CN111862195A - 光斑检测方法和装置、终端和存储介质 - Google Patents

Abstract

本申请提供了一种光斑检测方法。光斑检测方法包括对待检测图像进行二值化处理以生成二值化图像；识别所述二值化图像中的连通域；计算所述连通域的局部置信度；及针对所述识别得到的每一个所述连通域，在所述局部置信度大于预定置信度阈值且所述连通域的面积大于第一预定面积阈值时，确定所述连通域为所述光斑。本申请实施方式的光斑检测方法根据连通域的局部置信度以及连通域的面积来判断对应的连通域是否为光斑，能够很好的区分噪声形成的连通域和光斑形成的连通域，去除噪声对光斑检测的干扰，提高光斑检测的准确性。本申请还提供一种光斑检测装置、终端和非易失性计算机可读存储介质。

Description

光斑检测方法和装置、终端和存储介质

技术领域

本申请涉及图像处理技术领域，特别涉及一种光斑检测方法、光斑检测装置、终端和非易失性计算机存储介质。

背景技术

屏下摄像头由于是透过显示屏进行拍摄，透过显示屏拍摄时，若场景存在光源，会使得拍摄图像中除了光源对应的光斑外，还有很多因显示屏对光源发射的光线发生衍射而形成的小光斑，这些小光斑会影响拍摄效果，需要对光斑进行检测并消除来提升拍摄效果，目前的光斑检测方式中，在检测图像中光斑时，首先对图像进行二值化处理，然后基于二值化图像确定光斑，光斑的检测准确性较低。

发明内容

为此，本申请的实施方式提供了一种光斑检测方法、光斑检测装置、终端和非易失性计算机存储介质。

本申请实施方式的光斑检测方法包括对待检测图像进行二值化处理以生成二值化图像；识别所述二值化图像中的连通域；计算所述连通域的局部置信度；及针对所述识别得到的每一个所述连通域，在所述局部置信度大于预定置信度阈值且所述连通域的面积大于第一预定面积阈值时，确定所述连通域为所述光斑，所述局部置信度为距所述连通域中心的预定范围内存在所述连通域之外的连通域的概率。

本申请实施方式的光斑检测装置包括第一处理模块、识别模块、计算模块和第一确定模块。所述第一处理模块用于对待检测图像进行二值化处理以生成二值化图像；所述识别模块，用于识别所述二值化图像中的连通域；所述计算模块，用于计算所述连通域的局部置信度；所述第一确定模块，用于在所述局部置信度大于预定置信度阈值且所述连通域的面积大于第一预定面积阈值时，确定所述连通域为所述光斑，所述局部置信度为所述连通域中心的预定范围内存在所述连通域之外的连通域的概率。

本申请实施方式的终端包括处理器，所述处理器用于：对待检测图像进行二值化处理以生成二值化图像；识别所述二值化图像中的连通域；计算所述连通域的局部置信度；及针对所述识别得到的每一个所述连通域，在所述局部置信度大于预定置信度阈值且所述连通域的面积大于第一预定面积阈值时，确定所述连通域为所述光斑，所述局部置信度为距所述连通域中心的预定范围内存在所述连通域之外的连通域的概率。

本申请的一种包含计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行光斑检测方法。所述光斑检测方法包括对待检测图像进行二值化处理以生成二值化图像；识别所述二值化图像中的连通域；计算所述连通域的局部置信度；及针对所述识别得到的每一个所述连通域，在所述局部置信度大于预定置信度阈值且所述连通域的面积大于第一预定面积阈值时，确定所述连通域为所述光斑，所述局部置信度为距所述连通域中心的预定范围内存在所述连通域之外的连通域的概率。

本申请的光斑检测方法、光斑检测装置、终端和非易失性计算机可读存储介质通过识别二值化图像中的连通域，根据连通域的局部置信度以及连通域的面积来判断对应的连通域是否为光斑。在屏下场景，屏下摄像头透过显示屏拍摄图像时，若场景中存在光源，那么光源的光线在经过显示屏时会被显示屏衍射，从而形成多个围绕该光源形成的光斑的小光斑，光斑的周围一般存在其他光斑，而在局部置信度大于预定置信度阈值的连通域的周围一般也存在其他连通域，且噪声形成的连通域一般是孤立存在的且面积较小，通过局部置信度和第一预定面积阈值可很好的区分噪声形成的连通域和光斑形成的连通域，去除噪声对光斑检测的干扰，提高光斑检测的准确性。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请某些实施方式的光斑检测方法的流程示意图；

