本發(fā)明涉及激光光斑定位技術(shù)領(lǐng)域，尤其涉及的是一種光斑定位時(shí)去除噪聲的方法及系統(tǒng)。

背景技術(shù)：

當(dāng)前使用激光、紅外以及可見光定位光標(biāo)位置在電子設(shè)備中的應(yīng)用非常廣泛，比如鼠標(biāo)、投影儀、游戲機(jī)、以及其它類似的設(shè)備。光標(biāo)定位屬于光斑識(shí)別、信號(hào)檢測(cè)問(wèn)題，通常采用數(shù)字圖像處理技術(shù)，通過(guò)計(jì)算光斑在圖像中的位置來(lái)確定實(shí)際光斑的位置。在實(shí)際應(yīng)用中，通過(guò)光學(xué)感應(yīng)器抓拍到的圖像中常常會(huì)出現(xiàn)或弱或強(qiáng)的噪聲。弱的噪聲通常由設(shè)備本身產(chǎn)生，通過(guò)簡(jiǎn)單的平滑處理和優(yōu)化最佳分割閾值就可以消除；而強(qiáng)噪聲通常由環(huán)境中的強(qiáng)光、強(qiáng)紅外光等設(shè)備等產(chǎn)生，需要采取一定的方法才能排除。前者屬于分割目標(biāo)和背景的基本問(wèn)題；后者屬于較為特定的問(wèn)題。

目前常用的處理辦法是設(shè)定固定的閾值，利用閾值的上下限來(lái)排除對(duì)光斑的干擾。該方法對(duì)環(huán)境的要求過(guò)于死板，一旦環(huán)境發(fā)生意想不到的變化，便不能有效的確定光斑的位置。

因此，現(xiàn)有技術(shù)有待于進(jìn)一步的改進(jìn)。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述現(xiàn)有技術(shù)中的不足之處，本發(fā)明的目的在于為用戶提供一種光斑定位時(shí)去除噪聲的方法及系統(tǒng)，克服現(xiàn)有技術(shù)中通常使用設(shè)置固定的閾值來(lái)排除外界干擾時(shí)，環(huán)境光強(qiáng)度需要滿足一定范圍要求才能準(zhǔn)確排除的缺陷。

本發(fā)明解決技術(shù)問(wèn)題所采用的技術(shù)方案如下：

一種光斑定位時(shí)去除噪聲的方法，其中，包括步驟：

步驟A、以圖像中目標(biāo)物體所處的區(qū)域?yàn)槟繕?biāo)區(qū)域，利用邊框識(shí)別法將圖像劃分為目標(biāo)區(qū)域和非目標(biāo)區(qū)域；

步驟B、利用最大類間方差算法、最小類內(nèi)方差算法及背景區(qū)域與光斑區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則相結(jié)合得到最佳分割閾值，使用所述最佳分割閾值將圖像分割成背景區(qū)域和多個(gè)含有噪聲的光斑區(qū)域；

步驟C、利用高斯分布原理對(duì)每個(gè)所述光斑區(qū)域中像素的坐標(biāo)點(diǎn)做高斯擬合，得到每個(gè)光斑區(qū)域的中心點(diǎn)；

步驟D、將位置處于所述非目標(biāo)區(qū)域內(nèi)的中心點(diǎn)作為干擾點(diǎn)去除，并輸入去除干擾點(diǎn)后的圖像。

所述光斑定位時(shí)去除噪聲的方法，其中，所述步驟B中所述利用最大類間方差算法、最小類內(nèi)方差算法及非目標(biāo)區(qū)域與目標(biāo)區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則相結(jié)合得到最佳分割閾值的方法包括：

步驟B1、建立準(zhǔn)則函數(shù)，根據(jù)所述準(zhǔn)則函數(shù)計(jì)算出最佳分割閾值；

所述準(zhǔn)則函數(shù)的公式為：

其中，為背景區(qū)域像素所占整個(gè)圖像像素總和的概率值、為光斑區(qū)域像素所占整個(gè)圖像像素總和的概率值、為光斑區(qū)域像素所占整個(gè)圖像像素總和概率值的平均值、為背景區(qū)域像素所占整個(gè)圖像像素總和概率值的平均值、為背景區(qū)域類內(nèi)方差、為光斑區(qū)域類內(nèi)方差、為與的比值，為預(yù)設(shè)常數(shù)值。

