形，以该第一目标子图像的竖直平分线为划分线，并将划分线的第一边的子图像划分成三个子图像(第一子图像、第二子图像以及第三子图像)，第二边的子图像划分成两个子图像(第四子图像以及第五子图像)，其中，第一子图像的灰度值为60，第二子图像的灰度值为65，第三子图像的灰度值为55，第四子图像的灰度值为70，第五子图像的灰度值为90，则第一边的子图像的灰度值总和为180，第二边的子图像的灰度值总和为160，则说明第一边的子图像的灰度值总和大于第二边的子图像的灰度值总和，则说明端子在第一边子图像对应的位置。
[0109]在图3中，第一获取单元301首先获取第一目标图像，第一确定单元302并确定第一目标图像的每一条边的长度，其中，第一目标图像是终端设备针对配置在电路板的端子进行垂直拍摄得到的图像；第二获取单元303再从第一目标图像的边中获取最大长度的边作为目标边，以及第二确定单元304确定目标边包含的像素点个数；判断单元305再判断像素点个数是否小于预设阈值；若判断单元305判断像素点个数小于预设阈值，第一划分单元306再按照预设的划分规则将第一目标图像划分成至少两个子图像；第三确定单元307再确定至少两个子图像中每一个子图像的灰度值，第三获取单元308并从至少两个子图像中获取灰度值最大的子图像作为目标子图像；第四确定单元309再确定目标子图像相对于预设参照位置的位置，并以目标子图像相对于预设参照位置的位置作为端子位置。在本发明实施例中，由于在确定端子的位置时，不是通过人工进行确定端子的位置，且在确定过程中终端设备主要对获取到的第一目标图像进行分析处理，以确定通过处理后的目标子图像相对于预先设定的参照位置的位置，并以该位置作为所述端子位置。由此可见，实施本发明实施例能够提高确定端子位置的效率。
[0110]图4是本发明实施例公开的另一种终端设备的结构示意图，用于执行上述端子位置的确定方法。其中，图4是在图3的基础上进一步细化得到，除包括图3所示的所有单元夕卜，还可以包括:第五确定单元310、切割单元311、第一检测单元312、设置单元313、删除单元314、第六确定单元315、第七确定单元316、第三获取单元317、第二检测单元318以及输出单元319，其中，第五确定单元310，用于若判断单元305判断像素点个数大于或等于预设阈值，确定第一目标图像边框线。
[0111]切割单元311，用于以边框线作为切割线切割第一目标图像，以得到第二目标图像。
[0112]本发明实施例中，若判断单元305判断像素点个数大于或等于预设阈值时，则第五确定单元310可以确定第一目标图像边框线，切割单元311并以该边框线作为切割线，将第一目标图像进行切割，以得到第二目标图像。
[0113]第一检测单元312，用于对第二目标图像进行角点检测，以得到第二角点坐标。
[0114]本发明实施例中，角点检测主要是通过角点检测算法得到。其中，角点检测算法可归纳为三类:基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。基于灰度图像的角点检测又可分为基于梯度、基于模板和基于模板梯度组合三类方法，其中基于模板的方法主要考虑像素领域点的灰度变化，即图像亮度的变化，将与邻点亮度对比足够大的点定义为角点。常见的基于模板的角点检测算法有Ki tchen-Rosenf e 1 d角点检测算法，Harr i s角点检测算法、KLT角点检测算法及SUSAN角点检测算法。和其他角点检测算法相比，SUSAN角点检测算法具有算法简单、位置准确、抗噪声能力强等特点。
[0115]本发明实施例中，当对切割得到的第二目标图像进行角点检测后，则第一检测单元312可以得到第二角点坐标。
[0116]设置单元313，用于根据预设的设置规则设置第二角点坐标对应的角点的灰度值，以及设置第二角点坐标对应的角点的竖直膨胀算子，以确定相关性低于预设的相关性阈值的非相关角点。
[0117]本发明实施例中，当第一检测单元312对第二目标图像进行角点检测后，则可以获取第二角点坐标，设置单元313并可以将第二角点坐标对应的角点的灰度值设置为255。由于在针对配置在电路板的端子进行垂直拍摄时，拍摄的高度固定，且端子上金针的间隔几乎相等，因此，可以对第二角点坐标对应的角点设置固定的竖直膨胀算子[m，2];其中，m的取值范围为14个像素点到18个像素点。