图2是本申请某些实施方式的光斑检测装置的模块示意图；

图3是本申请某些实施方式的终端结构示意图；

图4是本申请某些实施方式的二值化图像的部分像素示意图；

图5是本申请某些实施方式的光斑检测方法的流程示意图；

图6是本申请某些实施方式的光斑检测方法的流程示意图；

图7是本申请某些实施方式的光斑检测方法的流程示意图；

图8是本申请某些实施方式的光斑检测方法的流程示意图；

图9是本申请某些实施方式的二值化图像的光斑示意图；

图10是本申请某些实施方式的二值化图像的连通域示意图；

图11是本申请某些实施方式的光斑检测方法的流程示意图；

图12是本申请某些实施方式的光斑检测方法的流程示意图；

图13是本申请某些实施方式的光斑检测装置的模块示意图；和

图14是本申请某些实施方式的处理器和计算机可读存储介质的连接示意图。

具体实施方式

以下结合附图对本申请的实施方式作进一步说明。附图中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。另外，下面结合附图描述的本申请的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的限制。

目前，为了提升屏占比，会将原本从面板露出的部件，如摄像头、接近传感器等，设置在屏下，以使得终端(如手机)的前面板均为显示屏，从而提升终端的屏占比。然而，屏下摄像头透过显示屏拍摄图像时，若场景中存在光源，那么光源的光线在经过显示屏时会被显示屏衍射，从而形成多个围绕该光源形成的光斑的小光斑，影响拍摄效果。

请参阅图1，本申请实施方式的光斑检测方法包括以下步骤：

011：对待检测图像进行二值化处理以生成二值化图像；

012：识别二值化图像中的连通域；

013：计算连通域的局部置信度；及

014：针对识别得到的每一个连通域，在局部置信度大于预定置信度阈值且连通域的面积大于第一预定面积阈值时，确定连通域为光斑，局部置信度为距连通域中心的预定范围内存在连通域之外的连通域的概率。

请参阅图2，在某些实施方式中，光斑检测装置10包括处理模块11、识别模块12、计算模块13和第一确定模块14。处理模块11、识别模块12、计算模块13和第一确定模块14分别用于执行步骤011、步骤012、步骤013和步骤014。即，处理模块11用于对待检测图像进行二值化处理以生成二值化图像；识别模块12用于识别二值化图像中的连通域；计算模块13用于计算连通域的局部置信度；第一确定模块14用于针对识别得到的每一个连通域，在连通域的局部置信度大于预定置信度阈值且连通域的面积大于第一预定面积阈值时，确定连通域为光斑，局部置信度为连通域中心的预定范围内存在连通域之外的连通域的概率。

请参阅图3，在某些实施方式中，终端100包括处理器20，处理器20用于对待检测图像进行二值化处理以生成二值化图像；识别二值化图像中的连通域；计算连通域的局部置信度；及针对识别得到的每一个连通域，在连通域的局部置信度大于预定置信度阈值且连通域的面积大于第一预定面积阈值时，确定连通域为光斑，局部置信度为距连通域中心的预定范围内存在连通域之外的连通域的概率。也即是说，步骤011、步骤012、步骤013和步骤014可以由处理器20实现。

具体地，终端100包括处理器20、相机30、壳体40和显示屏50。终端100可以是手机、平板电脑、显示器、笔记本电脑、柜员机、闸机、智能手表、头显设备、游戏机等。如图3所示，本申请实施方式以终端100是手机为例进行说明，可以理解，终端100的具体形式并不限于手机。壳体40还可用于安装终端100的成像装置(即，相机30)、显示装置(即显示屏50)、供电装置、通信装置等功能模块，以使壳体40为功能模块提供防尘、防摔、防水等保护。

相机30可以是前置相机、后置相机、侧置相机、屏下相机等，在此不做限制，本申请实施方式中，相机30为屏下相机。相机30包括镜头模组和图像传感器，相机30和处理器20安装在壳体40内。壳体40光线经过显示屏50后进入镜头模组，再来到图像传感器，图像传感器用于将照射到图像传感器32上的光信号转化为电信号，以生成待检测图像。

