CN114723642B - 图像校正方法、装置及胶囊内窥镜 - Google Patents

图像校正方法、装置及胶囊内窥镜 Download PDF

Info

Publication number
CN114723642B
CN114723642B CN202210634287.8A CN202210634287A CN114723642B CN 114723642 B CN114723642 B CN 114723642B CN 202210634287 A CN202210634287 A CN 202210634287A CN 114723642 B CN114723642 B CN 114723642B
Authority
CN
China
Prior art keywords
matrix
image matrix
function
image
hsv
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210634287.8A
Other languages
English (en)
Other versions
CN114723642A (zh
Inventor
夏波
阚述贤
王建平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jifu Medical Technology Co ltd
Original Assignee
Shenzhen Jifu Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Jifu Medical Technology Co ltd filed Critical Shenzhen Jifu Medical Technology Co ltd
Priority to CN202210634287.8A priority Critical patent/CN114723642B/zh
Publication of CN114723642A publication Critical patent/CN114723642A/zh
Application granted granted Critical
Publication of CN114723642B publication Critical patent/CN114723642B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
    • A61B1/041—Capsule endoscopes for imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20201—Motion blur correction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Endoscopes (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种图像校正方法、装置及胶囊内窥镜，该方法包括：将RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1，其中，该M0为胶囊内窥镜采集的目标区域的图像，该M0包含微型球体的投影图像数据Se；基于该Se，对该M1进行区域提取处理，得到第二HSV图像矩阵M2psf；分别对该M2psf及该M1的V通道矩阵采用傅里叶变换，得到第二二维离散函数Hv(u,w)、第一二维离散函数Fv(u,w)；将该Hv(u,w)作为点扩散函数，将该Fv(u,w)作为带噪声的信号函数，带入维纳去卷积数学模型进行计算，得到处理后的理想信号函数Gv(u,w)；对该Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1。实现了基于实际运动去掉模糊的抖动，以保有图像的真实性，以利于病灶的识别和诊断，进而保证胶囊内窥镜的检测结果的准确性。

