一种光斑检测方法、装置及电子设备与流程

本发明涉及图像处理技术领域，尤其涉及一种光斑检测方法、装置及电子设备。

背景技术：

高斯分布型光斑中心定位是光学测量中的关键技术之一，被广泛应用于天文导航、武器系统、光学测量和检测仪器等领域中，快速、精确地提取光斑的中心对上述系统整体性能至关重要，特别是在动态视频中实现对光斑的高精度快速自主地检测和中心定位。

目前，视频目标检测的方法主要有帧差法、光流法和背景差法三种，其中帧差法和背景差法都基于静止背景，光流法是建立在亮度守恒基本假设条件下，在现实光斑检测中其前提条件均难以得到保障。比较常用的光斑中心定位算法有灰度重心法、高斯拟合法、hough变换法，边缘曲线拟合法等，精确度较高的光斑亚像素提取方法如果对全局进行处理，则存在计算时间复杂度较高，占用内存较大等问题，在实际应用中限制较大，基本不可能用于高精度实时检测。

因此，如何实现对光斑的高精度的检测成为迫切需要解决的问题。

技术实现要素：

鉴于上述问题，本发明实施例提供了一种光斑检测方法、装置及电子设备，用于解决现有技术中存在的上述技术问题。

第一方面，本发明提供一种光斑检测方法，所述方法包括：

获取光斑图像，其中，所述光斑图像包含光斑；

获取所述光斑图像中的所述光斑所在的光斑区域；

获取所述光斑区域的中心的初始位置坐标；

以所述初始位置坐标为中心，在所述光斑区域内建立局部图像坐标系；

采用高斯模型在所述局部图像坐标系上对所述光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。

可选的，所述获取所述光斑图像中的所述光斑所在的光斑区域，包括：

将所述光斑图像输入预先建立的深度学习模型中，通过所述深度学习模型识别出所述光斑图像中的光斑，并获得所述光斑的检测框；

以所述检测框所包含的图像区域作为所述光斑区域。

可选的，所述获取所述光斑区域的中心的初始位置坐标，包括：

获取所述光斑区域中的每个像素点的位置坐标和灰度值；

以所述灰度值作为权重，将所述位置坐标和所述权重输入预先建立的重心检测模型中，获得所述光斑区域的中心的初始位置坐标。

可选的，在获取所述光斑区域的中心的初始位置坐标之前，所述方法还包括：

对所述光斑区域进行第二预处理。

可选的，在获取所述光斑图像中的所述光斑所在的光斑区域之前，所述方法还包括：

对所述光斑图像进行第一预处理。

第二方面，本发明实施例提供了一种光斑检测装置，所述装置包括：

获取图像模块，用于获取光斑图像，其中，所述光斑图像包含光斑；

获取光斑区域模块，用于获取所述光斑图像中的所述光斑所在的光斑区域；

获取初始中心坐标模块，用于获取所述光斑区域的中心的初始位置坐标；

建立局部坐标系模块，用于以所述初始位置坐标为中心，在所述光斑区域内建立局部图像坐标系；

获取亚像素中心坐标模块，用于采用高斯模型在所述局部图像坐标系上对所述光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。

可选的，所述获取光斑区域模块用于：

将所述光斑图像输入预先建立的深度学习模型中，由所述深度学习模型识别出所述光斑图像中的光斑，并获得所述光斑的检测框；

以所述检测框所包含的图像区域作为所述光斑区域。

可选的，所述获取初始中心坐标模块用于：

获取所述光斑区域中的每个像素点的位置坐标和灰度值；

以所述灰度值作为权重，将所述位置坐标和所述权重输入预先建立的重心检测模型中，获得所述光斑区域的中心的初始位置坐标。

可选的，所述装置还包括：

第一预处理模块，用于对所述光斑图像进行第一预处理；

第二预处理模块，用于对所述光斑区域进行第二预处理。

第三方面，本发明实施例提供了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获取光斑图像，其中，所述光斑图像包含光斑；

