一种光斑定位时去除噪声的方法及系统技术方案

本发明专利技术提供了一种光斑定位时去除噪声的方法及系统，通过以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标区域和非目标区域两个部分；利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域；利用高斯分布原理对每个所述目标区域像素的坐标点做高斯拟合，得到每个光斑区域的中心点；将所述中心点的位置处于非目标区域内的点去除。本发明专利技术所述的方法及系统，可以快速的识别出强噪声，具有较强的适应性，不受拍摄图像时环境光强度的影响。

Method and system for removing noise in spot location

Remove the noise and system of the invention provides a method for positioning, through to the object in the image area as the target area, using the frame recognition method divides the image into two parts target area and the non target area; the area between the Otsu algorithm, the algorithm and intra class variance the background area and spot area ratio and the minimum difference between the default value principle is obtained by combining the optimal threshold, using the optimal threshold segmentation to divide the image into the background region and a plurality of noise in the spot area; the Gauss distribution principle of each of the target pixel coordinates do Gauss fitting, get the center point of each spot area; the center position is non target region removal. The method and the system of the invention can quickly identify strong noise and have strong adaptability, and are free from the influence of the ambient light intensity when the image is taken.

【技术实现步骤摘要】
一种光斑定位时去除噪声的方法及系统
本专利技术涉及激光光斑定位
，尤其涉及的是一种光斑定位时去除噪声的方法及系统。
技术介绍
当前使用激光、红外以及可见光定位光标位置在电子设备中的应用非常广泛，比如鼠标、投影仪、游戏机、以及其它类似的设备。光标定位属于光斑识别、信号检测问题，通常采用数字图像处理技术，通过计算光斑在图像中的位置来确定实际光斑的位置。在实际应用中，通过光学感应器抓拍到的图像中常常会出现或弱或强的噪声。弱的噪声通常由设备本身产生，通过简单的平滑处理和优化最佳分割阈值就可以消除；而强噪声通常由环境中的强光、强红外光等设备等产生，需要采取一定的方法才能排除。前者属于分割目标和背景的基本问题；后者属于较为特定的问题。目前常用的处理办法是设定固定的阈值，利用阈值的上下限来排除对光斑的干扰。该方法对环境的要求过于死板，一旦环境发生意想不到的变化，便不能有效的确定光斑的位置。因此，现有技术有待于进一步的改进。
技术实现思路
鉴于上述现有技术中的不足之处，本专利技术的目的在于为用户提供一种光斑定位时去除噪声的方法及系统，克服现有技术中通常使用设置固定的阈值来排除外界干扰时，环境光强度需要满足一定范围要求才能准确排除的缺陷。本专利技术解决技术问题所采用的技术方案如下：一种光斑定位时去除噪声的方法，其中，包括步骤：步骤A、以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标区域和非目标区域；步骤B、利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域；步骤C、利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合，得到每个光斑区域的中心点；步骤D、将位置处于所述非目标区域内的中心点作为干扰点去除，并输入去除干扰点后的图像。所述光斑定位时去除噪声的方法，其中，所述步骤B中所述利用最大类间方差算法、最小类内方差算法及非目标区域与目标区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值的方法包括：步骤B1、建立准则函数，根据所述准则函数计算出最佳分割阈值；所述准则函数的公式为：其中，为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值，为预设常数值。所述光斑定位时去除噪声的方法，其中，所述步骤B中计算最佳分割阈值之前还包括步骤：步骤B0、利用小波变换算法对图像进行整体性去噪处理。所述光斑定位时去除噪声的方法，其中，所述步骤D中利用预设的判断函数对中心点是否位于目标区域内进行判断；所述判断函数的定义为：当所述中心点位于目标区域内，则得到的函数值为1，若所述中心点不位于目标区域内，则得到的函数值为0。所述光斑定位时去除噪声的方法，其中，所述步骤D中按照灰度值大小排列的顺序依次将中心点代入判断函数，对中心点是否为强噪声进行判断，若是，则将所述中心点所对应的光斑移除，不是则保留所述中心点所对应的光斑。一种光斑定位时去除噪声的系统，其中，包括：第一区域划分模块，用于以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标区域和非目标区域；第二区域划分模块，用于利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，并使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域；光斑点拟合模块，用于利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合，得到每个光斑区域的中心点；干扰去除模块，用于将位置处于所述非目标区域内的中心点作为干扰点去除，并输入去除干扰点后的图像。所述的光斑定位时去除噪声的系统，其中，所述第二区域划分模块包括：函数计算模块，用于建立准则函数，根据所述准则函数计算出最佳分割阈值；所述准则函数的公式为：其中，为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值，为预设常数值。所述的光斑定位时去除噪声的系统，其中，所述第二区域划分模块还包括：整体去噪单元，用于利用小波变换算法对图像进行整体性去噪处理。所述的光斑定位时去除噪声的系统，其中，所述干扰去除模块中利用预设的判断函数对中心点是否位于目标区域内进行判断；所述判断函数的定义为：当所述中心点位于目标区域内，则得到的函数值为1，若所述中心点不位于目标区域内，则得到的函数值为0。所述的光斑定位时去除噪声的系统，其中，所述干扰去除模块中按照灰度值大小排列的顺序依次将中心点代入判断函数，对中心点是否为强噪声进行判断，若是，则将所述中心点所对应的光斑移除，不是则保留所述中心点所对应的光斑。有益效果，本专利技术提供了一种光斑定位时去除噪声的方法及系统，通过以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标区域和非目标区域两个部分；利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域；利用高斯分布原理对每个所述目标区域像素的坐标点做高斯拟合，得到每个光斑区域的中心点；将所述中心点的位置处于非目标区域内的点去除。本专利技术所述的方法及系统，可以快速的识别出强噪声，具有较强的适应性，不受拍摄图像时环境光强度的影响。附图说明图1是本专利技术所提供的所述的光斑定位时去除噪声的方法的步骤流程图。图2是本专利技术所述去除噪声的方法在具体实施例中图像的组成示意图。图3是本专利技术所述的光斑定位时去除噪声的系统的原理结构示意图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本专利技术，并不用于限定本专利技术。由于干扰光源不会出现在屏幕上，强光光斑只会落在非目标区域中，因此本专利技术提供了一种光斑定位时去除噪声的方法，如图1所示，所述方法包括步骤：步骤S1、以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标物体所区域和非目标区域。首先将待进行光斑定位的图像根据图像中目标物体所处的区域分成目标区域和非目标区域，所述目标区域为目标物体所处的区域，所述非目标区域为图像的中除目标物体所处的区域之外的区域。在具体实施过程中，通常使用边框识别法根据图像中的灰度值将图像分割成目标区域和非目标区域，因为本步骤为现有技术，所以在此不做过多解释。可以想到的是，所述目标区域由一系列含有目标物体，且可能并不相连接的区域组成。步骤S2、利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域。本步骤对再次对原待光斑定位的图像进行区域划分，与上述步骤不同的是本步本文档来自技高网...