Description

图像校正方法、装置及胶囊内窥镜
技术领域
本发明涉及医疗器械技术领域，尤其涉及一种图像校正方法、装置及胶囊内窥镜。
背景技术
胶囊内窥镜在受检者的消化道采集图像时，会受到体外磁力和体内液体的影响，在满足图像质量的同时，不同的曝光延时时间下，会导致一定的拖影，目前解决拖影的办法是对图像的边缘做空间域的锐化增强，这种方法会受到运算邻域范围和梯度算子的影响，会因邻域过小或过大，算子拟合程度等问题引起一定程度的边缘失真，无法做到基于胶囊内窥镜的实际运动去掉模糊的抖动，从而影响图像的识别，不利于病灶的识别和诊断，进而影响胶囊内窥镜的检测结果的准确性。
发明内容
为了解决现有技术中存在的上述技术问题，本发明实施例提供一种图像校正方法、装置及胶囊内窥镜，旨在基于实际运动去掉模糊的抖动，以保有图像的真实性，以利于病灶的识别和诊断，进而保证胶囊内窥镜的检测结果的准确性。
本发明实施例提供一种图像校正方法，应用于胶囊内窥镜，所述胶囊内窥镜的透明罩设置有微型球体，所述微型球体的直径大于0.1μm且小于100μm，所述微型球体的表面采用蓝色RGB(0,0,255)涂层；
将分辨率为M*N的RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1，其中，M和N分别为正整数，所述RGB图像矩阵M0为所述胶囊内窥镜采集的目标区域的图像，所述RGB图像矩阵M0包含所述微型球体的投影图像数据Se，其中，M和N为正整数；
基于投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf；
对所述第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)；
对所述第一HSV图像矩阵M1的V道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)；
将所述第二二维离散函数Hv(u,w)作为点扩散函数，将所述第一二维离散函数Fv(u,w)作为带噪声的信号函数，带入维纳去卷积数学模型进行计算，得到处理后的理想信号函数Gv(u,w)；
对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1。
在一些实施例中，所述微型球体设置在所述透明罩的中心位置。
在一些实施例中，基于投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf包括：
以外接矩形为区域选择框，从所述第一HSV图像矩阵M1中提取出区域图像矩阵Mroi，所述外接矩形为所述微型球体的投影图像的外接矩形框；
从所述区域图像矩阵Mroi中确定所述微型球体投影的HSV图像矩阵Mpsf；
按照分辨率为M*N对所述HSV图像矩阵Mpsf进行扩展处理，得到所述第二HSV图像矩阵M2psf。
在一些实施例中，对第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到所述第二二维离散函数Hv(u,w)包括：
获取所述第二HSV图像矩阵M2psf的V通道矩阵，并定义为第二空间域离散函数hv(x,y),其中，x=0,1,2...,M-1；y=0,1,2...,N-1；
对所述第二空间域离散函数hv(x,y)采用二维离散傅里叶变换，得到所述第二二维离散函数Hv(u,w)。
在一些实施例中，对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)包括：
获取所述第一HSV图像矩阵M1的V通道矩阵，定义为第一空间域离散函数fv(x,y)；
对所述第一空间域离散函数fv(x,y)采用二维离散傅里叶变换，得到所述第一二维离散函数Fv(u,w)。
在一些实施例中，对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1包括：
对所述处理后的理想信号函数Gv(u,w)进行傅里叶逆变换，得到空间域函数gv(x,y)，所述空间域函数gv(x,y)对应的空间域矩阵示为Mgv；
将所述空间域矩阵Mgv与所述第一HSV图像矩阵M1中的H通道矩阵和S通道矩阵合并，得到校正后的HSV图像矩阵M2；
将所述校正后的HSV图像矩阵M2转换到RGB空间，得到所述校正后的RGB图像矩阵S1。
在一些实施例中，从所述区域图像矩阵Mroi中确定所述微型球体投影的HSV图像矩阵Mpsf包括：
所述区域图像矩阵Mroi中，分别以H颜色分量和S颜色分量，统计元素的计数counts，生成基于(H,S)的二维直方图Hisths；
在所述二维直方图Hisths，当所述计数counts大于等于预设计数阈值Tcount时标记此元素，得到标定后的数据集合DHS；
将所述数据集合DHS映射回到所述外接矩形的空间坐标，得到所述微型球体投影的所述HSV图像矩阵Mpsf。
本发明实施例提供一种图像校正装置，应用于胶囊内窥镜，所述胶囊内窥镜的透明罩设置有微型球体，所述微型球体的直径d大于0.1μm且小于100μm，所述微型球体的表面采用蓝色RGB(0,0,255)涂层，所述图像校正装置包括：
第一转换模块，用于将分辨率为M*N的RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1，其中， M和N分别为正整数，所述RGB图像矩阵M0为所述胶囊内窥镜采集的目标区域的图像，所述RGB图像矩阵M0包含所述微型球体的投影图像数据Se，其中，M和N为正整数；
第一处理模块，用于基于投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf；
第一变换模块，用于对第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)；
第二变换模块，用于对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)；
计算模块，用于将所述第二二维离散函数Hv(u,w)作为点扩散函数，将所述第一二维离散函数Fv(u,w)作为带噪声的信号函数，带入维纳去卷积数学模型进行计算，得到处理后的理想信号函数Gv(u,w)；
第二处理模块，用于对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1。
在一些实施例中，所述第一处理模块包括：
提取单元，用于以外接矩形为区域选择框，从所述第一HSV图像矩阵M1中提取出区域图像矩阵Mroi，所述外接矩形为所述微型球体的投影图像的外接矩形框；
