一种基于智能编码的斑状发红图像采集和处理方法及系统与流程

本发明涉及内窥镜的图像采集和处理相关领域，尤其涉及一种基于智能编码的斑状发红图像采集和处理方法及系统。

背景技术：

内窥镜是集中了传统光学、人体工程学、精密机械、现代电子、数学、软件等于一体的检测仪器。一个具有图像传感器、光学镜头、光源照明、机械装置等，它可以经口腔进入胃内或经其他天然孔道进入体内。纤维胃、十二指肠镜、胃镜是临床上应用最广泛的内窥镜，它可以帮助大夫从人体外直接观察到人体内脏器官里的情况，进而辅助医生对患者进行更好的病情的诊断。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中存在对于患者的图像采集不够智能，不能实时结合采集的图像进行智能化的进一步地图像获取，来帮助医生进行更好的病情观察的技术问题。

技术实现要素：

本申请实施例通过提供一种基于智能编码的斑状发红图像采集和处理方法及系统，解决了现有技术中存在对于患者的图像采集不够智能，不能实时结合采集的图像进行智能化的进一步地图像获取，来帮助医生进行更好的病情观察的技术问题，达到智能化结合采集信息，辅助医生进行智能化图像采集，进而辅助医生进行更加准确的病情观察的技术效果。

鉴于上述问题，提出了本申请实施例提供一种基于智能编码的斑状发红图像采集和处理方法及系统。

第一方面，本申请还提供了一种基于智能编码的斑状发红图像采集和处理方法，所述方法应用于一智能图像采集处理系统，所述系统与第一图像采集装置通信连接，所述方法包括：步骤s100：通过所述第一图像采集装置获得第一图像信息；步骤s200：获得第一分割指令，根据所述第一分割指令对所述第一图像信息进行分割处理，并对所述分割处理后的图像进行位置编码，获得第一编码结果；步骤s300：获得所述第一编码结果中的第一位置图像，根据所述智能图像采集处理系统对所述第一位置图像进行图像的初始分析，获得第一分析结果；步骤s400：判断所述第一分析结果是否满足第一预设阈值；步骤s500：当所述第一分析结果满足所述第一预设阈值时，获得第一调整指令；步骤s600：根据所述第一调整指令对所述第一位置图像进行图像调整；步骤s700：通过所述智能图像采集处理系统对所述第一位置图像进行图像的分析，获得第一位置图像的病变程度预估结果，并根据所述病变程度预估结果匹配第一颜色深度；步骤s800：对所述第一编码结果中的其他位置图像分别执行上述步骤s300至步骤s700，获得所述第一编码结果中各位置图像对应的颜色深度，根据所有的颜色深度获得颜色深度集；步骤s900：将所述颜色深度集和所述第一编码结果输入区域评估模型，获得第一输出结果，所述第一输出结果包括第一位置区域；步骤s1000：通过所述第一图像采集装置对所述第一位置区域进行放大图像采集。

另一方面，本申请还提供了一种基于智能编码的斑状发红图像采集和处理系统，所述系统包括：第一获得单元，所述第一获得单元用于通过所述第一图像采集装置获得第一图像信息；第二获得单元，所述第二获得单元用于获得第一分割指令，根据所述第一分割指令对所述第一图像信息进行分割处理，并对所述分割处理后的图像进行位置编码，获得第一编码结果；第三获得单元，所述第三获得单元用于获得所述第一编码结果中的第一位置图像，根据所述智能图像采集处理系统对所述第一位置图像进行图像的初始分析，获得第一分析结果；第一判断单元，所述第一判断单元用于判断所述第一分析结果是否满足第一预设阈值；第四获得单元，所述第四获得单元用于当所述第一分析结果满足所述第一预设阈值时，获得第一调整指令；第一调整单元，所述第一调整单元用于根据所述第一调整指令对所述第一位置图像进行图像调整；第一匹配单元，所述第一匹配单元用于通过所述智能图像采集处理系统对所述第一位置图像进行图像的分析，获得第一位置图像的病变程度预估结果，并根据所述病变程度预估结果匹配第一颜色深度；第五获得单元，所述第五获得单元用于对所述第一编码结果中的其他位置图像分别执行上述第三获得单元至第一匹配单元，获得所述第一编码结果中各位置图像对应的颜色深度，根据所有的颜色深度获得颜色深度集；第六获得单元，所述第六获得单元用于将所述颜色深度集和所述第一编码结果输入区域评估模型，获得第一输出结果，所述第一输出结果包括第一位置区域；第一采集单元，所述第一采集单元用于通过所述第一图像采集装置对所述第一位置区域进行放大图像采集。

