃部的24部位中的任意一部位，胶囊内窥镜1的图像采集模块采集该目标区域的图像数据，该图像采集模块可以是cmos(complementary metal-oxide-semiconductor)摄像头，图像处理模块对所述图像数据进行校准，得到m*n分辨率的rgb图像矩阵m和n分别为正整数，其中校准可以包括bpf(bayer pattern filter，掩膜阵列)、blc(black level correction，暗电流校准)、lsc(lens shading correction，镜头暗角校准)、bpc(bad point correction，坏点校准)、ae(auto exprosure，自动曝光)、dnr(digital noise reduction，降噪)、ee(edge enhance，增强)、demosaic(去马赛克)、awb(auto white balance，自动白平衡)、ccm(color correction matix，色彩校正矩阵)、gc(gamma correction，非线性映射)、gamma(非线性映射)中一个或者多个算法。
50.所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m，其中i∈(1，m)，j∈(1，n)，m和n分别为正整数，其中生物特征信息，比如可以是血管特征信息。所述图像处理模块分别对所述rgb图像矩阵s和所述生物特征图像矩阵m进行压缩处理，得到压缩后的rgb图像矩阵s
′
和压缩后的生物特征图像矩阵m
′
。
51.所述终端设备2分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
。所述终端设备2对所述解压后的rgb图像矩阵s
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到rgb特征融合图像s
target
。
52.本发明实施例提供的一种图像处理系统，胶囊内窥镜1采集目标区域的图像数据，通过胶囊内窥镜1的图像处理模块以及终端设备2对所述图像数据进行处理，得到rgb特征融合图像s
target
，实现了对传输到体外的图像数据的增强处理，防止了目标区域的图像数据中的重要的生物特征信息经压缩和传输而丢失，传输到体外的图像数据经增强处理后有利于病灶的识别和诊断，进而提高了胶囊内窥镜1的检测结果的准确性。
53.在一些实施例中，所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m包括：所述图像处理模块对所述rgb图像矩阵s中每个像素点rgb
ij
采用生物特征指数公式，得到每个所述像素点的生物特征数值，并生成初始生物特征图像矩阵m1；所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2；所述图像处理模块对所述初始生物特征图像矩阵m1和所述腐蚀后的图像矩阵m2进行异或运算，得到所述生物特征图像矩阵m。
54.具体地，本发明实施例中生物特征信息以血管特征为例，则生物特征指数公式如下：
[0055][0056]
其中，ihb
ij
为血红蛋白吸收指数，r
ij
为像素点的red值，g
ij
为像素点的green值。
[0057]
对所述rgb图像矩阵s中像素点rgb
ij
应用上述生物特征指数公式进行遍历运算，依次得到每个像素点的ihb
ij
值，并生成所述初始生物特征图像矩阵
[0058]
所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2。具体地，所述图像处理模块对所述初始生物特征图像矩阵m1执行预设邻域的尺寸大小的腐蚀运算，该预设邻域可以根据需要设定，比如可以是3*3的邻域，n次迭代直到初始生物特征图像m1被腐蚀完全消失。统计每次迭代消失像素点量pdie
_n
，得到点云w[log(n)，log(pdie
_n
)]，并在空间坐标系中标记。以所述点云的初始点为极坐标的原点，将该点云转换到极坐标系ρ-θ,统计极角度的方差，获取方差小于某个阈值下的点集w*，使得w*分布具有某个一致的方向，并记录此时的迭代数n
die
，此时的映射关系满足线性，并可以在空间坐标系中拟合为直线。
[0059]
在映射图中，随着n增大，血管形态不断被腐蚀，且与消失像素点的对数成线性关
系。在上述极坐标统计的时刻n
die
，其中n
die
为人体内血管形态迭代消失的总次数，当这种线性关系被破坏，即表明此时血管形态被腐蚀完全，得到腐蚀后的图像矩阵m2。可以理解的是n
die
＝n。
[0060]
对所述初始生物特征图像矩阵m1和所述腐蚀后的图像矩阵m2按行列坐标做矩阵元素异或运算，分割出血管形态特征图像矩阵m。
[0061]