确定单元，用于从所述区域图像矩阵Mroi中确定所述微型球体投影的HSV图像矩阵Mpsf；
扩展单元，用于按照分辨率为M*N对所述HSV图像矩阵Mpsf进行扩展处理，得到所述第二HSV图像矩阵M2psf。
在一些实施例中，所述第一变换模块包括：
第一获取单元，用于获取所述第二HSV图像矩阵M2psf的V通道矩阵，并定义为第二空间域离散函数hv(x,y),其中，x=0,1,2...,M-1；y=0,1,2...,N-1；
第一变换单元，用于对所述第二空间域离散函数hv(x,y)采用二维离散傅里叶变换，得到所述第二二维离散函数Hv(u,w)。
在一些实施例中，所述第二变换模块包括：
第二获取单元，用于获取所述第一HSV图像矩阵M1的V通道矩阵，定义为第一空间域离散函数fv(x,y)；
第二变换单元，用于对所述第一空间域离散函数fv(x,y)采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)。
在一些实施例中，所述第二处理模块包括：
第三变换单元，用于对所述处理后的理想信号函数Gv(u,w)进行傅里叶逆变换，得到空间域函数gv(x,y)，所述空间域函数gv(x,y)对应的空间域矩阵示为Mgv；
合并单元，用于将所述空间域矩阵Mgv与所述第一HSV图像矩阵M1中的H通道矩阵和S通道矩阵合并，得到校正后的HSV图像矩阵M2；
第一转换单元，用于将所述校正后的HSV图像矩阵M2转换到RGB空间，得到所述校正后的RGB图像矩阵S1。
在一些实施例中，所述确定单元包括：
直方图生成子单元，用于在所述区域图像矩阵Mroi中，分别以H颜色分量和S颜色分量，统计元素的计数counts，生成基于(H,S)的二维直方图Hisths；
标定子单元，用于在所述二维直方图Hisths，当所述计数counts大于等于预设计数阈值Tcount时标记此元素，得到标定后的数据集合DHS；
映射子单元，用于将所述数据集合DHS映射回到所述外接矩形的空间坐标，得到所述微型球体投影的所述HSV图像矩阵Mpsf。
本发明实施例提供一种胶囊内窥镜，所述胶囊内窥镜的透明罩设置有微型球体，所述微型球体的直径d大于0.1μm且小于100μm，所述微型球体的表面采用蓝色RGB(0,0,255)涂层，所述胶囊内窥镜包括存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述任意一实施例所述的方法中所执行的操作。
本发明实施例提供一种图像校正方法，应用于胶囊内窥镜，所述胶囊内窥镜的透明罩2设置有微型球体1，所述微型球体1的直径d大于0.1μm且小于100μm，所述微型球体1的表面采用蓝色RGB(0,0,255)涂层，将胶囊内窥镜采集的目标区域的图像的RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1；基于投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf；对所述第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)，也即胶囊内窥镜的光学系统的点扩散函数；对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)，也即胶囊内窥镜的光学系统的带噪声的信号函数；基于复数域空间使用维纳去卷积数学模型，得到处理后的理想信号函数Gv(u,w)；对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1，从而实现了基于实际运动去掉模糊的抖动，保持了图像的真实性，利于病灶的识别和诊断，进而保证胶囊内窥镜的检测结果的准确性。
附图说明
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。
图1为本发明实施例提供的一种图像校正方法的流程图；
图2为本发明实施例提供的一种图像校正方法中的光照示意图；
图3为本发明实施例提供的一种图像校正方法中的采集的目标区域的图像的像素点示意图；
图4为本发明实施例提供的一种图像校正方法中的二维直方图的示意图；
图5为本发明实施例提供的一种图像校正装置的示意图。
在附图中：
微型球体1、透明罩2、光学镜头3、CMOS图像传感器4、光线5。
具体实施方式
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。
如图1和图2所示，图1为本发明实施例提供的一种图像校正方法的流程图，图2为本发明实施例提供的一种图像校正方法中的光照示意图。本发明实施例提供的一种图像校正方法，应用于胶囊内窥镜，所述胶囊内窥镜的透明罩2设置有微型球体1，所述微型球体1的直径d大于0.1μm且小于100μm，所述微型球体1的表面采用蓝色RGB(0,0,255)涂层；所述图像校正方法包括如下步骤：
S01：将分辨率为M*N的RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1，其中， M和N分别为正整数，所述RGB图像矩阵M0为所述胶囊内窥镜采集的目标区域的图像，所述RGB图像矩阵M0包含所述微型球体1的投影图像数据Se；
S02：基于所述投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf；
S03：对所述第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)；
S04：对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)；
S05：将所述第二二维离散函数Hv(u,w)作为点扩散函数，将所述第一二维离散函数Fv(u,w)作为带噪声的信号函数，带入维纳去卷积数学模型进行计算，得到处理后的理想信号函数Gv(u,w)；
S06：对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1。
具体地，胶囊内窥镜的透明罩2设置有微型球体1，所述微型球体1的直径d大于0.1μm且小于100μm，所述微型球体1的表面为蓝色RGB(0,0,255)涂层。进一步地，所述微型球体1可以设置在所述透明罩2的中心位置。
步骤S01中，胶囊内窥镜在目标区域内运动，并透过透明罩2采集目标区域的图像，得到分辨率为M*N的RGB图像矩阵M0，所述RGB图像矩阵M0包含所述微型球体1的投影图像数据Se，所述RGB图像矩阵M0可以表示为如下形式（1）：