【技术保护点】
一种光斑定位时去除噪声的方法，其特征在于，包括步骤：步骤A、以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标区域和非目标区域；步骤B、利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域；步骤C、利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合，得到每个光斑区域的中心点；步骤D、将位置处于所述非目标区域内的中心点作为干扰点去除，并输入去除干扰点后的图像。

【技术特征摘要】
1.一种光斑定位时去除噪声的方法，其特征在于，包括步骤：步骤A、以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标区域和非目标区域；步骤B、利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域；步骤C、利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合，得到每个光斑区域的中心点；步骤D、将位置处于所述非目标区域内的中心点作为干扰点去除，并输入去除干扰点后的图像。2.根据权利要求1所述光斑定位时去除噪声的方法，其特征在于，所述步骤B中所述利用最大类间方差算法、最小类内方差算法及非目标区域与目标区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值的方法包括：步骤B1、建立准则函数，根据所述准则函数计算出最佳分割阈值；所述准则函数的公式为：其中，为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值，为预设常数值。3.根据权利要求1所述光斑定位时去除噪声的方法，其特征在于，所述步骤B中计算最佳分割阈值之前还包括步骤：步骤B0、利用小波变换算法对图像进行整体性去噪处理。4.根据权利要求1所述光斑定位时去除噪声的方法，其特征在于，所述步骤D中利用预设的判断函数对中心点是否位于目标区域内进行判断；所述判断函数的定义为：当所述中心点位于目标区域内，则得到的函数值为1，若所述中心点不位于目标区域内，则得到的函数值为0。5.根据权利要求4所述光斑定位时去除噪声的方法，其特征在于，所述步骤D中按照灰度值大小排列的顺序依次将中心点代入判断函数，对中心点是否为强噪声进行判断，若是，则将所述中心点所对应的光斑移除，不是则保留...

【专利技术属性】
技术研发人员：罗坤，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东,44