第三方面，本发明提供了一种基于智能编码的斑状发红图像采集和处理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过所述第一图像采集装置获得第一图像信息，对所述第一图像信息进行图像分割，并将所述分割后的图像进行编码，获得第一编码结果，对所述编码结果中的位置图像进行初步图像分析，获得第一分析结果，判断所述第一分析结果是否满足预设阈值，当所述分析结果满足所述预设阈值时，则初筛通过，对所述初筛通过的位置图像进行图像的调整，对所述图像的调整结果进行分析，根据分析结果为所述不同位置图像匹配不通的颜色深度，其中，所述颜色深度为基于病变程度预估结果匹配的，当病变越严重，则匹配的颜色越深，将所述第一编码结果中满足初筛的结果都进行颜色匹配后，获得颜色深度集，将所述颜色深度集和所述第一编码结果输入区域评估模型，获得基于颜色深度和编码结果匹配的第一位置区域，并基于所述第一位置区域进行放大图像采集的方式，进而达到智能化结合采集信息，辅助医生进行智能化图像采集，进而可辅助医生进行更加准确的病情观察的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于智能编码的斑状发红图像采集和处理方法的流程示意图；

图2为本申请实施例一种基于智能编码的斑状发红图像采集和处理方法的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一判断单元14，第四获得单元15，第一调整单元16，第一匹配单元17，第五获得单元18，第六获得单元19，第一采集单元20，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种基于智能编码的斑状发红图像采集和处理方法及系统，解决了现有技术中存在对于患者的图像采集不够智能，不能实时结合采集的图像进行智能化的进一步地图像获取，来帮助医生进行更好的病情观察的技术问题，达到智能化结合采集信息，辅助医生进行智能化图像采集，进而辅助医生进行更加准确的病情观察的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述：内窥镜是集中了传统光学、人体工程学、精密机械、现代电子、数学、软件等于一体的检测仪器。一个具有图像传感器、光学镜头、光源照明、机械装置等，它可以经口腔进入胃内或经其他天然孔道进入体内。纤维胃、十二指肠镜、胃镜是临床上应用最广泛的内窥镜，它可以帮助大夫从人体外直接观察到人体内脏器官里的情况，进而辅助医生对患者进行更好的病情的诊断。现有技术中存在对于患者的图像采集不够智能，不能实时结合采集的图像进行智能化的进一步地图像获取，来帮助医生进行更好的病情观察的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于智能编码的斑状发红图像采集和处理方法，所述方法应用于一智能图像采集处理系统，所述系统与第一图像采集装置通信连接，所述方法包括：步骤s100：通过所述第一图像采集装置获得第一图像信息；步骤s200：获得第一分割指令，根据所述第一分割指令对所述第一图像信息进行分割处理，并对所述分割处理后的图像进行位置编码，获得第一编码结果；步骤s300：获得所述第一编码结果中的第一位置图像，根据所述智能图像采集处理系统对所述第一位置图像进行图像的初始分析，获得第一分析结果；步骤s400：判断所述第一分析结果是否满足第一预设阈值；步骤s500：当所述第一分析结果满足所述第一预设阈值时，获得第一调整指令；步骤s600：根据所述第一调整指令对所述第一位置图像进行图像调整；步骤s700：通过所述智能图像采集处理系统对所述第一位置图像进行图像的分析，获得第一位置图像的病变程度预估结果，并根据所述病变程度预估结果匹配第一颜色深度；步骤s800：对所述第一编码结果中的其他位置图像分别执行上述步骤s300至步骤s700，获得所述第一编码结果中各位置图像对应的颜色深度，根据所有的颜色深度获得颜色深度集；步骤s900：将所述颜色深度集和所述第一编码结果输入区域评估模型，获得第一输出结果，所述第一输出结果包括第一位置区域；步骤s1000：通过所述第一图像采集装置对所述第一位置区域进行放大图像采集。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一：