Figure 625576DEST_PATH_IMAGE001
（1）
其中，M和N分别为正整数。
将所述RGB图像矩阵M0按照如下公式（2）转换到HSV空间，得到第一HSV图像矩阵M1，
Figure 928382DEST_PATH_IMAGE002
（2）
所述第一HSV图像矩阵M1可以表示为如下形式（3）：
Figure 410179DEST_PATH_IMAGE003
（3）
其中，M和N分别为正整数。
步骤S02中，可以基于所述微型球体1在CMOS图像传感器4的投影成像图案，或者基于该投影成像图案的外接矩形来对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf。
步骤S03中，获取所述第二HSV图像矩阵M2psf的V通道矩阵，并对所述第二HSV图像矩阵M2psf的V通道矩阵进行二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)。
步骤S04中，获取所述第一HSV图像矩阵M1的V通道矩阵，并对所述第一HSV图像矩阵M1的V通道矩阵进行二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)。
所述第一二维离散函数Fv(u,w)和所述第二二维离散函数Hv(u,w)的产生都是基于胶囊内窥镜的光学系统，并且，蓝色的微型球体1的投影相对于整帧图像M0来说，设计上具有非常小的面积，因此，该蓝色的微型球体1可以视为点物体。胶囊内窥镜在目标区域中运动，胶囊内窥镜的光源发射的光线5经目标区域反射、微型球体遮挡及反射，之后经过光学镜头3聚焦后在CMOS图像传感器4上成像，进而胶囊内窥镜在运动过程中，由不同角度的反射而产生成像拖影，Hv(u,w)则代表了点扩散的频率域函数，而Fv(u,w)则为全局的频谱函数。
步骤S05中，将点扩散函数Hv(u,w)、全局频谱函数也即带噪声的信号函数Fv(u,w)带入维纳去卷积数学模型进行计算，得到处理后的理想信号函数Gv(u,w)，具体可以按照如下公式（4）进行计算：
Figure 823843DEST_PATH_IMAGE004
（4）
其中，K为可调式的加性因子，K的取值范围介于｜Hv(u,w)｜/1000至｜Hv(u,w)｜/10之间，u=0,1,2,...,M-1；w=0,1,2,...,N-1；M和N分别为正整数。
步骤S06中，对所述处理后的理想信号函数Gv(u,w)进行处理，包括傅里叶逆变换，合并V、H和S通道数据，经HSV转RGB逆运算得到校正后的RGB图像矩阵S1。
可以理解的是，步骤S02和步骤S04的执行顺序在此不做限定，可以先执行步骤S02，也可以先执行步骤S04。需要注意的是步骤S03在步骤S02之后执行。
本发明实施例提供一种图像校正方法，应用于胶囊内窥镜，所述胶囊内窥镜的透明罩2设置有微型球体1，所述微型球体1的直径d大于0.1μm且小于100μm，所述微型球体1的表面采用蓝色RGB(0,0,255)涂层，将胶囊内窥镜采集的目标区域的图像的RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1；基于所述投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf；对所述第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)，也即胶囊内窥镜的光学系统的点扩散函数；对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)，也即胶囊内窥镜的光学系统的带噪声的信号函数；基于复数域空间使用维纳去卷积数学模型，得到处理后的理想信号函数Gv(u,w)；对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1，从而实现了基于实际运动去掉模糊的抖动，保持了图像的真实性，利于病灶的识别和诊断，进而保证胶囊内窥镜的检测结果的准确性。
在一些实施例中，步骤S02基于所述投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf包括如下步骤：
S021：以外接矩形为区域选择框，从所述第一HSV图像矩阵M1中提取出区域图像矩阵Mroi，所述外接矩形为所述微型球体1的投影图像的外接矩形框；
S022：从所述区域图像矩阵Mroi中确定所述微型球体1投影的HSV图像矩阵Mpsf；
S023：按照分辨率为M*N对所述HSV图像矩阵Mpsf进行扩展处理，得到所述第二HSV图像矩阵M2psf。
具体地，步骤S021中，为了测量所述微型球体1在胶囊内窥镜的成像区域的投影表现，设计一个能包含该微型球体1的投影图像的尽可能小的外接矩形，该微型球体1的投影图像类似一个小椭圆点。其中，微型球体1在CMOS图像传感器4的投影图像为Se（也即投影图像数据），结合当前CMOS图像传感器4的单个像素点面积，可以得到Se的像素点面积，例如Se的直径d1为100piexls，进而在第一HSV图像矩阵M1中，定义包含所述微型球体1的投影图像Se的外接矩形Recte={(xe,ye),width,height}，其中，(xe,ye)为第一HSV图像矩阵M1的中心坐标，也即外接矩形Recte的中心坐标，width为外接矩形Recte的右向宽度，height为外接矩形Recte的下向高度。例如，width=d1+ɛ，height= d1+ɛ，ɛ为一个适合的距离，例如ɛ=60pixels。
由于，已知微型球体1的颜色分布RGB(0,0,255)是特别指定的蓝色色域，与生物体内的常规颜色都不相融，在颜色空间会产生强聚类，如图3所示，图3为采集的目标区域的图像的像素点示意图，图3中像素点聚集的区域为微型球体1在CMOS图像传感器4的投影图像Se，矩形框为所述微型球体1的投影图像Se的外接矩形框。胶囊内窥镜在目标区域运动过程中，蓝色的微型球体1的投影会产生一定的拖影，但是结合前述ε的选择，这些投影信息都在所选取的外接矩形Recte中，使得蓝色的微型球体1占据外接矩形Recte主要的面积区域，因此，基于上述描述可以将蓝色的微型球体1的投影识别并分割出来，也即以外接矩形Recte做为图层区域选择框，抽取所述第一HSV图像矩阵M1中包含该蓝色的微型球体1的投影信息的数据，生成区域图像矩阵Mroi。