处理器20对待检测图像进行二值化处理，以生成二值化图像，二值化处理具体为：由于光斑在图像中的像素的像素值一般较大，接近最大像素值255，为了识别光斑，可设定一个二值化阈值，该二值化阈值可以是220、230、235、240、245、250等，本实施方式中，二值化阈值为240，通过设置较高的二值化阈值，防止非光斑区域被错误地划分为光斑区域所带来检测误差。

在待检测图像中，若像素的像素值大于或等于该二值化阈值时，将像素值设置为1，若像素的像素值小于该二值化阈值时，则设置为0，从而实现待检测图像的二值化，二值化图像为仅包含像素值为0和1的像素的图像。如图4所示，白色像素表示像素值为1，黑色像素表示像素值为0。

在获取到二值化图像后，可根据二值化图像中的像素分布，识别二值化图像中的连通域，例如，根据像素值为1的像素的分布，可初步确定光斑所在的区域，然后将该区域确定为连通域，连通域表示具有相同特征(像素值相同)的相互邻接的多个像素所在的区域。如图4所示，连通域为图4中邻接的多个白色像素组成的区域。

处理器20根据二值化图像确定连通域周围存在其他连通域的概率(即，局部置信度)，例如处理器20首先确定一个包含当前连通域的置信区域，置信区域的面积为预定大小，预定大小为根据大量拍摄图像中存在的连通域的大小进行训练以确定的经验值，使得预定大小的置信区域的面积较为合适。如预定大小为500像素大小、600像素、700像素大小等。处理器20识别并计算位于置信区域内的一个或多个连通域的面积，然后根据该面积和置信区域的面积(即，预定大小)比值计算得到局部置信度，可以理解，该比值越大，说明当前连通域周围的连通域的大部分甚至完全位于置信区域内，从而表示当前连通域周围存在其他连通域的概率越大；而比值越小，说明当前连通域周围的连通域的仅小部分甚至完全位于置信区域外，从而表示当前连通域周围存在其他连通域的概率越小。如此，可准确计算得到局部置信度。

最后，处理器20判断局部置信度是否大于预定置信度阈值，并计算连通域的面积。在屏下摄像头拍摄的图像中，光斑一般是相邻的，故连通域周围存在其他连通域时，可基本确定该连通域为光斑，当然，连通域若是噪声形成的连通域，则其周围也是可能存在多个连通域的。因此，连通域的面积需大于或等于第一预定面积阈值，第一预定面积阈值为根据大量拍摄图像中获取的噪声形成的连通域中的面积确定的经验值(如50像素大小、100像素大小、200像素值大小等)。在连通域的面积小于第一预定面积阈值时，一般可判断该连通域为噪声形成的连通域；在大于的情况下，需要进一步的根据置信度来进行判断。预定置信度阈值也可设置的较高，如为60％、70％、80％、90％等，预定置信度阈值设置的越高误判噪声形成的连通域为光斑的几率越小，预定置信度阈值设置的越低，光斑被漏识别的几率越低。在连通域的局部置信度大于预定置信度阈值且连通域的面积大于或等于第一预定面积阈值时，说明该连通域周围存在其他连通域的概率较高且该连通域不是噪声形成的连通域，从而准确地确定光斑。

本申请实施方式的光斑检测方法、光斑检测装置10和终端100通过识别二值化图像中的连通域，根据连通域的局部置信度以及连通域的面积来判断对应的连通域是否为光斑，在屏下场景，屏下摄像头透过显示屏50拍摄图像时，若场景中存在光源，那么光源的光线在经过显示屏50时会被显示屏50衍射，从而形成多个围绕该光源形成的光斑的小光斑，光斑的周围一般存在其他光斑，而在局部置信度大于预定置信度阈值的连通域的周围一般也存在其他连通域，且噪声形成的连通域一般是孤立存在的且面积较小，通过局部置信度和第一预定面积阈值可很好的区分噪声形成的连通域和光斑形成的连通域，去除噪声对光斑检测的干扰，提高光斑检测的准确性。