所述光斑定位時(shí)去除噪聲的方法，其中，所述步驟B中計(jì)算最佳分割閾值之前還包括步驟：

步驟B0、利用小波變換算法對(duì)圖像進(jìn)行整體性去噪處理。

所述光斑定位時(shí)去除噪聲的方法，其中，所述步驟D中利用預(yù)設(shè)的判斷函數(shù)對(duì)中心點(diǎn)是否位于目標(biāo)區(qū)域內(nèi)進(jìn)行判斷；所述判斷函數(shù)的定義為：當(dāng)所述中心點(diǎn)位于目標(biāo)區(qū)域內(nèi)，則得到的函數(shù)值為1，若所述中心點(diǎn)不位于目標(biāo)區(qū)域內(nèi)，則得到的函數(shù)值為0。

所述光斑定位時(shí)去除噪聲的方法，其中，所述步驟D中按照灰度值大小排列的順序依次將中心點(diǎn)代入判斷函數(shù)，對(duì)中心點(diǎn)是否為強(qiáng)噪聲進(jìn)行判斷，若是，則將所述中心點(diǎn)所對(duì)應(yīng)的光斑移除，不是則保留所述中心點(diǎn)所對(duì)應(yīng)的光斑。

一種光斑定位時(shí)去除噪聲的系統(tǒng)，其中，包括：

第一區(qū)域劃分模塊，用于以圖像中目標(biāo)物體所處的區(qū)域?yàn)槟繕?biāo)區(qū)域，利用邊框識(shí)別法將圖像劃分為目標(biāo)區(qū)域和非目標(biāo)區(qū)域；

第二區(qū)域劃分模塊，用于利用最大類間方差算法、最小類內(nèi)方差算法及背景區(qū)域與光斑區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則相結(jié)合得到最佳分割閾值，并使用所述最佳分割閾值將圖像分割成背景區(qū)域和多個(gè)含有噪聲的光斑區(qū)域；

光斑點(diǎn)擬合模塊，用于利用高斯分布原理對(duì)每個(gè)所述光斑區(qū)域中像素的坐標(biāo)點(diǎn)做高斯擬合，得到每個(gè)光斑區(qū)域的中心點(diǎn)；

干擾去除模塊，用于將位置處于所述非目標(biāo)區(qū)域內(nèi)的中心點(diǎn)作為干擾點(diǎn)去除，并輸入去除干擾點(diǎn)后的圖像。

所述的光斑定位時(shí)去除噪聲的系統(tǒng)，其中，所述第二區(qū)域劃分模塊包括：

函數(shù)計(jì)算模塊，用于建立準(zhǔn)則函數(shù)，根據(jù)所述準(zhǔn)則函數(shù)計(jì)算出最佳分割閾值；

所述準(zhǔn)則函數(shù)的公式為：

其中，為背景區(qū)域像素所占整個(gè)圖像像素總和的概率值、為光斑區(qū)域像素所占整個(gè)圖像像素總和的概率值、為光斑區(qū)域像素所占整個(gè)圖像像素總和概率值的平均值、為背景區(qū)域像素所占整個(gè)圖像像素總和概率值的平均值、為背景區(qū)域類內(nèi)方差、為光斑區(qū)域類內(nèi)方差、為與的比值，為預(yù)設(shè)常數(shù)值。

所述的光斑定位時(shí)去除噪聲的系統(tǒng)，其中，所述第二區(qū)域劃分模塊還包括：

整體去噪單元，用于利用小波變換算法對(duì)圖像進(jìn)行整體性去噪處理。

所述的光斑定位時(shí)去除噪聲的系統(tǒng)，其中，所述干擾去除模塊中利用預(yù)設(shè)的判斷函數(shù)對(duì)中心點(diǎn)是否位于目標(biāo)區(qū)域內(nèi)進(jìn)行判斷；所述判斷函數(shù)的定義為：當(dāng)所述中心點(diǎn)位于目標(biāo)區(qū)域內(nèi)，則得到的函數(shù)值為1，若所述中心點(diǎn)不位于目標(biāo)區(qū)域內(nèi)，則得到的函數(shù)值為0。