[0118]删除单元314，用于删除非相关角点，以得到第三目标图像。
[0119]本发明实施例中，当针对第二目标图像中的第二角点坐标对应的角点进行竖直膨胀算子设置后，则可以确定相关性较高的角点，从而删除单元314可以将第二目标图像中的相关性低于预先设定的相关性阈值的非相关角点进行删除。
[0120]第六确定单元315，用于确定第三目标图像连通域，并确定连通域的重心位置。
[0121]第七确定单元316，用于根据重心位置确定端子位置。
[0122]本发明实施例中，连通域主要是由相关性高于预先设定的相关性阈值的相关角点组成。其中，在第六确定单元315确定第三目标图像连通域之后，则第七确定单元316可以确定该连通域的重心位置。
[0123]本发明实施例中，根据重心位置确定端子位置主要是根据重心坐标中的横坐标与预先设定的参照点的距离来确定端子的位置。举例来说，当重心坐标为(10，12)，两边参照位置的坐标分别为第一坐标为(0，12)，第二坐标为(16，12)，则重心坐标为(10，12)与第一坐标(0，12)中横坐标的差值为10个像素点；重心坐标为(10，12)与第二坐标(16，12)的横坐标的差值为6个像素点，则说明重心坐标为(10，12)与第二坐标(16，12)的距离小于重心坐标为(10，12)与第一坐标(0，12)的距离，则说明端子的金针距离第二坐标比较近。因此，则可以通过金针的位置确定端子位置。
[0124]第三获取单元317，用于获取当前容量值。
[0125]第二检测单元318，用于检测容量值是否低于预设的容量阈值。
[0126]输出单元319，用于若第二检测单元318检测容量值低于容量阈值，则输出用于提示清理存储空间的提示信息。
[0127]本发明实施例中，可以在终端设备中预先设置容量阈值，其中，该容量阈值的设定可以是用过户根据需要进行设定，也可以是终端设备根据用户的历史设定记录进行设定，还可以是终端设备根据终端本身存储容量进行设定。
[0128]本发明实施例中，若第二检测单元318检测容量值低于容量阈值，则输出单元319输出用于提示清理存储空间的提示信息，以提示用户及时清理存储空间。
[0129]作为一种可选的实施方式，第三确定单元307可以进一步细化包括:第一确定模块3070以及第二确定模块3071，其中，
[0130]第一确定模块3070，用于针对至少两个子图像中的每一个子图像，确定子图像中每一个像素点的灰度值；
[0131]第二确定模块3071，用于确定子图像中灰度值最大的目标像素点，以将目标像素点的灰度值作为子图像的灰度值。
[0132]作为另一种可选的实施方式，第五确定单元310可以进一步细化包括:第三确定模块3100、第一计算模块3101、第二计算模块3102、第四确定模块3103以及第五确定模块3104，其中，
[0133]第三确定模块3100，用于确定第一目标图像中像素值的中值。
[0134]第一计算模块3101，用于根据预设的第一计算规则计算与中值相匹配的第一阈值。
[0135]第二计算模块3102，用于根据预设的第二计算规则计算与中值相匹配的第二阈值。
[0136]第四确定模块3103，用于以第一阈值与第二阈值作为参数确定第一目标图像的轮廓。
[0137]第五确定模块3104，用于根据预设的边缘检测规则确定以第一目标图像的轮廓为依据的图像边框线。
[0138]本发明实施例中，中值是指将统计总体当中的各个变量值按大小顺序排列起来，形成一个数列，处于变量数列中间位置的变量值就称为中位数，用Me表示。当变量值的项数N为奇数时，处于中间位置的变量值即为中位数；当N为偶数时，中位数则为处于中间位置的2个变量值的平均数。
[0139]作为一种可选的实施方式，第五确定单元310确定第一目标图像边框线主要有以下步骤:第三确定模块3100求取第一目标图像中像素值的中值median，第一计算模块3101再根据预设的第一计算规则low = max (0, 0.67*median)计算第