请参阅图5，在某些实施方式中，步骤011包括以下步骤：

0111：将待检测图像转化为灰度图像；及

0112：对灰度图像进行高斯模糊处理，以生成高斯模糊图像；及

0113：对高斯模糊图像进行二值化处理以生成二值化图像。

请再次参阅图2，在某些实施方式中，处理模块11还用于执行步骤0111、步骤0112和步骤0113。即，处理模块11还用于将待检测图像转化为灰度图像；对灰度图像进行高斯模糊处理，以生成高斯模糊图像；及对高斯模糊图像进行二值化处理以生成二值化图像。

请再次参阅图3，在某些实施方式中，处理器20还用于将待检测图像转化为灰度图像；对灰度图像进行高斯模糊处理，以生成高斯模糊图像；及对高斯模糊图像进行二值化处理以生成二值化图像。也即是说，步骤0111、步骤0112和步骤0113可以由处理器20实现。

具体地，终端100拍摄的图像一般为彩色图像，为了重点关注图像的形态特征，可先将待检测图像转化为灰度图像，例如，每个像素包括R、G、B三个通道，可对每个通道的像素值取平均值作为灰度值，从而实现彩色图像到灰度图像的转换。

然后处理器20再对灰度图像进行高斯模糊处理，高斯模糊处理能够抹平图像细节的同时，减少图像中的高频噪声，能够减少高频噪声带来的检测误差，提升光斑检测的准确性。且光斑检测并不关心图像细节，因此，在进行高斯模糊处理时，可加大模糊力度，选择较大的模糊半径进行处理，进一步减小图像噪声。经过高斯模糊处理后，灰度图像变为高斯模糊图像。处理对高斯模糊图像进行二值化处理，即可得到二值化图像，二值化处理的具体过程请参阅前述实施方式的描述，在此不再赘述。

请参阅图6，在某些实施方式中，步骤011还包括以下步骤：

0114：根据灰度图对二值化图像进行引导滤波处理；及

请再次参阅图2，在某些实施方式中，处理模块11还用于执行步骤0114。即，处理模块11还用于根据灰度图对二值化图像进行引导滤波处理。

请再次参阅图3，在某些实施方式中，处理器20还用于根据灰度图对二值化图像进行引导滤波处理。也即是说，步骤0114可以由处理器20实现。

具体地，由于二值化图像对于二值化阈值高度敏感，基于不同的阈值得到的二值化图可能存在较大差别，特别是在亮斑区域的边缘处，选择不同的二值化阈值将会导致截然不同的连通域边缘，因此，为了避免二值化处理中二值化阈值带来的边缘检测误差，处理器20可根据灰度图对二值化图像进行引导滤波操作，引导滤波的过程本质上是一个羽化的过程，由于灰度图中很好的保留了光斑的边缘信息，经过引导滤波的二值化图像在边缘表现得更加清晰和锐利，边缘细节突出，有利于更好地确定连通域的边界，提升二值化图像质量。

在其他实施方式在，处理器20还可先对灰度图进行形态学处理，即先进行腐蚀操作，再进行膨胀操作，可去除二值化图像中存在的可能由噪声形成很小的连通域，再对形态学处理后的二值化图像进行上述引导滤波处理，实现边缘滤波操作，以更为准确地重新确定连通域的边界。

请参阅图7，在某些实施方式中，步骤011还包括以下步骤：

0115：在连通域的面积小于预定噪声面积阈值时，将连通域确定为噪声。

请再次参阅图2，在某些实施方式中，处理模块11还用于执行步骤0115。即，处理模块11还用于在连通域的面积小于预定噪声面积阈值时，将连通域确定为噪声。

请再次参阅图3，在某些实施方式中，处理器20还用于在连通域的面积小于预定噪声面积阈值时，将连通域确定为噪声。也即是说，步骤0115可以由处理器20实现。

具体地，连通域检测结果中可能会存在面积很小的由噪声形成连通域，其面积通常小于预定噪声面积阈值(如50像素大小、80像素大小等，可根据待检测图像的大小和大量拍摄图像中的噪声形成的连通域的面积确定的经验值确定)，这可能是由于噪声或者二值化阈值设置不准确所导致的，因此，通常会将面积小于预定噪声面积阈值的的连通域作为噪声处理，从而更进一步去除形态学处理时未去除的噪声形成的连通域，而着重关注面积更大的连通域，从而得到一张连通域面积适中的二值化图像。