如图1所示，本申请实施例提供了一种基于智能编码的斑状发红图像采集和处理方法，其中，所述方法应用于一智能图像采集处理系统，所述系统与第一图像采集装置通信连接，所述方法包括：

步骤s100：通过所述第一图像采集装置获得第一图像信息；

具体而言，斑点状发红是胃镜拍摄图像的异常现象。所述智能图像采集处理系统为可对图像数据进行分析处理的系统，且所述系统与医院的数据库通信连接，可进行图像的调用和图像的比对等操作，所述第一图像采集装置为所述内窥镜进行图像采集的部分，它是一个包含图像传感器、光学镜头、光源照明等装置的图像采集设备，它可将采集到的图像实时上传至所述智能图像处理系统，且所述智能图像采集处理系统可控制所述第一图像采集装置进行图像采集。通过所述第一图像采集装置，获得所述内窥镜的第一图像信息。

步骤s200：获得第一分割指令，根据所述第一分割指令对所述第一图像信息进行分割处理，并对所述分割处理后的图像进行位置编码，获得第一编码结果；

具体而言，所述第一分割指令为对所述获得的第一图像信息进行预处理的指令，基于所述第一分割指令，对所述第一图像进行分割处理，即将所述第一图像信息等比例分割为不同的图像区域，并按照一定的顺序对所述分割后的图像区域进行编码处理，获得所述第一图像信息被分割编码后的编码结果，其中，每一个编码都唯一对应于一分割的图像区域，即代表患者取样的一位置点。

步骤s300：获得所述第一编码结果中的第一位置图像，根据所述智能图像采集处理系统对所述第一位置图像进行图像的初始分析，获得第一分析结果；

步骤s400：判断所述第一分析结果是否满足第一预设阈值；

具体而言，所述第一位置图像为所述第一图像信息进行编码后的第一位置的图像，其中，所述第一位置图像为第一编码的图像，根据所述智能图像采集处理系统对所述第一位置图像进行初步的图像筛选，基于所述智能图像采集处理系统获取的医院的相关数据，对所述第一位置图像进行初筛，获得第一分析结果，其中，所述第一分析结果至少包括两种结果，即满足所述第一预设阈值的分析结果和不满足所述第一预设阈值的分析结果，判断所述第一分析结果是否为满足所述第一预设阈值的分析结果。

步骤s500：当所述第一分析结果满足所述第一预设阈值时，获得第一调整指令；

步骤s600：根据所述第一调整指令对所述第一位置图像进行图像调整；

具体而言，当所述第一分析结果不满足所述第一预设阈值时，则不对所述第一分析结果对应的位置图像进行进一步分析，当所述第一分析结果满足所述第一预设阈值时，表明此时所述第一分析结果可能存在异常，此时对所述第一分析结果对应的位置图像进行进一步的处理，即根据第一调整指令对所述第一位置图像进行处理，所述处理过程包括图像的噪点去除、图像的增强等，使得所述第一位置图像更加清晰和准确，为后续对所述第一位置图像进行更加准确的判断夯实了基础。