获取所述光斑图像中的所述光斑所在的光斑区域；

获取所述光斑区域的中心的初始位置坐标；

以所述初始位置坐标为中心，在所述光斑区域内建立局部图像坐标系；

采用高斯模型在所述局部图像坐标系上对所述光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。

本申请实施例中提供的技术方案，至少具有如下技术效果或优点：

本发明实施例提供了一种光斑检测方法、装置及电子设备，所述方法包括：获取光斑图像，其中，光斑图像包含光斑；获取光斑图像中的光斑所在的光斑区域；获取光斑区域的中心的初始位置坐标；以初始位置坐标为中心，在光斑区域内建立局部图像坐标系；采用高斯模型在局部图像坐标系上对光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。首先通过获取光斑区域的中心的初始位置坐标作为光斑的整像素级的中心位置，然后采用高斯模型在以整像素级的中心位置为中心建立的局部图像坐标系上对光斑区域内的光斑图像的灰度值进行拟合，因为高斯模型是连续的，因而检测得到的光标中心是亚像素级的中心位置坐标，如此，实现了对光斑的高精度的检测。

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

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种光斑检测方法流程示意图；

图2示出了本发明实施例提供的一种光斑检测装置方框结构示意图。

图3示出了本发明实施例提供的一种电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种光斑检测方法，如图1所示，所述方法包括：

步骤s100：获取光斑图像，其中，光斑图像包含光斑。

在本发明实施例中，光斑图像可以通过图像采集系统采集得到，例如ccd图像传感器，cmos图像传感器等。

步骤s200：获取光斑图像中的光斑所在的光斑区域。

作为一种实施方式，获取光斑图像中的光斑所在的光斑区域具体的，可以是：将光斑图像输入预先建立的深度学习模型中，通过深度学习模型识别出光斑图像中的光斑，并获得光斑的检测框，然后以检测框所包含的图像区域作为光斑区域。这里，预先建立的深度学习模型可以是只需一眼(youonlylookonce，yolo)模型、ssd算法等。深度学习算法具有较强的自适应性和鲁棒性，可实现对图像中光斑的高精度自主检测。

可选的，在步骤s200之前，光斑检测方法还包括对光斑图像进行第一预处理，例如，对光斑图像进行增强、降噪等处理。如此，将经过预处理后的光斑图像输入深度学习模型中，深度学习模型识别出光斑图像中的光斑以及获得的光斑的检测框的精度高。

步骤s300：获取光斑区域的中心的初始位置坐标。

可选的，获取光斑区域的中心的初始位置坐标，具体的实施方式可以是：首先获取光斑区域中的每个像素点的位置坐标和灰度值，然后以灰度值作为权重，将位置坐标和权重输入预先建立的重心检测模型中，获得光斑区域的中心的初始位置坐标。例如，采用重心法获取光斑区域的中心的初始位置坐标，具体的，如下：

其中，xc为初始位置坐标的x坐标，yc为初始位置坐标的的y坐标，x为光斑区域内像素点(x,y)的x坐标，y为光斑区域内像素点(x,y)的y坐标，g(x,y)为光斑区域内像素点(x,y)的灰度值，m为光斑区域在x方向的像素点的数量，n为光斑区域在y方向的像素点的数量。

可选的，在步骤s300之前，光斑检测方法还包括对光斑区域进行第二预处理。例如，otsu阈值算法对光斑区域进行有效分割，这样可以提高获取初始位置的精度。

步骤s400：以初始位置坐标为中心，在光斑区域内建立局部图像坐标系。

在本实施例中，在光斑区域内建立局部图像坐标系可以是xoy坐标系，即以点o(x0,y0)为中心，建立相互垂直的x方向的x坐标值和y方向的y坐标轴。

步骤s500：采用高斯模型在局部图像坐标系上对光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。

光强分布近似为高斯分布，可选的，采用一维高斯模型分别在局部图像坐标系的第一方向和第二方向对光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。具体的，可以是采用一维高斯模型分别在局部图像坐标系的第一方向对光斑区域内的光斑图像的灰度值进行拟合，获得第一方向坐标值，采用一维高斯模型在局部图像坐标系的第二方向对光斑区域内的光斑图像的灰度值进行拟合，获得第二方向坐标值，以第一方向坐标值和所述第二方向坐标值构成的位置坐标作为得到亚像素级的光斑中心位置坐标。