在一些实施例中，所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2之前还包括：所述图像处理模块过滤所述初始生物特征图像矩阵m1中偏离均值超过第一预设阈值的元素，得到过滤后的初始生物特征图像矩阵m1
′
。
[0062]
具体地，所述图像处理模块对所述初始生物特征图像矩阵m1中的所有值按照如下公式做平均值统计，得到mean(m1)：
[0063][0064]
遍历所述初始生物特征图像矩阵m1中每个元素，使用条件阈值算法，过滤掉偏离均值mean(m)超过第一预设阈值的元素，该第一预设阈值可以根据需要进行设定，被过滤的元素的位置用0替代，得到过滤后的初始生物特征图像矩阵m1
′
，过滤掉偏离均值的元素，可以提升图像增强效果。在一些实施例中，所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2之前还包括：所述图像处理模块对所述初始生物特征图像矩阵m1进行二值化处理，得到二值化后的初始生物特征图像矩阵m1
″
，
[0065][0066]
在一些实施例中，所述图像处理模块分别对所述rgb图像矩阵s和所述生物特征图像矩阵m进行压缩处理，得到压缩后的rgb图像矩阵s
′
和压缩后的生物特征图像矩阵m
′
包括：所述图像处理模块对所述rgb图像矩阵s进行有损压缩处理，得到所述压缩后的rgb图像矩阵s
′
；所述图像处理模块对所述生物特征图像矩阵m进行无损压缩处理，得到所述压缩后的生物特征图像矩阵m
′
。有损压缩可以是进行jpeg压缩，无损压缩可以是奇异值分解(singular value decomposition，以下简称svd)。
[0067]
在一些实施例中，所述图像处理模块对所述生物特征图像矩阵m进行无损压缩处理，得到所述压缩后的生物特征图像矩阵m
′
包括：所述图像处理模块对所述生物特征图像矩阵m进行降维处理，得到所述压缩后的生物特征图像矩阵m
′
，所述压缩后的生物特征图像矩阵m
′
包括s子矩阵s*，v子矩阵v*和d子矩阵d*。具体地，对所述生物特征图像矩阵m进行svd分解，生成高度压缩的s子矩阵s*，v子矩阵v*和d子矩阵d*。
[0068]
在一些实施例中，所述胶囊内窥镜1还包括射频模块，所述终端设备2分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
之前还包括：所述图像处理模块将所
述压缩后的rgb图像矩阵s
′
、所述s子矩阵s*、所述v子矩阵v*和所述d子矩阵d*合成数据包；所述射频模块将所述数据包发送到体外；所述终端设备2接收所述数据包。
[0069]
在一些实施例中，所述终端设备2分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
包括：所述终端设备2对所述压缩后的rgb图像矩阵s
′
进行解压缩处理，得到所述解压后的rgb图像矩阵s
″
；所述终端设备2对所述s子矩阵s*，所述v子矩阵v*和所述d子矩阵d*进行矩阵乘法运算，得到所述解压后的生物特征图像矩阵m
″
。
[0070]
具体地，所述终端设备2可以通过decodejpeg对所述压缩后的rgb图像矩阵s
′
进行解压缩处理，得到所述解压后的rgb图像矩阵s
″
。所述终端设备2通过svd算法对所述s子矩阵s*，所述v子矩阵v*和所述d子矩阵d*进行矩阵乘法运算，得到所述解压后的生物特征图像矩阵m
″
，可以理解的是，所述解压后的生物特征图像矩阵m
″
与所述生物特征图像矩阵m相同。
[0071]
在一些实施例中，所述终端设备2对所述解压后的rgb图像矩阵s
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到rgb特征融合图像s
target
包括：所述终端设备2将所述解压后的rgb图像s
″
转换为hsv图像n
″
，获取所述hsv图像n
″
中h
channel
、s
channel
、v
channel
通道数据，得到h通道数据h
″
、s通道数据s
″
、v通道数据v
″
；所述终端设备2对所述v通道数据v
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到增强融合后的矩阵v
enhance
；所述终端设备2将所述h通道数据h
″
、所述s通道数据s
″
和所述矩阵v
enhance
转换到rgb颜色空间，得到所述rgb特征融合图像s
target
。
[0072]
具体地，基于hsv-rgb的相互转换运算，将所述解压后的rgb图像s
″
转换到hsv空间得到hsv图像n
″
，获取所述hsv图像n
″
中h
channel
、s
channel
、v
channel
通道数据，得到h通道数据h
″
、s通道数据s