步骤s700：通过所述智能图像采集处理系统对所述第一位置图像进行图像的分析，获得第一位置图像的病变程度预估结果，并根据所述病变程度预估结果匹配第一颜色深度；

具体而言，将所述进行过调整处理的图像进行进一步的判断，即根据所述处理过的第一位置图像进行图像的深度分析，获得所述第一位置图像的病变程度预估结果，即获得所述第一位置图像对应位置的病变的严重程度，基于所述严重程度匹配与所述严重程度对应的颜色深度。进一步来说，每一病变的严重程度都有与其唯一对应的颜色深度，其中，颜色越偏白色表明病变越轻，即越正常，颜色越偏黑色表明病变越严重，根据所述病变程度获得所述第一位置图像的匹配的第一颜色深度。通过所述颜色深度对病变的严重程度进行表征，使得所述病变的严重程度一目了然，更加清楚和鲜明的表现出不同位置的病变程度。

步骤s800：对所述第一编码结果中的其他位置图像分别执行上述步骤s300至步骤s700，获得所述第一编码结果中各位置图像对应的颜色深度，根据所有的颜色深度获得颜色深度集；

具体而言，所述第一编码结果中的其他位置的图像也分别重复上述步骤s300至s700，即将所述第一编码结果中的其他编码图像都先经过分析结果的初筛，将满足所述第一预设阈值对应的编码图像进行图像调整，根据调整后的图像进行颜色深度匹配，根据所述匹配的颜色深度的结果获得颜色深度集。

步骤s900：将所述颜色深度集和所述第一编码结果输入区域评估模型，获得第一输出结果，所述第一输出结果包括第一位置区域；

步骤s1000：通过所述第一图像采集装置对所述第一位置区域进行放大图像采集。

具体而言，所述第一位置区域为下一步进行图像采集的位置区域，进一步来说，所述第一位置区域要比所述颜色深度集对应的编码的位置构成的区域要大。将所述颜色深度集和所述第一编码结果输入区域评估模型，基于所述区域评估模型，对所述要进行图像进一步采集的区域进行区域的预估，其中，所述区域的预估结果为比实际的颜色深度集构成的位置区域要大，以防止与所述颜色深度集相邻或相近的位置区域的判断错误，进而造成诊断的异常。当所述扩选位置的位置对应的颜色越深，则扩选的距离越大，颜色越浅，则扩选范围越小。获得进行扩选后的位置区域，即所述第一位置区域。通过所述第一图像采集装置对所述第一位置区域进行进一步的图像采集，所述图像采集为相比于第一图像的采集为放大倍数的采集，将所述采集的图像进行存储，将所述存储后的图像作后续医生进行诊断的参考图像。通过智能化的图像分析和采集，分析图像的异常来智能化进行图像的进一步采集，为保证医生的最终诊断质量，辅助医生进行诊断，降低医生因为疏忽造成的信息遗漏的可能性，进而达到可辅助医生进行更加准确的病情观察的技术效果。

进一步而言，本申请实施例还包括：

步骤s1010：获得第一颜色深度阈值；

步骤s1020：判断所述颜色深度集中的颜色深度是否存在不满足所述第一颜色深度阈值的颜色深度；

步骤s1030：当所述颜色深度集中的颜色深度存在不满足所述第一颜色深度阈值的颜色深度时，获得不满足所述第一颜色深度阈值的第一颜色深度集；

步骤s1040：根据所述第一颜色深度集，获得所述第一颜色深度集对应的编码集；

步骤s1050：对所述编码集对应的位置进行多角度图像采集。

具体而言，所述第一颜色深度阈值为区分病变程度的颜色阈值，所述阈值可自行进行设定，根据所述第一颜色深度阈值对所述颜色深度集的颜色进行分类，即分为满足所述第一颜色深度阈值的颜色集合和不满足所述第一颜色深度阈值的颜色集合，所述不满足所述第一颜色深度阈值的颜色集合为病变程度高于设定值的集合，即第一颜色深度集，基于所述第一颜色深度集，获得所述第一颜色深度集对应的编码集。进一步来说，基于所述编码集，获得所述编码集对应的位置区域，对所述位置区域进行进一步的多角度的图像采集，所述多角度的图像采集为至少包含第一角度和第二角度的图像采集，进一步来说，所述多角度的图像的采集的角度数量还与所述颜色深度进一步相关，即颜色越深，则采集的图像角度越多。通过对颜色深度不满足所述第一颜色深度阈值的位置进行多角度的图像采集，为后续进一步的对所述位置进行观察夯实了基础。