可选的，采用二维高斯模型分别在局部图像坐标系上对光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。表达光斑区域内的光斑图像的灰度分布的二维高斯模型为：

其中t0为峰值参数，c1和c2分别为x和y方向上的标准差。对式(3)两边求导可得，

在点(x0,y0)处分别在x和y方向对光斑强度进行基于高斯分布的曲线拟合。以x方向为例，令则有

可知，当y为定值时，y也是定值。因此，在x方向上，以(x0,y0)为中心点，正向和反向各取两个像素点，记为(x+1,y0)、(x+2,y0)和(x-1,y0)、(x-2,y0)，由此四点，基于上式，可列方程组，求解xc。同理在y方向上，亦可得相似方程组，则可求解yc。因此，求解出光斑中心(xc,yc)。

通过采用以上方案，采用深度学习的方法检测光斑以及获得光斑区域，检测精度高，速度快。采用重心法获得整像素级的光斑中心，然后基于整像素级的光斑中心对光斑区域内的光斑图像进行高斯拟合，高斯模型拟合得到得光斑中心是连续于整像素级的像素与像素之间的，因而，高斯模型拟合得到得光斑中心的位置是亚像素级的，其精度更好，因此，通过采用以上方案，可以准确检测到光斑中心的位置，同时，因为用简单的高斯模型进行拟合，中心定位速度快。

针对上述实施例提供一种光斑检测方法，本申请实施例还对应提供一种光斑检测装置。请参阅图2，图2示出了本发明提供的一种光斑检测装置200的方框结构示意图。光斑检测装置200包括：

获取图像模块210，用于获取光斑图像，其中，光斑图像包含光斑。

获取光斑区域模块220，用于获取光斑图像中的光斑所在的光斑区域。

获取初始中心坐标模块230，用于获取光斑区域的中心的初始位置坐标。

建立局部坐标系模块240，用于以初始位置坐标为中心，在光斑区域内建立局部图像坐标系。

获取亚像素中心坐标模块250，用于采用高斯模型在所述局部图像坐标系上对所述光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。

作为一种可选的实施方式，获取光斑区域模块220用于：将光斑图像输入预先建立的深度学习模型中，由深度学习模型识别出光斑图像中的光斑，并获得光斑的检测框，以检测框所包含的图像区域作为光斑区域。

作为一种可选的实施方式，获取初始中心坐标模块230用于：获取光斑区域中的每个像素点的位置坐标和灰度值，以灰度值作为权重，将位置坐标和权重输入预先建立的重心检测模型中，获得光斑区域的中心的初始位置坐标。

作为一种实施方式，光斑检测装置200还包括第一预处理模块260，用于述光斑图像进行第一预处理。

作为一种实施方式，光斑检测装置200还包括第二预处理模块270，用于对光斑区域进行第二预处理。

其中，第一预处理模块260、第二预处理模块270、获取图像模块210、获取光斑区域模块220、获取初始中心坐标模块230、建立局部坐标系模块240和获取亚像素中心坐标模块250之间通过总线连接。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图3是根据一示例性实施例示出的一种用于检测光斑的电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图3，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个或者多个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行一种光斑检测方法，所述方法包括：获取光斑图像，其中，所述光斑图像包含光斑；获取所述光斑图像中的所述光斑所在的光斑区域；获取所述光斑区域的中心的初始位置坐标；以所述初始位置坐标为中心，在所述光斑区域内建立局部图像坐标系；采用高斯模型在所述局部图像坐标系上对所述光斑区域内的光斑图像的灰度值进行拟合，得到亚像素级的光斑中心位置坐标。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。