″
、v通道数据v
″
。按照如下公式对所述v通道数据v
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到增强融合后的矩阵v
enhance
：
[0073]venhance
(i,j)＝δ
1v″
(i,j) δ2m
″
(i,j)，
[0074]
其中，δ1为所述v通道数据v
″
的融合系数，δ2为所述解压后的生物特征图像矩阵m
″
的融合系数，且δ1 δ2＝1。
[0075]
可以理解的是基于hsv-rgb的相互转换运算，所述终端设备2将所述h通道数据h
″
、所述s通道数据s
″
和所述矩阵v
enhance
转换到rgb颜色空间，得到所述rgb特征融合图像s
target
。
[0076]
本发明实施例提供的一种图像处理系统，包括胶囊内窥镜1和终端设备2，所述胶囊内窥镜1采集目标区域的图像数据，提取出所述图像数据中的生物特征图像并进行无损压缩和传输到体外，对所述目标区域的图像数据进行压缩和传输到体外，在体外，所述终端设备2对接收的以上两者的压缩图像进行解压缩及融合处理，得到rgb特征融合图像s
target
，该rgb特征融合图像s
target
包含生物特征信息，有助于医护人员对病灶的识别和诊断，进而提高了胶囊内窥镜1的检测结果的准确性；同时保证了数据从体内到体外传输的高压缩率和实时性。
[0077]
如图2所示，本发明实施例提供一种胶囊内窥镜1，包括图像采集模块、图像处理模
块和射频模块，所述图像采集模块采集目标区域的图像数据，得到所述rgb图像矩阵s；
[0078]
所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m，其中i∈(1，m)，j∈(1，n)，m和n分别为正整数；所述图像处理模块分别对所述rgb图像矩阵s和所述生物特征图像矩阵m进行压缩处理，得到压缩后的rgb图像矩阵s
′
和压缩后的生物特征图像矩阵m
′
；所述射频模块将所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
发送到体外，以使终端设备2分别对所述压缩后的rgb图像矩阵s
′
和所述压缩后的生物特征图像矩阵m
′
进行解压缩处理，得到解压后的rgb图像矩阵s
″
和解压后的生物特征图像矩阵m
″
，以及使所述终端设备2对所述解压后的rgb图像矩阵s
″
和所述解压后的生物特征图像矩阵m
″
进行增强融合处理，得到rgb特征融合图像s
target
。
[0079]
在一些实施例中，所述图像处理模块提取所述rgb图像矩阵s中每个像素点rgb
ij
的生物特征信息，生成生物特征图像矩阵m包括：所述图像处理模块对所述rgb图像矩阵s中每个像素点rgb
ij
采用生物特征指数公式，得到每个所述像素点的生物特征数值，并生成初始生物特征图像矩阵m1；所述图像处理模块对所述初始生物特征图像矩阵m1执行腐蚀运算，当迭代n次，生物特征形态消失时，得到腐蚀后的图像矩阵m2；所述图像处理模块对所述初始生物特征图像矩阵m1和所述腐蚀后的图像矩阵m2进行异或运算，得到所述生物特征图像矩阵m。
[0080]
在一些实施例中，所述图像处理模块对所述生物特征图像矩阵m进行压缩处理，得到压缩后的生物特征图像矩阵m
′
包括：所述图像处理模块对所述生物特征图像矩阵m进行降维处理，得到所述压缩后的生物特征图像矩阵m
′
，所述压缩后的生物特征图像矩阵m
′
包括s子矩阵s*，v子矩阵v*和d子矩阵d*。
[0081]
所述胶囊内窥镜1的各个功能模块以及终端设备2如何实现上述功能，请详见上述图像处理系统的实施例的描述，在此不再赘述。
[0082]
本发明实施例提供一种胶囊内窥镜1，所述胶囊内窥镜1采集目标区域的图像数据，提取出所述图像数据中的生物特征图像并进行无损压缩和传输到体外，对所述目标区域的图像数据进行压缩和传输到体外，以使所述终端设备2对接收的以上两者的压缩图像进行解压缩及融合处理，得到rgb特征融合图像s
target
，该rgb特征融合图像s
target
包含生物特征信息，有助于医护人员对病灶的识别和诊断，进而提高了胶囊内窥镜1的检测结果的准确性；同时保证了数据从体内到体外传输的高压缩率和实时性。
[0083]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一种计算机可以存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
[0084]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
[0085]
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。