进一步而言，本申请实施例还包括：

步骤s1060：根据所述编码集，获得由所述编码组成的第二位置区域，并获得由所述第二位置区域构成的第一图形信息；

步骤s1070：根据所述第一图形信息，获得所述第一图形信息的几何中心；

步骤s1080：获得第一距离信息，以所述几何中心为圆心，所述第一距离信息为半径绘制一标准圆，其中，所述第一距离信息为所述几何中心与所述编码集中的编码的位置的最远距离；

步骤s1090：通过所述第一图形信息在所述标准圆中的面积占比，确定多角度图像采集的数量。

具体而言，所述第二位置区域为所述编码集构成的位置区域，即所述不满足第一颜色深度阈值的颜色对应的编码构成的区域，通过所述位置区域获得第一图形信息，所述第一图形信息为通过所述编码构成的区域获得的图形，获得素数第一图形信息的几何中心，如果围成几何图形的均为线段（即没有圆弧时），则可以根据这些边界点求得每个线段的长度，求得所有线段长度的最小公约数（即最小的平均分割区间），然后统计所有的点的平均值，最终得到的就是几何图形的重心，所述重心即为中心；如果存在曲线，则首先需要将曲线拟合分解成为小线段，然后通过上面的方法进行计算，获得所述第一图形的中心。当找到所述第一几何图形的中心后，以所述中心为圆心，以与所述中心与编码的位置的最远距离为半径，绘制一标准圆，通过所述第一图形信息在所述标准圆的面积占比，来确定多角度进行图像采集的数量，即当所述占比越高时，表明所述由颜色深度超过预设阈值的位置总的密集程度较高，此时则需要进行多角度图像采集的数量进行适量增加，为后续进行准确评估做好基础图像采集，当所述占比越低时，表明由颜色深度超过预设阈值的位置总的密集程度较低，此时则适量减少图像采集数量，以保证图像的总的采集时间，节省资源和空间。

进一步的，所述通过所述第一图形信息在所述标准圆中的面积占比，确定多角度图像采集的数量，本申请实施例步骤s1090还包括：

步骤s1091：构建面积占比和图像采集量匹配的数据库；

步骤s1092：将所述面积占比输入所述数据库，获得与所述面积占比匹配的第一图像采集数量；

步骤s1093：根据所述编码集的编码分布，获得第一编码密集度；

步骤s1094：通过所述第一编码密集度对所述第一图像采集数量进行修正调整，获得第二图像采集数量。

具体而言，所述数据库为面积占比和图像采集数量匹配的数据库，其中，所述匹配为面积占比与图像采集熟量匹配，但并完全不一一对应。举例而言，当所述面积占比为1/2时，对应的图像采集数量为6，当所述面积占比为2/5时，对应的图像采集数量为6，当所述面积占比为1/3时，对应的采集数量为5。将所述面积占比输入数据库，获得与所述面积占比匹配的采集的图像的数量信息。根据所述编码集的编码分布情况，获得第一编码密集度，对编码密集度高的位置进行图像采集的数量的适量增加，即根据所述第一编码的密集度对素数第一图像采集数量进行调整，获得第二图像采集数量，基于所述第二图像采集数量进行图像的采集，使得所述采集的数量更加合理，为后续辅助分析奠定了基础。