所述的光斑定位時(shí)去除噪聲的系統(tǒng)，其中，所述干擾去除模塊中按照灰度值大小排列的順序依次將中心點(diǎn)代入判斷函數(shù)，對(duì)中心點(diǎn)是否為強(qiáng)噪聲進(jìn)行判斷，若是，則將所述中心點(diǎn)所對(duì)應(yīng)的光斑移除，不是則保留所述中心點(diǎn)所對(duì)應(yīng)的光斑。

有益效果，本發(fā)明提供了一種光斑定位時(shí)去除噪聲的方法及系統(tǒng)，通過(guò)以圖像中目標(biāo)物體所處的區(qū)域?yàn)槟繕?biāo)區(qū)域，利用邊框識(shí)別法將圖像劃分為目標(biāo)區(qū)域和非目標(biāo)區(qū)域兩個(gè)部分；利用最大類間方差算法、最小類內(nèi)方差算法及背景區(qū)域與光斑區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則相結(jié)合得到最佳分割閾值，使用所述最佳分割閾值將圖像分割成背景區(qū)域和多個(gè)含有噪聲的光斑區(qū)域；利用高斯分布原理對(duì)每個(gè)所述目標(biāo)區(qū)域像素的坐標(biāo)點(diǎn)做高斯擬合，得到每個(gè)光斑區(qū)域的中心點(diǎn)；將所述中心點(diǎn)的位置處于非目標(biāo)區(qū)域內(nèi)的點(diǎn)去除。本發(fā)明所述的方法及系統(tǒng)，可以快速的識(shí)別出強(qiáng)噪聲，具有較強(qiáng)的適應(yīng)性，不受拍攝圖像時(shí)環(huán)境光強(qiáng)度的影響。

附圖說(shuō)明

圖1是本發(fā)明所提供的所述的光斑定位時(shí)去除噪聲的方法的步驟流程圖。

圖2是本發(fā)明所述去除噪聲的方法在具體實(shí)施例中圖像的組成示意圖。

圖3是本發(fā)明所述的光斑定位時(shí)去除噪聲的系統(tǒng)的原理結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚、明確，以下參照附圖并舉實(shí)施例對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用于解釋本發(fā)明，并不用于限定本發(fā)明。

由于干擾光源不會(huì)出現(xiàn)在屏幕上，強(qiáng)光光斑只會(huì)落在非目標(biāo)區(qū)域中，因此本發(fā)明提供了一種光斑定位時(shí)去除噪聲的方法，如圖1所示，所述方法包括步驟：

步驟S1、以圖像中目標(biāo)物體所處的區(qū)域?yàn)槟繕?biāo)區(qū)域，利用邊框識(shí)別法將圖像劃分為目標(biāo)物體所區(qū)域和非目標(biāo)區(qū)域。

首先將待進(jìn)行光斑定位的圖像根據(jù)圖像中目標(biāo)物體所處的區(qū)域分成目標(biāo)區(qū)域和非目標(biāo)區(qū)域，所述目標(biāo)區(qū)域?yàn)槟繕?biāo)物體所處的區(qū)域，所述非目標(biāo)區(qū)域?yàn)閳D像的中除目標(biāo)物體所處的區(qū)域之外的區(qū)域。在具體實(shí)施過(guò)程中，通常使用邊框識(shí)別法根據(jù)圖像中的灰度值將圖像分割成目標(biāo)區(qū)域和非目標(biāo)區(qū)域，因?yàn)楸静襟E為現(xiàn)有技術(shù)，所以在此不做過(guò)多解釋。可以想到的是，所述目標(biāo)區(qū)域由一系列含有目標(biāo)物體，且可能并不相連接的區(qū)域組成。

步驟S2、利用最大類間方差算法、最小類內(nèi)方差算法及背景區(qū)域與光斑區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則相結(jié)合得到最佳分割閾值，使用所述最佳分割閾值將圖像分割成背景區(qū)域和多個(gè)含有噪聲的光斑區(qū)域。

本步驟對(duì)再次對(duì)原待光斑定位的圖像進(jìn)行區(qū)域劃分，與上述步驟不同的是本步驟中將圖像劃分為背景區(qū)域和多個(gè)含有光斑的光斑區(qū)域。