步骤S022，从所述区域图像矩阵Mroi中确定所述微型球体1投影的HSV图像矩阵Mpsf进一步包括：
S0221：所述区域图像矩阵Mroi中，分别以H颜色分量和S颜色分量，统计元素的计数counts，生成基于(H,S)的二维直方图Hisths；
S0222：在所述二维直方图Hisths，当所述计数counts大于等于预设计数阈值Tcount时标记此元素，得到标定后的数据集合DHS；
S0223：将所述数据集合DHS映射回到所述外接矩形的空间坐标，得到所述微型球体1投影的HSV图像矩阵Mpsf。
具体地，所述区域图像矩阵Mroi中，以H颜色分量和S颜色分量，统计元素的计数counts，生成基于(H,S)的二维直方图Hisths，如图4所示，图4为二维直方图的示意图。
蓝色RGB(0,0,255)转换到HSV空间的对应坐标为(240,100%,100%)，取其中PHS(240,100%)，在二维直方图Hisths中，蓝色的微型球体1的投影的色坐标就在此点PHS(240,100%)区域附近，在二维直方图Hisths中，蓝色的微型球体1的投影的色坐标集与计数counts的特定范围对应的H、S坐标集等同。因此，使用一个预设计数阈值Tcount，对PHS附近适当范围内的计数counts做过滤：当counts≥Tcount时标记此元素，得到一个标定后的数据集合DHS,将所述数据集合DHS再映射回到外接矩形Recte的空间坐标，得到此蓝色的微型球体1投影的HSV矩阵Mpsf。Mpsf是蓝色的微型球体1的投影的空间域表达，也是胶囊内窥镜的光学系统的点扩散模型的函数。
步骤S023中，将Mpsf的元素数据，根据Recte相对M1的坐标，再映射回M1图像矩阵对应位置，对此图层的非映射元素按0填充，扩展到为与RGB图像矩阵M0同样的分辨率的图，得到分辨率为M*N的第二HSV图像矩阵M2psf。
在一些实施例中，步骤S03对所述第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)包括如下步骤：
S031：获取所述第二HSV图像矩阵M2psf的V通道矩阵，并定义为第二空间域离散函数hv(x,y)，其中，x=0,1,2...,M-1；y=0,1,2...,N-1；M和N分别为正整数；
S032：对所述第二空间域离散函数hv(x,y)采用二维离散傅里叶变换，得到所述第二二维离散函数Hv(u,w)。
具体地，获取所述第二HSV图像矩阵M2psf的V通道矩阵M2psf_v，所述V通道矩阵M2psf_v在数学模型上对应的空间域函数为hv(x,y)，称为第二空间域离散函数, 其中，x=0,1,2...,M-1；y=0,1,2...,N-1；M和N分别为正整数。
采用如下数学公式（5）对所述第二空间域离散函数进行二维离散傅里叶变换:
Figure 208950DEST_PATH_IMAGE005
（5）
其中，x=0,1,2...,M-1；y=0,1,2...,N-1；M和N分别为正整数， j为虚数单位，在运用公式（5）对第二空间域离散函数hv(x,y)进行二维离散傅里叶变换时，hv(x,y)与s(x,y)对应，Hv(u,w)与S(u,w)对应，第二空间域离散函数hv(x,y)经二维离散傅里叶变换变换后得到其频谱函数的二维离散函数Hv(u,w)，也即第二二维离散函数Hv(u,w)，可以表示为如下矩阵形式（6）：
Figure 948236DEST_PATH_IMAGE006
（6）
M和N分别为正整数。
在一些实施例中，步骤S04对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)包括如下步骤：
S041：获取所述第一HSV图像矩阵M1的V通道矩阵，定义为第一空间域离散函数fv(x,y)；
S042：对所述第一空间域离散函数fv(x,y)采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)。
具体地，获取所述第一HSV图像矩阵M1的V通道矩阵M1_v，所述V通道矩阵M1_v在数学模型上对应的空间域函数为fv(x,y)，x=0,1,2...,M-1；y=0,1,2...,N-1；M和N分别为正整数，fv(x,y)称为第一空间域离散函数。
采用如上数学公式（5）对所述第一空间域离散函数进行二维离散傅里叶变换，在运用公式（5）对第一空间域离散函数fv(x,y)进行二维离散傅里叶变换时，fv(x,y)与s(x,y)对应，Fv(u,w)与S(u,w)对应，第一空间域离散函数fv(x,y)经二维离散傅里叶变换经变换后得到其频谱函数的二维离散函数Fv(u,w)，也即第一二维离散函数Fv(u,w)，可以表示为如下矩阵形式（7）：
Figure 917329DEST_PATH_IMAGE007
（7）
其中，M和N分别为正整数。
在一些实施例中，步骤S06对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1包括如下步骤：
S061：对所述处理后的理想信号函数Gv(u,w)进行傅里叶逆变换，得到空间域函数gv(x,y) ，所述空间域函数gv(x,y)对应的空间域矩阵示为Mgv；
S062：将所述空间域矩阵Mgv与所述第一HSV图像矩阵M1中的H通道矩阵和S通道矩阵合并，得到校正后的HSV图像矩阵M2；
S063：将所述校正后的HSV图像矩阵M2转换到RGB空间，得到校正后的RGB图像矩阵S1。
具体地，将所述处理后的理想信号函数Gv(u,w)采用如下公式（8）进行傅里叶逆变换：
Figure 869104DEST_PATH_IMAGE008
（8）
其中，u=0,1,2...,M-1；w=0,1,2...,N-1；M和N分别为正整数，将所述处理后的理想信号函数Gv(u,w)还原成空间域函数gv(x,y)，所述空间域函数gv(x,y)对应的空间域矩阵示为Mgv，所述空间域矩阵Mgv示为如下形式（9）：
Figure 872832DEST_PATH_IMAGE009
（9）
其中，M和N分别为正整数。
将所述空间域矩阵Mgv与所述第一HSV图像矩阵M1中的H通道矩阵和S通道矩阵合并，得到校正后的HSV图像矩阵M2。
将所述校正后的HSV图像矩阵M2转换到RGB空间，得到校正后的RGB图像矩阵S1，可以表示为如下形式（10）：
Figure 517440DEST_PATH_IMAGE010
（10）
其中，M和N分别为正整数。