进一步而言，本申请实施例步骤s1050还包括：

步骤s1051：通过所述编码集，获得所述编码集中的编码数量；

步骤s1052：判断所述编码数量是否超过所述第一编码数量预定阈值；

步骤s1053：当所述编码数量超过所述第一编码数量预定阈值时，则获得第一标记信息，根据所述标记信息对采集图像的用户进行标记。

具体而言，基于所述编码集，获得所述编码集中的编码的数量，通过所述编码的数量信息，对所述第一图像信息对应的用户的身体状态的情况进行标记。进一步来说，所述标记过程包括获得第一预定编码数量的阈值，所述数量为反映了编码所对应的位置的颜色深度满足所述第一颜色深度阈值的数量信息，基于所述第一预定编码数量的阈值，对所述数量进行区分，将满足所述第一预定编码数量阈值的数量所对应的用户进行用户标记。通过所述标记，为后续进行病情的严重程度的人数的预估和发展趋势的预测夯实了基础。

进一步而言，本申请实施例还包括：

步骤s1054：获得第一汇总信息；

步骤s1055：根据所述第一汇总信息对进行标记的用户进行统计，获得第一统计结果；

步骤s1056：根据所述第一统计结果对标记用户的数量走向进行预估，获得第一预估结果；

步骤s1057：基于所述第一预估结果提示护理人员准备资源。

具体而言，所述第一汇总信息为对所述标记的用户进行数量的汇总的过程，即基于所述标记的用户的标记信息，对用户的数量进行汇总，获得第一统计结果，通过所述统计结果的时间周期的长度，对下一时间周期的数量的走向进行预测。进一步来说，所述预测过程包括以日为单位，月为周期进行数量统计分析的过程，基于一定量的样本量，绘制数量变化曲线，基于所述曲线的走势进行人数的预估，获得第一预估解结果，根据所述第一预估结果对护理人员进行提示，准备好相应数量的相关的资源，包括检测的设备、药物、其他护理装置、设备等。

进一步而言，本申请实施例步骤s900还包括：

步骤s910：将所述颜色深度集和所述第一编码结果输入区域评估模型，其中，所述区域评估模型为通过多组训练数据训练获得的模型，所述多组数据中的每组均包括：所述颜色深度集和所述第一编码结果和标识区域扩充结果的标识信息；

步骤s920：获得所述区域评估模型的输出结果，所述输出结果包括所述第一位置区域。

具体而言，所述区域评估模型为对区域进行评估和扩选的模型，所述评估的过程为依据所述颜色深浅度的分布进行扩选区域的过程，所述模型通过大量的基础数据的训练获得，所述训练的过程包括进行监督学习的过程，所述监督学习的监督数据包括：所述颜色深度集和所述第一编码结果和标识区域扩充结果的标识信息；所述监督数据至少包括多组数据，基于所述数据的监督学习，进而使得所述模型的处理能力更强，进而可以获得更加准确的扩选结果，进而使得所述第一位置区域的获取的结果更加准确，为后续保证医生的最终诊断质量，辅助医生进行诊断，降低医生因为疏忽造成的信息遗漏的可能性奠定了基础。

综上所述，本申请实施例所提供的一种基于智能编码的斑状发红图像采集和处理方法及系统具有如下技术效果：

1、由于采用了通过所述第一图像采集装置获得第一图像信息，对所述第一图像信息进行图像分割，并将所述分割后的图像进行编码，获得第一编码结果，对所述编码结果中的位置图像进行初步图像分析，获得第一分析结果，判断所述第一分析结果是否满足预设阈值，当所述分析结果满足所述预设阈值时，则初筛通过，对所述初筛通过的位置图像进行图像的调整，对所述图像的调整结果进行分析，根据分析结果为所述不同位置图像匹配不通的颜色深度，其中，所述颜色深度为基于病变程度预估结果匹配的，当病变越严重，则匹配的颜色越深，将所述第一编码结果中满足初筛的结果都进行颜色匹配后，获得颜色深度集，将所述颜色深度集和所述第一编码结果输入区域评估模型，获得基于颜色深度和编码结果匹配的第一位置区域，并基于所述第一位置区域进行放大图像采集的方式，进而达到智能化结合采集信息，辅助医生进行智能化图像采集，进而可辅助医生进行更加准确的病情观察的技术效果。