為了更準(zhǔn)確的對(duì)將圖像中的光斑區(qū)域劃分出來(lái)，本步驟中使用改進(jìn)的OTSN方法，也即是，首先將最大類間方差法和最小類內(nèi)方差法相結(jié)合，然后基于背景區(qū)域與目標(biāo)區(qū)域比例最大的原則，計(jì)算得到最佳分割閾值。

具體的，本步驟中利用最大類間方差算法、最小類內(nèi)方差算法及背景區(qū)域與光斑區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則結(jié)合得到最佳分割閾值的方法包括：

建立準(zhǔn)則函數(shù)，根據(jù)所述準(zhǔn)則函數(shù)計(jì)算出最佳分割閾值；

所述準(zhǔn)則函數(shù)的公式為：

其中，為背景區(qū)域像素所占整個(gè)圖像像素總和的概率值、為光斑區(qū)域像素所占整個(gè)圖像像素總和的概率值、為光斑區(qū)域像素所占整個(gè)圖像像素總和概率值的平均值、為背景區(qū)域像素所占整個(gè)圖像像素總和概率值的平均值、為背景區(qū)域類內(nèi)方差、為光斑區(qū)域類內(nèi)方差、為與的比值，為預(yù)設(shè)常數(shù)值，具體的，所述為根據(jù)經(jīng)驗(yàn)所自定義的數(shù)值。

本發(fā)明所公開的準(zhǔn)則函數(shù)，由于在現(xiàn)有技術(shù)中已有的將最大類間方差算法與最小類內(nèi)方差算法相結(jié)合的計(jì)算最佳分割閾值的前提下，加入了非目標(biāo)區(qū)域與目標(biāo)區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則，從而更加適用于對(duì)特定圖像求取最佳分割閾值。

步驟S3、利用高斯分布原理對(duì)每個(gè)所述目標(biāo)區(qū)域像素的坐標(biāo)點(diǎn)做高斯擬合，得到每個(gè)光斑區(qū)域的中心點(diǎn)。

使用高斯分布原理對(duì)上述步驟中劃分出的每個(gè)光斑區(qū)域中像素的坐標(biāo)點(diǎn)進(jìn)行擬合，所述擬合可以為通常使用的圓擬合或者質(zhì)心法擬合，得到該光斑區(qū)域內(nèi)的中心點(diǎn)。

可以想到的是，由于上述步驟中獲取的為多個(gè)光斑區(qū)域，本步驟中需要依次對(duì)每個(gè)光斑區(qū)域進(jìn)行高斯擬合，因此本步驟中得到的為一系列的中心點(diǎn)。

步驟S4、將位置處于所述非目標(biāo)區(qū)域內(nèi)的中心點(diǎn)作為干擾點(diǎn)去除，并輸入去除干擾點(diǎn)后的圖像。

當(dāng)?shù)玫矫總€(gè)光斑區(qū)域內(nèi)的中心點(diǎn)后，由于干擾光斑不會(huì)出現(xiàn)在目標(biāo)區(qū)域內(nèi)，因此依次對(duì)所述中心點(diǎn)是否位于目標(biāo)區(qū)域進(jìn)行判斷，若處于目標(biāo)區(qū)域，則判定為有效光斑，若不處于目標(biāo)區(qū)域則判定為干擾點(diǎn)，則將所述干擾點(diǎn)去除。

為了提高對(duì)強(qiáng)光干擾去除的準(zhǔn)確性，所述步驟S1和步驟S2之間還包括：

步驟S1對(duì)圖像做整體性去噪處理，具體的本步驟中利用小波變換算法對(duì)圖像進(jìn)行去噪處理。

本步驟可以先對(duì)圖像進(jìn)行去噪的預(yù)處理，對(duì)圖像中明顯的干擾信號(hào)進(jìn)行了排除，避免了步驟S2和S3中在進(jìn)行區(qū)域劃分和高斯擬合時(shí)由于分散的光斑區(qū)域太多導(dǎo)致的運(yùn)算量大，提高了本方法使用時(shí)的數(shù)據(jù)處理速率。