请参阅图8，在某些实施方式中，步骤012包括以下步骤：

0121：识别二值化图像中的初始光斑并进行编号，每个初始光斑的编号不同；

0122：在相邻的两个初始光斑的距离小于预定阈值时，修改相邻的两个初始光斑的编号，以使得相邻的两个初始光斑的编号相同；及

0123：确定编号相同的初始光斑所在的区域为同一连通域。

请再次参阅图2，在某些实施方式中，识别模块12还用于执行步骤0121、步骤0122和步骤0123。即，识别模块12还用于识别二值化图像中的初始光斑并进行编号，每个初始光斑的编号不同；在相邻的两个初始光斑的距离小于预定阈值时，修改相邻的两个初始光斑的编号，以使得相邻的两个初始光斑的编号相同；及确定编号相同的初始光斑所在的区域为同一连通域。

请再次参阅图3，在某些实施方式中，处理器20还用于：识别二值化图像中的初始光斑并进行编号，每个初始光斑的编号不同；在相邻的两个初始光斑的距离小于预定阈值时，修改相邻的两个初始光斑的编号，以使得相邻的两个初始光斑的编号相同；及确定编号相同的初始光斑所在的区域为同一连通域。也即是说，步骤0121、步骤0122和步骤0123可以由处理器20实现。

具体地，在确定连通域时，处理器20会先根据二值化图像识别出所有的初始光斑然后依次对初始光斑进行编号，如图9所示，存在5个初始光斑(分别为光斑1、光斑2、光斑3、光斑4和光斑5)，两个初始光斑可能是间隔分布，或者邻接分布，或者部分重叠分布等，如光斑1和光斑2、光斑1和光斑3间隔分布，光斑2和光斑3邻接分布，光斑1和光斑5部分重叠，光斑4和光斑5也部分重叠，在两个初始光斑的距离小于预定阈值(如为0个像素(即两个初始光斑为邻接分布、部分重叠和全部重叠分布))时即可确定两个初始光斑是连通的，处理器20将连通的初始光斑的编号修改为同一编号，如光斑1、光斑4和光斑5均编号为1，光斑2和光斑3均编号为2，在后续对连通域进行处理时，处理器20即可快速确定相同编号的初始光斑所在的区域为同一个连通域，如图10所示，光斑1、光斑4和光斑5共同形成连通域a，光斑2和光斑3共同形成连通域b。

请参阅图11，在某些实施方式中，步骤013包括：

0131：以连通域的形状中心为中心确定置信区域；及

0132：根据位于置信区域内的连通域的面积和置信区域的面积计算连通域的局部置信度。

请再次参阅图2，在某些实施方式中，计算模块13还用于执行步骤0131和步骤0132。即，计算模块13还用于以连通域的形状中心为中心确定置信区域；根据位于置信区域内的连通域的面积和置信区域的面积计算连通域的局部置信度。

请再次参阅图3，在某些实施方式中，处理器20还用于将距连通域中心的预定范围的区域作为置信区域；及根据位于置信区域内的连通域的面积和置信区域的面积计算局部置信度。即，步骤0131和步骤0132可以由处理器20实现。

具体地，在计算局部置信度时，需要先确定置信区域，可以连通域的形状中心作为置信区域的中心，例如连通域形状为圆形，则形状中心为圆心，连通域形状为矩形，则形状中心为矩形的对角线的交点，连通域的形状为其他异形形状，可根据对应的形状计算其形状中心。置信区域可以为一个预定大小的区域，如圆形区域，矩形区域等，如图10所示，本申请以置信区域S为圆形为例进行说明。其中，预定大小为根据大量拍摄图像中存在的连通域的大小训练以确定的经验值，使得预定大小的置信区域S的面积较为合适。如预定大小为500像素大小、600像素大小、700像素大小等。

然后处理器20计算处于置信区域S内的连通域的面积，需要指出的是，处于置信区域S内包括部分处于置信区域S和完全处于置信区域S内，如图10所示，连通域c的置信区域S中，连通域a和连通域d部分处于置信区域S内，连通域c则完全处于置信区域S内，置信区域S内的连通域的面积即为连通域a和连通域d处于置信区域S内的部分的面积与连通域c的面积之和。