2、由于采用了通过对颜色深度不满足所述第一颜色深度阈值的位置进行多角度的图像采集的方式续进一步的对所述位置进行观察夯实了基础。

实施例二：

基于与前述实施例中一种基于智能编码的斑状发红图像采集和处理方法同样发明构思，本发明还提供了一种基于智能编码的斑状发红图像采集和处理系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过所述第一图像采集装置获得第一图像信息；

第二获得单元12，所述第二获得单元12用于获得第一分割指令，根据所述第一分割指令对所述第一图像信息进行分割处理，并对所述分割处理后的图像进行位置编码，获得第一编码结果；

第三获得单元13，所述第三获得单元13用于获得所述第一编码结果中的第一位置图像，根据所述智能图像采集处理系统对所述第一位置图像进行图像的初始分析，获得第一分析结果；

第一判断单元14，所述第一判断单元14用于判断所述第一分析结果是否满足第一预设阈值；

第四获得单元15，所述第四获得单元15用于当所述第一分析结果满足所述第一预设阈值时，获得第一调整指令；

第一调整单元16，所述第一调整单元16用于根据所述第一调整指令对所述第一位置图像进行图像调整；

第一匹配单元17，所述第一匹配单元17用于通过所述智能图像采集处理系统对所述第一位置图像进行图像的分析，获得第一位置图像的病变程度预估结果，并根据所述病变程度预估结果匹配第一颜色深度；

第五获得单元18，所述第五获得单元18用于对所述第一编码结果中的其他位置图像分别执行上述第三获得单元至第一匹配单元，获得所述第一编码结果中各位置图像对应的颜色深度，根据所有的颜色深度获得颜色深度集；

第六获得单元19，所述第六获得单元19用于将所述颜色深度集和所述第一编码结果输入区域评估模型，获得第一输出结果，所述第一输出结果包括第一位置区域；

第一采集单元20，所述第一采集单元20用于通过所述第一图像采集装置对所述第一位置区域进行放大图像采集。

进一步的，所述系统还包括：

第七获得单元，所述第七获得单元用于获得第一颜色深度阈值；

第二判断单元，所述第二判断单元用于判断所述颜色深度集中的颜色深度是否存在不满足所述第一颜色深度阈值的颜色深度；

第八获得单元，所述第八获得单元用于当所述颜色深度集中的颜色深度存在不满足所述第一颜色深度阈值的颜色深度时，获得不满足所述第一颜色深度阈值的第一颜色深度集；

第九获得单元，所述第九获得单元用于根据所述第一颜色深度集，获得所述第一颜色深度集对应的编码集；

第二采集单元，所述第二采集单元用于对所述编码集对应的位置进行多角度图像采集。

进一步的，所述系统还包括：

第十获得单元，所述第十获得单元用于根据所述编码集，获得由所述编码组成的第二位置区域，并获得由所述第二位置区域构成的第一图形信息；

第十一获得单元，所述第十一获得单元用于根据所述第一图形信息，获得所述第一图形信息的几何中心；

第十二获得单元，所述第十二获得单元用于获得第一距离信息，以所述几何中心为圆心，所述第一距离信息为半径绘制一标准圆，其中，所述第一距离信息为所述几何中心与所述编码集中的编码的位置的最远距离；