具體的，在所述步驟S4中利用預(yù)設(shè)的判斷函數(shù)對(duì)中心點(diǎn)是否位于目標(biāo)區(qū)域內(nèi)進(jìn)行判斷；所述判斷函數(shù)的定義為：當(dāng)所述中心點(diǎn)位于目標(biāo)區(qū)域內(nèi)，則得到的函數(shù)值為1，若所述中心點(diǎn)不位于目標(biāo)區(qū)域內(nèi)，則得到的函數(shù)值為0。所述判斷函數(shù)也可以時(shí)預(yù)設(shè)的用于判斷出中心點(diǎn)是否位于目標(biāo)區(qū)域內(nèi)的其他任何函數(shù)。

為了實(shí)現(xiàn)自動(dòng)的更加快速的判斷出中心點(diǎn)所處的位置，識(shí)別出強(qiáng)噪聲，所述步驟S4中按照灰度值大小排列的順序依次將中心點(diǎn)代入判斷函數(shù)，對(duì)中心點(diǎn)是否為強(qiáng)噪聲進(jìn)行判斷。

下面以本發(fā)明的具體應(yīng)用實(shí)施例，對(duì)本發(fā)明做進(jìn)一步的解析。

步驟H1、首先根據(jù)人工標(biāo)定或者邊框識(shí)別等方法可以將原始待處理圖像分為目標(biāo)區(qū)域和非目標(biāo)區(qū)域兩個(gè)部分，可以優(yōu)先選優(yōu)邊框識(shí)別法對(duì)圖像進(jìn)行分割。結(jié)合圖2中所示，如圖所示，圖像中含有背景1、目標(biāo)物體2和多個(gè)光斑3，使用單閾值法進(jìn)行圖像分割時(shí)，單閾值將圖像分割成兩個(gè)部分：背景和目標(biāo)。目標(biāo)部分可能是有多個(gè)互相之間不連接的區(qū)域組成。

步驟H2、圖像整體性噪聲的去除：基于小波變換的方法在噪聲和目標(biāo)各自的尺度下對(duì)圖像進(jìn)行去噪處理。其具體去噪處理方法可以參考2003年9月出版的遙感學(xué)報(bào)中發(fā)表的論文：一種基于小波變換去除遙感圖像噪聲的方法，基于其中公開的原理對(duì)圖像進(jìn)行整體性去噪。

步驟H3、利用改進(jìn)的otsu方法，即根據(jù)最大類間方差法、最小類內(nèi)方差法、以及背景區(qū)域與光斑區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則得到最佳分割閾值，并利用該閾值將圖像分割為背景和光斑區(qū)域兩個(gè)部分，由于是對(duì)每個(gè)光斑區(qū)域做擬合，因此每個(gè)光斑區(qū)域得到一個(gè)中心點(diǎn)，這些中心點(diǎn)組成一個(gè)中心點(diǎn)序列。

步驟H4、設(shè)定判斷函數(shù)，通?？梢岳?、透視變換等得到。其中，p為點(diǎn)的坐標(biāo)。

步驟H5、非目標(biāo)區(qū)域中的干擾的去除：利用判斷函數(shù)對(duì)待判斷的中心點(diǎn)依次進(jìn)行篩選。通常利用灰度值排序并結(jié)合光斑區(qū)域的形狀進(jìn)行判斷，排除處于非目標(biāo)區(qū)域內(nèi)的干擾點(diǎn)，保留有效光斑，從而得到有效光斑，將非有效光斑去除。

本發(fā)明所提供的方法能夠使得光斑檢測(cè)有較強(qiáng)的適應(yīng)能力，不受環(huán)境中的強(qiáng)光所干擾，因此可以得到更好的強(qiáng)噪聲去除結(jié)果。

本發(fā)明在公開上述方法的基礎(chǔ)上還公開了一種光斑定位時(shí)去除噪聲的系統(tǒng)，如圖3所示，包括：

第一區(qū)域劃分模塊110，用于以圖像中目標(biāo)物體所處的區(qū)域?yàn)槟繕?biāo)區(qū)域，利用邊框識(shí)別法將圖像劃分為目標(biāo)區(qū)域和非目標(biāo)區(qū)域；其功能如步驟S1所述。