然后根据置信区域S内的连通域的面积和置信区域S的面积比值计算得到局部置信度，如图10所示，置信区域S内的连通域的面积为400像素，置信区域S的面积为500像素大小，则局部置信度为400/500＝0.8。如此，处理器20可快速计算得到连通域的局部置信度。

在其他实施方式中，可以理解，当前连通域和其他连通域的距离越远，说明当前连通域为一个孤立的连通域的可能性越高，当前区域周围存在其他连通域的概率就越低，即局部置信度越低；而当前连通域和其他连通域的距离越近，说明当前连通域为一个孤立的连通域的可能性越低，当前区域周围存在其他连通域的概率就越高，即局部置信度越高；因此，处理器20还可根据当前连通域与至少部分位于置信区域S内的其他连通域之间的距离确定局部置信度。例如，置信区域S内包括3个其他连通域，处理器20可根据当前连通域和这3个连通域的距离的最小值与置信区域S的半径的比值计算局部置信度；或者，处理器20可根据当前连通域和这3个连通域的距离的平均值与置信区域S的半径的比值计算局部置信度。

请参阅图12，在某些实施方式中，步骤013之后，光斑检测方法还包括：

015：在连通域的局部置信度小于预定置信度阈值时，判断连通域的面积是否大于第二预定面积阈值，第二预定面积阈值大于第一预定面积阈值；

016：若是，则确定连通域为光斑。

请参阅图13，在某些实施方式中，光斑检测装置10还包括判断模块15和第二确定模块16，判断模块15和第二确定模块16分别用于执行步骤015和步骤016。即，判断模块15用于在连通域的局部置信度小于预定置信度阈值时，判断连通域的面积是否大于第二预定面积阈值，第二预定面积阈值大于第一预定面积阈值；第二确定模块16用于在连通域的面积大于第二预定面积阈值时，确定连通域为光斑。

请再次参阅图3，在某些实施方式中，处理器20还用于在连通域的局部置信度小于预定置信度阈值时，判断连通域的面积是否大于第二预定面积阈值，第二预定面积阈值大于第一预定面积阈值；在连通域的面积大于第二预定面积阈值时，确定连通域为光斑。也即是说，步骤015和步骤016可以由处理器20实现。

具体地，在连通域的局部置信度小于预定置信度阈值时，再判断连通域的面积是否大于第二预定面积阈值，若连通域的面积大于第二预定面积阈值，说明连通域虽然周围可能不存在其他连通域，但可能为孤立的大光斑。其中，第二预定面积阈值大于第一预定面积阈值，如第二预定面积阈值为200像素大小、300像素大小等。由于第一预定面积阈值用于在局部置信度大于预定置信度阈值时的判断连通域是否为光斑，此时连通域周围大概率是存在其他连通域的，即使连通域的面积较小(大于第一预定面积阈值)，也大概率为多个密集的小的连通域中的一个，每个小连通域均对应一个小的初始光斑。而局部置信度不足(小于预定置信度阈值)时，若连通域面积足够大(大于第二预定面积阈值)，该连通域为噪声形成的连通域的几率较小，该连通域可能是由于对应的初始光斑与其他初始光斑均间隔，为孤立的大的初始光斑形成的。如此，处理器20能够准确地识别孤立的大光斑和密集的小光斑。

在其他实施方式中，若连通域的面积大于第三预定面积阈值，则无需判断其局部置信度，即可确定该连通域为光斑，第三预定面积阈值大于第二预定面积阈值。可以理解，当连通域的面积比较大时，如400像素大小，此时的连通域的面积已经达到了置信区域80％(以置信区域为500像素大小为例)，即，该连通域的局部置信度必然大于0.8。无需浪费处理器20的资源计算连通域的大小以及局部置信度即可确定该连通域为光斑。

请参阅图14，本申请实施方式的一种存储有计算机程序302的非易失性计算机可读存储介质300，当计算机程序302被一个或多个处理器200执行时，使得处理器200可执行上述任一实施方式的光斑检测方法。