本发明实施例提供一种图像校正方法，在胶囊内窥镜的透明罩2设置蓝色微型球体1，通过蓝色微型球体1确定胶囊内窥镜的光学系统的点扩散频率域函数Hv(u,w)，基于胶囊内窥镜的点扩散频率域函数Hv(u,w)及全局频率域函数Fv(u,w)，进行维纳去卷积，得到处理后的理想信号函数Gv(u,w)，对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1，实现了实时快速的解决曝光延时下因为外部动力而引发的抖动问题，从而保有图像的真实性，利于病灶的识别和诊断，进而保证胶囊内窥镜的检测结果的准确性。
如图5所示，本发明实施例提供一种图像校正装置，应用于胶囊内窥镜，所述胶囊内窥镜的透明罩设置有微型球体1，所述微型球体1的直径d大于0.1μm且小于100μm，所述微型球体1的表面采用蓝色RGB(0,0,255)涂层，所述图像校正装置包括：
第一转换模块，用于将分辨率为M*N的RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1，其中， M和N分别为正整数，所述RGB图像矩阵M0为所述胶囊内窥镜采集的目标区域的图像，所述RGB图像矩阵M0包含所述微型球体1的投影图像数据Se；
第一处理模块，用于基于所述投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf；
第一变换模块，用于对第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)；
第二变换模块，用于对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)；
计算模块，用于将所述第二二维离散函数Hv(u,w)作为点扩散函数，将所述第一二维离散函数Fv(u,w)作为带噪声的信号函数，带入维纳去卷积数学模型进行计算，得到处理后的理想信号函数Gv(u,w)；
第二处理模块，用于对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1。
在一些实施例中，所述第一处理模块包括：提取单元，用于以外接矩形为区域选择框，从所述第一HSV图像矩阵M1中提取出区域图像矩阵Mroi，所述外接矩形为所述微型球体1的投影图像的外接矩形框；
确定单元，用于从所述区域图像矩阵Mroi中确定所述微型球体1投影的HSV图像矩阵Mpsf；
扩展单元，用于按照分辨率为M*N对所述HSV图像矩阵Mpsf进行扩展处理，得到所述第二HSV图像矩阵M2psf。
在一些实施例中，所述第一变换模块包括：第一获取单元，用于获取所述第二HSV图像矩阵M2psf的V通道矩阵，并定义为第二空间域离散函数hv(x,y),其中，x=0,1,2...,M-1；y=0,1,2...,N-1；
第一变换单元，用于对所述第二空间域离散函数hv(x,y)采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)。
在一些实施例中，所述第二变换模块包括：第二获取单元，用于获取所述第一HSV图像矩阵M1的V通道矩阵，定义为第一空间域离散函数fv(x,y)；
第二变换单元，用于对所述第一空间域离散函数fv(x,y)采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)。
在一些实施例中，所述第二处理模块包括：第三变换单元，用于对所述处理后的理想信号函数Gv(u,w)进行傅里叶逆变换，得到空间域函数gv(x,y) ，所述空间域函数gv(x,y)对应的空间域矩阵示为Mgv；
合并单元，用于将所述空间域函数gv(x,y)所对应矩阵与所述第一HSV图像矩阵M1中的H通道矩阵和S通道矩阵合并，得到校正后的HSV图像矩阵M2；
第一转换单元，用于将所述校正后的HSV图像矩阵M2转换到RGB空间，得到校正后的RGB图像矩阵S1。
在一些实施例中，所述确定单元包括：
直方图生成子单元，用于在所述区域图像矩阵Mroi中，分别以H颜色分量和S颜色分量，统计元素的计数counts，生成基于(H,S)的二维直方图Hisths；
标定子单元，用于在所述二维直方图Hisths，当所述计数counts大于等于预设计数阈值Tcount时标记此元素，得到标定后的数据集合DHS；
映射子单元，用于将所述数据集合DHS映射回到所述外接矩形的空间坐标，得到所述微型球体1投影的所述HSV图像矩阵Mpsf。
上述装置项的具体实施方式请参照上述方法项的实施例的具体描述，在此不再赘述。
本发明实施例提供一种图像校正装置，在胶囊内窥镜的透明罩2设置蓝色微型球体1，通过蓝色微型球体1确定胶囊内窥镜的光学系统的点扩散频率域函数Hv(u,w)，基于胶囊内窥镜的点扩散频率域函数Hv(u,w)及全局频率域函数Fv(u,w)，进行维纳去卷积，得到处理后的理想信号函数Gv(u,w)，对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1，实现了实时快速的解决曝光延时下因为外部动力而引发的抖动问题，从而保有图像的真实性，利于病灶的识别和诊断，进而保证胶囊内窥镜的检测结果的准确性。
本发明实施例提供一种胶囊内窥镜，所述胶囊内窥镜的透明罩2设置有微型球体1，所述微型球体1的直径d大于0.1μm且小于100μm，所述微型球体1的表面采用蓝色RGB(0,0,255)涂层，所述胶囊内窥镜包括存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述实施例中所述的方法中所执行的操作。
本发明实施例提供一种胶囊内窥镜，在胶囊内窥镜的透明罩2设置蓝色微型球体1，通过蓝色微型球体1确定胶囊内窥镜的光学系统的点扩散频率域函数Hv(u,w)，基于胶囊内窥镜的点扩散频率域函数Hv(u,w)及全局频率域函数Fv(u,w)，进行维纳去卷积，得到处理后的理想信号函数Gv(u,w)，对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1，实现了实时快速的解决曝光延时下因为外部动力而引发的抖动问题，从而保有图像的真实性，利于病灶的识别和诊断，进而保证胶囊内窥镜的检测结果的准确性。
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。
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。
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。