第二區(qū)域劃分模塊120，用于利用最大類間方差算法、最小類內(nèi)方差算法及背景區(qū)域與光斑區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則相結(jié)合得到最佳分割閾值，并使用所述最佳分割閾值將圖像分割成背景區(qū)域和多個(gè)含有噪聲的光斑區(qū)域；其功能如步驟S2所述。

光斑點(diǎn)擬合模塊130，用于利用高斯分布原理對(duì)每個(gè)所述光斑區(qū)域中像素的坐標(biāo)點(diǎn)做高斯擬合，得到每個(gè)光斑區(qū)域的中心點(diǎn)；其功能如步驟S3所述。

干擾去除模塊140，用于將位置處于所述非目標(biāo)區(qū)域內(nèi)的中心點(diǎn)作為干擾點(diǎn)去除，并輸入去除干擾點(diǎn)后的圖像，其功能如步驟S4所述。

所述第二區(qū)域劃分模塊包括：

函數(shù)計(jì)算模塊，用于建立準(zhǔn)則函數(shù)，根據(jù)所述準(zhǔn)則函數(shù)計(jì)算出最佳分割閾值；

所述準(zhǔn)則函數(shù)的公式為：

其中，為背景區(qū)域像素所占整個(gè)圖像像素總和的概率值、為光斑區(qū)域像素所占整個(gè)圖像像素總和的概率值、為光斑區(qū)域像素所占整個(gè)圖像像素總和概率值的平均值、為背景區(qū)域像素所占整個(gè)圖像像素總和概率值的平均值、為背景區(qū)域類內(nèi)方差、為光斑區(qū)域類內(nèi)方差、為與的比值，為預(yù)設(shè)常數(shù)值。

所述第二區(qū)域劃分模塊還包括：

整體去噪單元，用于利用小波變換算法對(duì)圖像進(jìn)行整體性去噪處理。

所述的光斑定位時(shí)去除噪聲的系統(tǒng)，其中，所述干擾去除模塊中利用預(yù)設(shè)的判斷函數(shù)對(duì)中心點(diǎn)是否位于目標(biāo)區(qū)域內(nèi)進(jìn)行判斷；所述判斷函數(shù)的定義為：當(dāng)所述中心點(diǎn)位于目標(biāo)區(qū)域內(nèi)，則得到的函數(shù)值為1，若所述中心點(diǎn)不位于目標(biāo)區(qū)域內(nèi)，則得到的函數(shù)值為0。

所述的光斑定位時(shí)去除噪聲的系統(tǒng)，其中，所述干擾去除模塊中按照灰度值大小排列的順序依次將中心點(diǎn)代入判斷函數(shù)，對(duì)中心點(diǎn)是否為強(qiáng)噪聲進(jìn)行判斷，若是，則將所述中心點(diǎn)所對(duì)應(yīng)的光斑移除，不是則保留所述中心點(diǎn)所對(duì)應(yīng)的光斑。

本發(fā)明提供了一種光斑定位時(shí)去除噪聲的方法及系統(tǒng)，通過(guò)以圖像中目標(biāo)物體所處的區(qū)域?yàn)槟繕?biāo)區(qū)域，將圖像劃分為目標(biāo)區(qū)域和非目標(biāo)區(qū)域兩個(gè)部分；利用最大類間方差算法、最小類內(nèi)方差算法及背景區(qū)域與光斑區(qū)域的之間面積比與預(yù)設(shè)數(shù)值的差最小原則相結(jié)合得到最佳分割閾值，使用所述最佳分割閾值將圖像分割成背景區(qū)域和多個(gè)含有噪聲的光斑區(qū)域；利用高斯分布原理對(duì)每個(gè)所述目標(biāo)區(qū)域像素的坐標(biāo)點(diǎn)做高斯擬合，得到每個(gè)光斑區(qū)域的中心點(diǎn)；將所述中心點(diǎn)的位置處于非目標(biāo)區(qū)域內(nèi)的點(diǎn)去除。本發(fā)明所述的方法及系統(tǒng)，具有較強(qiáng)的適應(yīng)性，不受拍攝圖像時(shí)環(huán)境光強(qiáng)度的影響。

可以理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來(lái)說(shuō)，可以根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，而所有這些改變或替換都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。