例如，请结合图1，当计算机程序302被一个或多个处理器200执行时，使得处理器200执行以下步骤：

011：对待检测图像进行二值化处理以生成二值化图像；

012：识别二值化图像中的连通域；

013：计算连通域的局部置信度；及

014：针对识别得到的每一个连通域，在局部置信度大于预定置信度阈值且连通域的面积大于第一预定面积阈值时，确定连通域为光斑，局部置信度为距连通域中心的预定范围内存在连通域之外的连通域的概率。

再例如，请结合图5，当计算机程序302被一个或多个处理器200执行时，处理器200还可以执行以下步骤：

0111：将待检测图像转化为灰度图像；及

0112：对灰度图像进行高斯模糊处理，以生成高斯模糊图像；及

0113：对高斯模糊图像进行二值化处理以生成二值化图像。

在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的程序的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (10)

1.一种光斑检测方法，其特征在于，用于检测图像中的光斑，包括：

对待检测图像进行二值化处理以生成二值化图像；

识别所述二值化图像中的连通域；

计算所述连通域的局部置信度；及

针对所述识别得到的每一个所述连通域，在所述局部置信度大于预定置信度阈值且所述连通域的面积大于第一预定面积阈值时，确定所述连通域为光斑，所述局部置信度为距所述连通域中心的预定范围内存在所述连通域之外的连通域的概率。

2.根据权利要求1所述的光斑检测方法，其特征在于，所述对待检测图像进行二值化处理以生成二值化图像，包括：

将所述待检测图像转化为灰度图像；

对所述灰度图像进行高斯模糊处理，以生成高斯模糊图像；及

对所述高斯模糊图像进行二值化处理以生成所述二值化图像。

3.根据权利要求2所述的光斑检测方法，其特征在于，所述对待检测图像进行二值化处理以生成二值化图像，还包括：

根据所述灰度图对所述二值化图像进行引导滤波处理。

4.根据权利要求1所述的光斑检测方法，其特征在于，所述对待检测图像进行二值化处理以生成二值化图像之后，还包括：

在所述连通域的面积小于预定噪声面积阈值时，确定所述连通域为噪声。

5.根据权利要求1所述的光斑检测方法，其特征在于，所述识别所述二值化图像中的连通域，包括：

识别所述二值化图像中的初始光斑并进行编号，每个所述初始光斑的编号不同；

在相邻的两个所述初始光斑的距离小于预定阈值时，修改相邻的两个所述初始光斑的编号，以使得相邻的两个所述初始光斑的编号相同；及

确定编号相同的所述初始光斑所在的区域为同一所述连通域。

6.根据权利要求1所述的光斑检测方法，其特征在于，所述计算所述连通域的局部置信度，包括：

以所述连通域的形状中心为中心确定置信区域；及

根据位于所述置信区域内的所述连通域的面积和所述置信区域的面积计算所述局部置信度。

7.根据权利要求1所述的光斑检测方法，其特征在于，所述计算所述连通域的局部置信度之后，还包括：

在所述局部置信度小于所述预定置信度阈值时，判断所述连通域的面积是否大于第二预定面积阈值，所述第二预定面积阈值大于所述第一预定面积阈值；及

若是，则确定所述连通域为所述光斑。

8.一种光斑检测装置，其特征在于，用于检测图像中的光斑，包括：

第一处理模块，用于对待检测图像进行二值化处理以生成二值化图像；

识别模块，用于识别所述二值化图像中的连通域；

计算模块，用于计算所述连通域的局部置信度；

第一确定模块，用于针对所述识别得到的每一个所述连通域，在所述局部置信度大于预定置信度阈值且所述连通域的面积大于第一预定面积阈值时，确定所述连通域为所述光斑，所述局部置信度为所述连通域中心的预定范围内存在所述连通域之外的连通域的概率。

9.一种终端，其特征在于，包括处理器，所述处理器用于：

对待检测图像进行二值化处理以生成二值化图像；

识别所述二值化图像中的连通域；

计算所述连通域的局部置信度；及

针对所述识别得到的每一个所述连通域，在所述局部置信度大于预定置信度阈值且所述连通域的面积大于第一预定面积阈值时，确定所述连通域为所述光斑，所述局部置信度为距所述连通域中心的预定范围内存在所述连通域之外的连通域的概率。

10.一种存储有计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现权利要求1至7中任一项所述的光斑检测方法。

Images