Claims (14)

1.一种图像校正方法，应用于胶囊内窥镜，其特征在于，所述胶囊内窥镜的透明罩设置有微型球体，所述微型球体的直径大于0.1μm且小于100μm，所述微型球体的表面采用蓝色RGB(0,0,255)涂层；
将分辨率为M*N的RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1，其中，所述RGB图像矩阵M0为所述胶囊内窥镜采集的目标区域的图像，所述RGB图像矩阵M0包含所述微型球体的投影图像数据Se，其中，M和N为正整数；
基于所述投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf；
对所述第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)；
对所述第一HSV图像矩阵M1的V道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)；
将所述第二二维离散函数Hv(u,w)作为点扩散函数，将所述第一二维离散函数Fv(u,w)作为带噪声的信号函数，带入维纳去卷积数学模型进行计算，得到处理后的理想信号函数Gv(u,w)；
对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1。
2.根据权利要求1所述的图像校正方法，其特征在于，所述微型球体设置在所述透明罩的中心位置。
3.根据权利要求1所述的图像校正方法，其特征在于，基于所述投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf包括：
以外接矩形为区域选择框，从所述第一HSV图像矩阵M1中提取出区域图像矩阵Mroi，所述外接矩形为所述微型球体的投影图像的外接矩形框；
从所述区域图像矩阵Mroi中确定所述微型球体投影的HSV图像矩阵Mpsf；
按照分辨率为M*N对所述HSV图像矩阵Mpsf进行扩展处理，得到所述第二HSV图像矩阵M2psf。
4.根据权利要求3所述的图像校正方法，其特征在于，对所述第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)包括：
获取所述第二HSV图像矩阵M2psf的V通道矩阵，并定义为第二空间域离散函数hv(x,y),其中，x=0,1,2...,M-1；y=0,1,2...,N-1；
对所述第二空间域离散函数hv(x,y)采用二维离散傅里叶变换，得到所述第二二维离散函数Hv(u,w)。
5.根据权利要求1所述的图像校正方法，其特征在于，对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)包括：
获取所述第一HSV图像矩阵M1的V通道矩阵，定义为第一空间域离散函数fv(x,y)；
对所述第一空间域离散函数fv(x,y)采用二维离散傅里叶变换，得到所述第一二维离散函数Fv(u,w)。
6.根据权利要求1所述的图像校正方法，其特征在于，对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1包括：
对所述处理后的理想信号函数Gv(u,w)进行傅里叶逆变换，得到空间域函数gv(x,y)，所述空间域函数gv(x,y)对应的空间域矩阵示为Mgv；
将所述空间域矩阵Mgv与所述第一HSV图像矩阵M1中的H通道矩阵和S通道矩阵合并，得到校正后的HSV图像矩阵M2；
将所述校正后的HSV图像矩阵M2转换到RGB空间，得到所述校正后的RGB图像矩阵S1。
7.根据权利要求3所述的图像校正方法，其特征在于，从所述区域图像矩阵Mroi中确定所述微型球体投影的HSV图像矩阵Mpsf包括：
所述区域图像矩阵Mroi中，分别以H颜色分量和S颜色分量，统计元素的计数counts，生成基于(H,S)的二维直方图Hisths；
在所述二维直方图Hisths，当所述计数counts大于等于预设计数阈值Tcount时标记此元素，得到标定后的数据集合DHS；
将所述数据集合DHS映射回到所述外接矩形的空间坐标，得到所述微型球体投影的所述HSV图像矩阵Mpsf。
8.一种图像校正装置，应用于胶囊内窥镜，其特征在于，所述胶囊内窥镜的透明罩设置有微型球体，所述微型球体的直径d大于0.1μm且小于100μm，所述微型球体的表面采用蓝色RGB(0,0,255)涂层，所述图像校正装置包括：
第一转换模块，用于将分辨率为M*N的RGB图像矩阵M0转换到HSV空间，得到第一HSV图像矩阵M1，其中，所述RGB图像矩阵M0为所述胶囊内窥镜采集的目标区域的图像，所述RGB图像矩阵M0包含所述微型球体的投影图像数据Se，其中，M和N为正整数；
第一处理模块，用于基于所述投影图像数据Se，对所述第一HSV图像矩阵M1进行区域提取处理，得到第二HSV图像矩阵M2psf；
第一变换模块，用于对第二HSV图像矩阵M2psf的V通道矩阵采用二维离散傅里叶变换，得到第二二维离散函数Hv(u,w)；
第二变换模块，用于对所述第一HSV图像矩阵M1的V通道矩阵采用二维离散傅里叶变换，得到第一二维离散函数Fv(u,w)；
计算模块，用于将所述第二二维离散函数Hv(u,w)作为点扩散函数，将所述第一二维离散函数Fv(u,w)作为带噪声的信号函数，带入维纳去卷积数学模型进行计算，得到处理后的理想信号函数Gv(u,w)；
第二处理模块，用于对所述处理后的理想信号函数Gv(u,w)进行处理，得到校正后的RGB图像矩阵S1。
9.根据权利要求8所述的图像校正装置，其特征在于，所述第一处理模块包括：
提取单元，用于以外接矩形为区域选择框，从所述第一HSV图像矩阵M1中提取出区域图像矩阵Mroi，所述外接矩形为所述微型球体的投影图像的外接矩形框；
确定单元，用于从所述区域图像矩阵Mroi中确定所述微型球体投影的HSV图像矩阵Mpsf；
扩展单元，用于按照分辨率为M*N对所述HSV图像矩阵Mpsf进行扩展处理，得到所述第二HSV图像矩阵M2psf。
10.根据权利要求9所述的图像校正装置，其特征在于，所述第一变换模块包括：
第一获取单元，用于获取所述第二HSV图像矩阵M2psf的V通道矩阵，并定义为第二空间域离散函数hv(x,y),其中，x=0,1,2...,M-1；y=0,1,2...,N-1；
第一变换单元，用于对所述第二空间域离散函数hv(x,y)采用二维离散傅里叶变换，得到所述第二二维离散函数Hv(u,w)。
11.根据权利要求8所述的图像校正装置，其特征在于，所述第二变换模块包括：
第二获取单元，用于获取所述第一HSV图像矩阵M1的V通道矩阵，定义为第一空间域离散函数fv(x,y)；
第二变换单元，用于对所述第一空间域离散函数fv(x,y)采用二维离散傅里叶变换，得到所述第一二维离散函数Fv(u,w)。
12.根据权利要求8所述的图像校正装置，其特征在于，所述第二处理模块包括：
第三变换单元，用于对所述处理后的理想信号函数Gv(u,w)进行傅里叶逆变换，得到空间域函数gv(x,y)，所述空间域函数gv(x,y)对应的空间域矩阵示为Mgv；
合并单元，用于将所述空间域矩阵Mgv与所述第一HSV图像矩阵M1中的H通道矩阵和S通道矩阵合并，得到校正后的HSV图像矩阵M2；
第一转换单元，用于将所述校正后的HSV图像矩阵M2转换到RGB空间，得到所述校正后的RGB图像矩阵S1。
13.根据权利要求9所述的图像校正装置，其特征在于，所述确定单元包括：
直方图生成子单元，用于在所述区域图像矩阵Mroi中，分别以H颜色分量和S颜色分量，统计元素的计数counts，生成基于(H,S)的二维直方图Hisths；
标定子单元，用于在所述二维直方图Hisths，当所述计数counts大于等于预设计数阈值Tcount时标记此元素，得到标定后的数据集合DHS；
映射子单元，用于将所述数据集合DHS映射回到所述外接矩形的空间坐标，得到所述微型球体投影的所述HSV图像矩阵Mpsf。
14.一种胶囊内窥镜，其特征在于，所述胶囊内窥镜的透明罩设置有微型球体，所述微型球体的直径d大于0.1μm且小于100μm，所述微型球体的表面采用蓝色RGB(0,0,255)涂层，所述胶囊内窥镜包括存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至7中任意一项所述的方法中所执行的操作。
CN202210634287.8A 2022-06-07 2022-06-07 图像校正方法、装置及胶囊内窥镜 Active CN114723642B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210634287.8A CN114723642B (zh) 2022-06-07 2022-06-07 图像校正方法、装置及胶囊内窥镜