第一确定单元，所述第一确定单元用于通过所述第一图形信息在所述标准圆中的面积占比，确定多角度图像采集的数量。

进一步的，所述系统还包括：

第一构建单元，所述第一构建单元用于构建面积占比和图像采集量匹配的数据库；

第十三获得单元，所述第十三获得单元用于将所述面积占比输入所述数据库，获得与所述面积占比匹配的第一图像采集数量；

第十四获得单元，所述第十四获得单元用于根据所述编码集的编码分布，获得第一编码密集度；

第十五获得单元，所述第十五获得单元用于通过所述第一编码密集度对所述第一图像采集数量进行修正调整，获得第二图像采集数量。

进一步的，所述系统还包括：

第十六获得单元，所述第十六获得单元用于通过所述编码集，获得所述编码集中的编码数量；

第十七获得单元，所述第十七获得单元用于获得第一编码数量预定阈值；

第三判断单元，所述第三判断单元用于判断所述编码数量是否超过所述第一编码数量预定阈值；

第十八获得单元，所述第十八获得单元用于当所述编码数量超过所述第一编码数量预定阈值时，则获得第一标记信息，根据所述标记信息对采集图像的用户进行标记。

进一步的，所述系统还包括：

第十九获得单元，所述第十九获得单元用于获得第一汇总信息；

第二十获得单元，所述第二十获得单元用于根据所述第一汇总信息对进行标记的用户进行统计，获得第一统计结果；

第二十一获得单元，所述第二十一获得单元用于根据所述第一统计结果对标记用户的数量走向进行预估，获得第一预估结果；

第一提示单元，所述第一提示单元用于基于所述第一预估结果提示护理人员准备资源。

进一步的，所述系统还包括：

第一输入单元，所述第一输入单元用于将所述颜色深度集和所述第一编码结果输入区域评估模型，其中，所述区域评估模型为通过多组训练数据训练获得的模型，所述多组数据中的每组均包括：所述颜色深度集和所述第一编码结果和标识区域扩充结果的标识信息；

第二十二获得单元，所述第二十二获得单元用于获得所述区域评估模型的输出结果，所述输出结果包括所述第一位置区域。

前述图1实施例一中的一种基于智能编码的斑状发红图像采集和处理方法的各种变化方式和具体实例同样适用于本实施例的一种基于智能编码的斑状发红图像采集和处理系统，通过前述对一种基于智能编码的斑状发红图像采集和处理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于智能编码的斑状发红图像采集和处理系统的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备：

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于智能编码的斑状发红图像采集和处理方法的发明构思，本发明还提供一种基于智能编码的斑状发红图像采集和处理系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于智能编码的斑状发红图像采集和处理方法的任一方法的步骤。

其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明实施例提供的一种基于智能编码的斑状发红图像采集和处理方法，所述方法应用于一智能图像采集处理系统，所述系统与第一图像采集装置通信连接，所述方法包括：步骤s100：通过所述第一图像采集装置获得第一图像信息；步骤s200：获得第一分割指令，根据所述第一分割指令对所述第一图像信息进行分割处理，并对所述分割处理后的图像进行位置编码，获得第一编码结果；步骤s300：获得所述第一编码结果中的第一位置图像，根据所述智能图像采集处理系统对所述第一位置图像进行图像的初始分析，获得第一分析结果；步骤s400：判断所述第一分析结果是否满足第一预设阈值；步骤s500：当所述第一分析结果满足所述第一预设阈值时，获得第一调整指令；步骤s600：根据所述第一调整指令对所述第一位置图像进行图像调整；步骤s700：通过所述智能图像采集处理系统对所述第一位置图像进行图像的分析，获得第一位置图像的病变程度预估结果，并根据所述病变程度预估结果匹配第一颜色深度；步骤s800：对所述第一编码结果中的其他位置图像分别执行上述步骤s300至步骤s700，获得所述第一编码结果中各位置图像对应的颜色深度，根据所有的颜色深度获得颜色深度集；步骤s900：将所述颜色深度集和所述第一编码结果输入区域评估模型，获得第一输出结果，所述第一输出结果包括第一位置区域；步骤s1000：通过所述第一图像采集装置对所述第一位置区域进行放大图像采集。解决了现有技术中存在对于患者的图像采集不够智能，不能实时结合采集的图像进行智能化的进一步地图像获取，来帮助医生进行更好的病情观察的技术问题，达到智能化结合采集信息，辅助医生进行智能化图像采集，进而辅助医生进行更加准确的病情观察的技术效果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。