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210634287.8A CN114723642B (zh) 2022-06-07 2022-06-07 图像校正方法、装置及胶囊内窥镜

Publications (2)

Publication Number Publication Date
CN114723642A CN114723642A (zh) 2022-07-08
CN114723642B true CN114723642B (zh) 2022-08-19

Family

ID=82232928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210634287.8A Active CN114723642B (zh) 2022-06-07 2022-06-07 图像校正方法、装置及胶囊内窥镜

Country Status (1)

Country Link
CN (1) CN114723642B (zh)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096917B (zh) * 2010-12-22 2012-08-15 南方医科大学 胶囊内窥镜冗余图像数据的自动剔除方法
CN103974011B (zh) * 2013-10-21 2017-07-11 浙江大学 一种投影图像模糊消除方法
US10624612B2 (en) * 2014-06-05 2020-04-21 Chikayoshi Sumi Beamforming method, measurement and imaging instruments, and communication instruments
CN104299202B (zh) * 2014-10-25 2018-04-03 中国科学院光电技术研究所 一种基于中频的离焦模糊图像盲复原方法
US10943333B2 (en) * 2015-10-16 2021-03-09 Capsovision Inc. Method and apparatus of sharpening of gastrointestinal images based on depth information
CN107945125B (zh) * 2017-11-17 2021-06-22 福州大学 一种融合频谱估计法和卷积神经网络的模糊图像处理方法
KR20200056709A (ko) * 2018-11-15 2020-05-25 주식회사 인트로메딕 3차원 영상을 렌더링하는 방법, 상기 방법을 사용하는 영상처리장치, 상기 영상처리장치와 연동하는 촬영장치, 상기 촬영장치의 촬영방법, 및 3차원 영상을 렌더링하는 시스템
CN109872285B (zh) * 2019-01-21 2022-06-10 电子科技大学 一种基于变分约束的Retinex低照度彩色图像增强方法
CN111932532B (zh) * 2020-09-21 2021-01-08 安翰科技(武汉)股份有限公司 胶囊内窥镜无参考图像评价方法、电子设备及介质
US11297294B1 (en) * 2021-05-20 2022-04-05 Shenzhen Jifu Technology Co, Ltd Color enhancement of endoscopic image
CN113920041B (zh) * 2021-09-24 2024-09-27 深圳市资福医疗技术有限公司 图像处理系统及胶囊内窥镜

Also Published As

Publication number Publication date
CN114723642A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
US8358865B2 (en) Device and method for gradient domain image deconvolution
CA2412706C (en) Correcting geometric distortion in a digitally captured image
US7965936B2 (en) 4D light field cameras
JP4999680B2 (ja) 画像ノイズを低減することによる画像データ処理方法および該方法を実行するカメラ組み込み手段
JP7403594B2 (ja) 画像処理装置、画像処理方法、及びプログラム
US11037037B2 (en) Image processing apparatus, image processing method, and non-transitory computer readable storage medium
US20180158175A1 (en) Digital correction of optical system aberrations
WO2010016625A1 (ja) 画像撮影装置およびその距離演算方法と合焦画像取得方法
JP6598660B2 (ja) 画像処理装置および画像処理方法
KR20140142381A (ko) 단일영상 내의 안개 제거 방법 및 장치
KR20190033037A (ko) 이미징 시스템의 점 확산 함수를 결정하는 방법
JP2011166588A (ja) 撮像装置および撮像方法、ならびに前記撮像装置のための画像処理方法
Sellent et al. Which side of the focal plane are you on?
CN109345486A (zh) 一种基于自适应网格变形的人脸图像去模糊方法
CN111353958A (zh) 图像处理方法、装置及系统
EP2405816B1 (en) Pattern noise correction for pseudo projections
JP2022024688A (ja) デプスマップ生成装置及びそのプログラム、並びに、デプスマップ生成システム
CN114723642B (zh) 图像校正方法、装置及胶囊内窥镜
CN107464219A (zh) 连续图像的运动检测及降噪方法
CN116310101A (zh) 基于过曝光连通域强度自适应分布的高动态三维测量方法
Antunes et al. All-in-focus imaging using a series of images on different focal planes
JP2020057163A (ja) 点像分布関数推定方法及び点像分布関数推定装置
JP7451264B2 (ja) 画像処理装置、画像処理方法、及びプログラム
Wang Understanding low resolution facial image from image formation model
Long et al. A Practical Dental Image Enhancement Network for Early Diagnosis of Oral Dental Disease

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant