CN103324361A - 触摸点定位的方法和*** - Google Patents

Abstract

一种触摸点定位的方法，包括步骤：根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像；其中，所述触摸点有效区域为触摸点出现在所述图像中的区域；将所述触摸点有效区域图像进行存储；根据所述储存的触摸点有效区域图像检测触摸点位置。本发明还提供相应的***，本发明由于只存储采集图像中触摸点有效区域部分图像，丢弃了有效区域部分外的图像，图像数据大大减小，从而减少了内存资源消耗，提高了存储资源利用率，而且是从触摸点有效区域图像中检测出触摸点位置，减少了检测过程占用的硬件资源，提高了检测效率。

Description

触摸点定位的方法和***

技术领域

本发明涉及光学成像触摸屏技术领域，特别是涉及触摸点定位的方法和***。

背景技术

在光学成像触摸屏***内，在触摸屏的左上角和右上角各设有摄像头，可以是在摄像头上方或下方分别附有光源装置，在触摸屏左侧、右侧和下侧各设有反光装置，反光装置可以是回归反射材料装置；也可以是在触摸屏左侧、右侧和下侧各设有发光装置。摄像装置附近有光源射出时，经过反光装置，将光线原路返回，则左右发光装置发射出来的光线能覆盖触摸屏，且均能返回到摄像头。

其工作原理是，通过摄像头拍摄光源发出的光线经过反光装置反射后的图像，当触摸屏上有触摸物体进入触摸区域，则会挡住部分进入摄像头的光线，摄像头采集的图片中白色亮条区域中存在的黑色区域，先采集摄像头拍摄的图像并将其存储到内存中，然后读取存储的图像并利用相关算法来检测出图像中的触摸点，再通过相关计算得到触摸点坐标。

在上述技术中，每次采集的摄像头拍摄的图像，内存都需要存储整幅图像，图像数据量大，比如，如果摄像头像素分辨率为480*640，1个像素的数据量为1个字节，则需要在内存中创建300K的图像缓冲区，这对内存资源是极大的消耗，导致存储资源利用率低，而且传输整幅图像耗费时间长，在后续检测触摸点位置时也是需要从整幅图像中查找，占用较多的硬件资源，检测效率低。

发明内容

基于此，有必要针对现有触摸点定位技术存储资源利用率低和检测效率低的问题，提供一种触摸点定位的方法和***。

一种触摸点定位的方法，包括步骤：

根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像；其中，所述触摸点有效区域为触摸点出现在所述图像中的区域；

将所述触摸点有效区域图像进行存储；

根据所述储存的触摸点有效区域图像检测触摸点位置。

一种触摸点定位***，包括：

截取模块，用于根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像；其中，所述触摸点有效区域为触摸点出现在所述图像中的区域；

存储模块，用于将所述触摸点有效区域图像进行存储；

检测模块，用于根据所述储存的触摸点有效区域图像检测触摸点位置。

上述触摸点定位的方法和***，首先预存的触摸点出现在图像中的触摸点有效区域，然后利用该触摸点有效区域去截取所采集的图像得到触摸点有效区域图像进行存储，再从该触摸点有效区域图像中检测出触摸点位置，由于只存储采集图像中触摸点有效区域部分图像，丢弃了有效区域部分外的图像，图像数据大大减小，从而减少了内存资源消耗，提高了存储资源利用率，而且，是从触摸点有效区域图像中检测出触摸点位置，减少了检测过程占用的硬件资源，提高了检测效率。

附图说明

图1为本发明触摸点定位的方法实施例的流程示意图；

图2为本发明实施例确定初始图像中的触摸点有效区域的流程示意图；

图3为本发明实施例二值化图像示意图；

图4为本发明实施例S5编号前的九宫格示意图；

图5为本发明实施例S5编号后的九宫格示意图；

图6为本发明实施例二值化图像分割为各个图像块的示意图；

图7为本发明触摸点定位***实施例的结构示意图。

具体实施方式

以下针对本发明触摸点定位的方法和***的各实施例进行详细的描述。

参见图1，为本发明触摸点定位的方法实施例的流程示意图，包括步骤：

步骤S101：根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像；其中，触摸点有效区域为触摸点出现在图像中的区域；

步骤S102：将触摸点有效区域图像进行存储；

步骤S103：根据储存的触摸点有效区域图像检测触摸点位置。

本发明的方案，主要是通过预存获取到的触摸点有效区域，在将采集的图像进行存储前，利用该触摸点有效区域截取采集的图像，由于触摸点有效区域为触摸点出现在图像中的区域，这样就可以将用于触摸点检测的图像有用部分进行存储，而丢弃图像无用部分，再从图像有用部分中检测出触摸点，从而减少内存资源的消耗，提高了存储资源利用率，而且，是从触摸点有效区域图像中检测出触摸点位置，减少了检测过程占用的硬件资源，提高了检测效率。白色亮条区域为反光材料或发光源所在区域，本发明将其称为触摸点有效区域。

基于预存的原始图像中的触摸点有效区域，对采集的图像的触摸点有效区域进行截取步骤之前还包括确定初始图像中的触摸点有效区域。

需要声明的是，在本发明的技术中，所预存的触摸点有效区域，其范围的准确性、范围大小对于内存资源的利用及后续的触摸点检测过程有重要影响，而确定触摸点有效区域可以利用实验统计、图像搜索等技术，或者如下：

将初始图像按照灰度值不同分割为各个图像块，对各个图像块采集特征值；

将各个图像块的特征值代入预存的评分公式，对各评分值中最大评分值对应的图像块进行延伸方向延伸，获得初始图像中的触摸点有效区域，其中，评分公式为V＝RP(w₁|t)，V表示评分值，表示预存权值，P(w₁|t)表示预存的特征值所在图像块是触摸点有效区域的概率。

为了更加一步清晰本发明的技术，以下提供一种优选的获取触摸点有效区域的实施例，但不限定于此。如图2所示，为本发明实施例确定初始图像中的触摸点有效区域的流程示意图，包括步骤：

步骤S201：对初始图像的灰度进行二值化处理，获得二值化图像；

步骤S202：将二值化图像分割为各个图像块，其中图像块分为触摸点有效区域图像和非触摸点有效区域图像；

步骤S203：基于二值化图像的各个图像块对应对初始图像的各个图像块采集特征值；

步骤S204：从各个图像块的特征值中遍历选择一个图像块的特征值；

步骤S205：采用以下后验概率公式确定特征值所在图像块属于有效区域类的概率：

$P\left(w_1\right|t)=\frac{p\left(t\right|w_1)P\left(w_1\right)}{\underset{j=1}{\overset{2}{\mathrm{\Σ}}}p\left(t\right|w_j)P\left(w_j\right)},$

其中，P(w₁|t)表示特征值t所在图像块属于有效区域类w₁的概率，各个触摸点有效区域图像组成有效区域类，w₁表示有效区域类；各个非触摸点有效区域图像组成无效区域类，w₂表示无效区域类；p(t|w_j)表示预存的在w_j中出现特征值t所在图像块的概率，P(w₁)表示预存的各图像块中触摸点有效区域图像的概率，P(w₂)表示预存的各图像块中非触摸点有效区域图像的概率，根据特征值属于有效区域类的概率与预存的权值的乘积获得该图像块的评分值；

步骤S206：判断各个图像块的特征值是否遍历完成，若否，返回步骤S204，若是，进入步骤S207；

步骤S207：对各评分值中最大评分值对应的图像块进行延伸方向延伸，获得初始图像中的触摸点有效区域。

在一个具体实施例中，通过以下步骤获得二值化图像：

遍历二值化图像的各像素点，当像素点的灰度值小于预设阈值时，将该像素点的灰度值修改为第一预设值，当像素点的灰度值大于预设阈值时，将该像素点的灰度值修改为第二预设值。

在一个具体实施例中，将二值化图像分割为各个图像块的方法有很多种，可以采用分水岭法、均值漂移法等。也可以采用以下方法：

依次遍历二值化图像的各像素点；

当像素点的灰度值为第一预设值时，不对该像素点进行编号；

当像素点的灰度值为第二预设值时，如果不存在编号的相邻像素点，则将该像素点建立新的编号，如果相邻像素点的编号相同时，则将该像素点添加与相邻像素点编号相同的编号，如果相邻像素点的编号不同时，则将该像素点和相邻像素点的编号统一为其中一个相邻像素点的编号。

在一个具体实施例中，确定初始图像中的触摸点有效区域步骤之前需要训练得到P(w_j)、p(t|w_j)、P(w₁|t)、权值。包括步骤：

采集数量为预设个数的原始图像，对各原始图像的灰度值进行二值化处理，分别获得二值化图像；

分别将各二值化图像分割为各个图像块，其中图像块包括触摸点有效区域图像和非触摸点有效区域图像；

接收各个触摸点有效区域图像及块数和各个非触摸点有效区域图像及块数，将各个触摸点有效区域图像归为有效区域类，将各个非触摸点有效区域图像归为无效区域类，根据公式

确定P(w_j)，其中，M₁表示触摸点有效区域图像块数，M₂表示非触摸点有效区域图像块数；

对各个触摸点有效区域图像和各个非触摸点有效区域图像采集特征值，根据各特征值和有效区域类和无效区域类的关系确定公式 $p\left(t\right|w_j)=\left\{\begin{array}{c}{a}_0(0\&le;t<128)\\ a_1(128\&le;t<256)\\ a_2(256\&le;t<384)\\ a_3(384\&le;t<512)\\ a_4(512\&le;t<640)\end{array}\right.,$ t表示特征值；

根据P(w_j)、p(t|w_j)采用偏微分求极值法确定权值。

在一个具体实施例中，特征值t可以为图像块的中心位置坐标的横坐标x和纵坐标y，特征值也可以是图像块的长度W或者是图像块的宽度H，当然也可以是其中两种或三种。还可以是其他具有代表性的特征值，具体根据需要设定。其中，中心位置的横坐标为图像块像素值中的最大横坐标与最小横坐标的平均值，中心位置的纵坐标为图像块像素值中的最大纵坐标与最小纵坐标的平均值，长度为图像块像素值中的最大横坐标与最小横坐标的差值，宽度为图像块像素值中的最大纵坐标与最小纵坐标的差值。

以下以一个具体运用方案进行描述：

先进性训练。一个系列产品会生产很多出来，整个系列只需要训练一次，训练这一次要用N个产品个体的数据作为训练集，不用单个个体的多张历史图像数据作为训练。训练过一次之后，得到第一先验概率、第二先验概率、第一概率密度函数、第二概率密度函数、后验概率、权值，也就就定型了。然后每次生产一个个体时就对这个个体进行一次触摸点有效区域的选定，选定后，这个个体的原始图像触摸点有效区域就确定了，这个个体以后采集的图像直接基于原始图像触摸点有效区域就可以了。当然，为了更精确，也可以只针对一个产品做训练，采集一个产品的多张历史图。本文以采集N个产品的原始图像为例说明，训练过程具体过程如下：

首先采集N个产品的原始图像，N可以根据需要设定。将N个原始图像作为样本，样本空间大小为N。

对各原始图像进行二值化处理，即遍历原始图像的像素点，将高于或等于150的灰度值修改为255，将低于150的灰度值修改为0。如图3所示，为其中一幅原始图像二值化后的二值化图像。这就是二值化处理后的效果，目的是简化图像信息，每个像素只有两种状态：亮或者暗。为了区分，图3中，用斜条纹代表灰度值为0的区域（即暗区域），用白色区域表示灰度值为255的区域（即亮区域）。该阈值的设置根据具体的产品的统计来确定，本实施例采用150这个数值。

N个原始图像都二值化处理后，则进行图像分割。图像分割目的是将上一步的二值化处理后得到的图像中的亮块全部找出来并给它们各自一个标号。首先逐行扫描（或者逐列扫描，方法是一样），根据其相邻的已扫描的像素的归属判断当前扫描到的像素属于哪个块。当像素点的灰度值为0时，不对该像素点进行编号或者编入特殊号，本实施例以不编号为例说明。当像素点的灰度值为255时，如果不存在编号的相邻像素点，则将该像素点建立新的编号，如果相邻像素点编号相同时，则将该像素点添加与相邻像素点编号相同的编号，如果相邻像素点的编号不同时，则将该像素点和相邻像素点的编号统一为其中一个相邻像素点的编号。如图4，以九宫格的方式进行描述。九宫格由S1、S2、S3、S4、S5、S6、S7、S8、S9组成。图4中可以看出，S1、S2、S3、S4为已扫描像素点，S5为正准备扫描的像素点。图中S1灰度值为255且为扫描的第一个像素点，则编号1；像素点S2的灰度值为0，所以不对其编号。像素点S3灰度值为255，因为不存在编号的相邻像素点，则将像素点S3编入新的编号，编号为2；像素点S4的灰度值为255，且存在编号为1的相邻像素点，则将像素点S4编号为1；像素点S5的灰度值为255，像素点S5的相邻像素点为S1、S2、S3、S4、S6、S7、S8、S9。因为存在编号为1的相邻像素点S1、S4和编号为2的相邻像素点S3，所以将像素点S1、S3、S4、S5统一编号为1，即将其合并为同一个图像块，如图5所示。

将图3中的原始图像扫描编号后，可以得到如图6。图6为二值化图像分割为各个图像块的示意图。该示意图由7个图像块组成：1、2、3、4、5、6、7。图像块包括触摸点有效区域图像和非触摸点有效区域图像，比如图6中，该原始图像的触摸点有效区域图像为4，非触摸点有效区域图像为1、2、3、5、6、7。

当N个二值化图像都分割完后，每个原始图像的触摸点有效区域图像和非触摸点有效区域图像都可以人工标出。所有原始图像的触摸点有效区域图像组成有效区域类，所有原始图像中除了触摸点有效区域图像的其他图像块称为非触摸点有效区域图像，非触摸点有效区域图像组成无效区域类。本方法通过接收各个触摸点有效区域图像及块数和各个非触摸点有效区域图像及块数，将各原始图像的触摸点有效区域图像归为有效区域类w₁，将各原始图像的非触摸点有效区域图像归为无效区域类w₂。比如图6中，将图像块4归为w₁类，将图像块1、2、3、5、6、7归为w₂类。因为每个原始图像只有一个块是属于目标类的，所以w₁类块数为N，假设w₂类的块数为M。则第一先验概率为

第二先验概率为 $P\left(w_2\right)=\frac{M}{N+M}.$

基于每个二值化图像的各个图像块对应对原始图像的各个图像块采集特征值。以其中一个二值化图像进行说明，对该二值化图像的每个图像块对应的原始图像的每个图像块采集特征值。特征值包括图像块的中心位置坐标、长度、宽度。图像块像素值中的最大横坐标maxX，图像块像素值中的最小横坐标minX，图像块像素值中的最大纵坐标maxY，图像块像素值中的最小纵坐标minY。则中心位置坐标长度W＝maxX-minX，宽度H＝maxY-minY。

采用分段函数的方式求p(t|w_j)即似然函数。中心位置坐标横坐标的第一概率密度函数如下：

$p\left(x\right|w_1)=\left\{\begin{array}{c}{a}_0(0\&le;x<128)\\ a_1(128\&le;x<256)\\ a_2(256\&le;x<384)\\ a_3(384\&le;x<512)\\ a_4(512\&le;x<640)\end{array}\right.$

p(x|w₁)表示在w₁类中，出现特征值中心位置坐标横坐标x为某值的概率。统计w₁类中0≤x＜128的个数为A₀，则

其它值亦如此计算

函数分段的方式不限制，区域划分也不受限制，可根据实际情况设计。其它似然函数p(y|w_j)、p(W|w_j)和p(H|w_j)也是通过相同方法得到。本实施例采用分段形式标出概率密度函数，也可以是其他似然函数，比如根据统计数据得到一个连续函数。

根据P(w_j)、p(t|w_j)，采用贝叶斯决策公式确定后验概率公式：

后验概率公式P(w_j|x)是指在输入特征值为x值时，该图像块属于w_j类的概率函数。比如，P(w₁|x)是指在输入特征向量的分量x为某值时，该图像块属于目标类w₁的概率是多少。p(x|w_j)是指在w_j的情况下，出现特征值x的概率。

表示第一先验概率，

表示第二先验概率。

相应地有， $P\left(w_j\right|y)=\frac{p\left(y\right|w_j)P\left(w_j\right)}{p\left(y\right)},$ $p\left(w_j\right|W)=\frac{p\left(W\right|w_j)P\left(w_j\right)}{p\left(W\right)},$

$P\left(w_j\right|H)=\frac{p\left(H\right|w_j)P\left(w_j\right)}{p\left(H\right)}.$

根据预设的评分公式V＝R₁P(w₁|x)+R₂P(w₁|y)+R₃P(w₁|W)+R₄P(w₁|H)和后验概率公式，采用偏微分求极值法确定权值R₁、R₂、R₃、R₄。其中，评分公式可以根据需要设定，不一定按本实施例方式来。求权值过程如下：

1)初始化R₁、R₂、R₃、R₄为1；

2）选取一个权值，比如先取R₁；

3）对选取的权值加1。以此评分函数，对所有样本进行评分。由于已经知道所有样本的正确块（及有效区域类的图像块），所以可以算出该评分函数的正确率。

4）重复3）步骤，直到评分函数的正确率开始下降。该权值取这个重复过程中的对应最高正确率的取值。

5）选取下一个权值，再重复2）、3）、4）步骤，直到四个权值都被选取过一遍。

6）重复2）、3）、4）、5）步骤K次。评分函数的正确率在经过多次重复之后是会逐渐收敛到某个水平上的，所以重复次数K这个值要根据实际情况而定。最终停止重复时，确定R₁、R₂、R₃、R₄四个权值的取值。

训练结束。

训练结束后，可以开始确定初始图像中的触摸点有效区域，过程如下：

首先，对初始图像的灰度进行二值化处理，获得二值化图像，方法如上，在此不再赘述；

接着，将二值化图像分割为各个图像块，方法如上，在此不再赘述；

基于二值化图像的各个图像块对应对初始图像的各个图像块采集特征值：中心位置坐标

长度W＝maxX-minX，宽度H＝maxY-minY。

从各个图像块的特征值中遍历选择一个图像块的一个特征值，以特征值x为例，根据公式 $p\left(x\right|w_1)=\left\{\begin{array}{c}{a}_0(0\&le;x<128)\\ a_1(128\&le;x<256)\\ a_2(256\&le;x<384)\\ a_3(384\&le;x<512)\\ a_4(512\&le;x<640)\end{array}\right.$ 可得w₁类中出现特征值x为某值的概率。比如x值取200，则概率为a₁。将w₁类中出现该图像块的其他特征值的概率也计算出来。同理可计算w₂类中出现该图像块的特征值的概率。将计算出来的各值代入后验概率公式从而可以得到在输入特征值为某值时，该图像块属于目标类w₁的概率。将所得的各个后验概率代入评分公式

V＝R₁P(w₁|x)+R₂P(w₁|y)+R₃P(w₁|W)+R₄P(w₁|H)

即可计算出该图像块的评分值。其他图像块的评分值通过相同方法得到。评分最高的即为有效图像块，将有效图像块左右两边不到边的部分作拉伸处理来补足空缺区域，最终得到初始图像中的触摸点有效区域。对初始图像中的触摸点有效区域进行预存，在以后采集的图像中，直接根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像；将触摸点有效区域图像进行存储；根据储存的触摸点有效区域图像检测触摸点位置。

本实施例只举了其中一种计算初始图像中的触摸点有效区域的方法，也可以采用其他方法，比如对初始图像的灰度进行边缘检测，确定第一边缘；当边缘点的灰度值小于第三预设值时，监测边缘点相邻像素点的灰度值，如果相邻像素点的灰度值大于第四预设值时，则删除该边缘点，将相邻像素点作为边缘点；判断各边缘点的灰度值是否在第一预设范围内，若否，则删除不在第一预设范围内的边缘点；删除横坐标相同且边缘点个数大于二的边缘点，根据删除后的边缘确定第二边缘，根据第一边缘对第二边缘进行断处补偿，对补偿后的第二边缘进行延伸方向拉伸，确定预存有效触摸区域。其他方法本文不再赘述。

根据上述触摸点定位的方法，本发明提供一种触摸点定位***。

参见图7，为本发明触摸点定位***实施例的结构示意图，包括：

截取模块701，用于根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像；其中，触摸点有效区域为触摸点出现在图像中的区域；

存储模块702，用于将触摸点有效区域图像进行存储；

检测模块703，用于根据储存的触摸点有效区域图像检测触摸点位置。

在一个具体实施例中，还包括：

触摸点有效区域确定模块，用于将初始图像按照灰度值不同分割为各个图像块，对各个图像块采集特征值；将各个图像块的特征值代入预存的评分公式，对各评分值中最大评分值对应的图像块进行延伸方向延伸，获得初始图像中的触摸点有效区域，其中，评分公式为V＝RP(w₁|t)，V表示评分值，表示预存权值，P(w₁|t)表示预存的特征值所在图像块是触摸点有效区域的概率。

在一个具体实施例中，还包括：

分割采集模块，用于将初始图像按照灰度值不同分割为各个图像块，对各个图像块采集特征值；

分类确认模块，用于从各个图像块的特征值中遍历选择一个图像块的特征值；采用以下后验概率公式确定特征值所在图像块属于有效区域类的概率：

$P\left(w_1\right|t)=\frac{p\left(t\right|w_1)P\left(w_1\right)}{\underset{j=1}{\overset{2}{\mathrm{\&Sigma;}}}p\left(t\right|w_j)P\left(w_j\right)},$

其中，P(w₁|t)表示特征值t所在图像块属于有效区域类w₁的概率，各个触摸点有效区域图像组成有效区域类，w₁表示有效区域类；各个非触摸点有效区域图像组成无效区域类，w₂表示无效区域类；p(t|w_j)表示预存的在w_j中出现特征值t所在图像块的概率，P(w₁)表示预存的各图像块中触摸点有效区域图像的概率，P(w₂)表示预存的各图像块中非触摸点有效区域图像的概率；根据特征值属于有效区域类的概率与预存的权值的乘积获得该图像块的评分值；

当各个图像块的特征值遍历完时，对各评分值中最大评分值对应的图像块进行延伸方向延伸，获得初始图像中的触摸点有效区域。

在一个具体实施例中，上述分割采集模块还用于：对初始图像的灰度进行二值化处理，获得二值化图像；将二值化图像分割为各个图像块，其中各图像块包括触摸点有效区域图像和非触摸点有效区域图像；基于二值化图像的各个图像块对应对初始图像的各个图像块采集特征值。

在一个具体实施例中，上述分割采集模块，包括：

遍历模块，用于依次遍历二值化图像的各像素点；

编号模块，用于当像素点的灰度值为第一预设值时，不对该像素点进行编号；当像素点的灰度值为第二预设值时，如果不存在编号的相邻像素点，则将该像素点建立新的编号，如果相邻像素点的编号相同时，则将该像素点添加与相邻像素点编号相同的编号，如果相邻像素点的编号不同时，则将该像素点和相邻像素点的编号统一为其中一个相邻像素点的编号。

在一个具体实施例中，还包括训练模块，用于：

采集数量为预设个数的原始图像，对各原始图像的灰度值进行二值化处理，分别获得二值化图像；

分别将各二值化图像分割为各个图像块，其中图像块包括触摸点有效区域图像和非触摸点有效区域图像；

接收各个触摸点有效区域图像及块数和各个非触摸点有效区域图像及块数，将各个触摸点有效区域图像归为有效区域类，将各个非触摸点有效区域图像归为无效区域类，根据公式

确定P(w_j)，其中，M₁表示触摸点有效区域图像块数，M₂表示非触摸点有效区域图像块数；

对各个触摸点有效区域图像和各个非触摸点有效区域图像采集特征值，根据各特征值和有效区域类和无效区域类的关系确定公式

$p\left(t\right|w_j)=\left\{\begin{array}{c}{a}_0(0\&le;t<128)\\ a_1(128\&le;t<256)\\ a_2(256\&le;t<384)\\ a_3(384\&le;t<512)\\ a_4(512\&le;t<640)\end{array}\right.;$

根据P(w_j)、p(t|w_j)采用偏微分求极值法确定权值。

特征值t可以为图像块的中心位置坐标的横坐标和纵坐标、长度、宽度中的一种或多种，其中，中心位置的横坐标为图像块像素值中的最大横坐标与最小横坐标的平均值，中心位置的纵坐标为图像块像素值中的最大纵坐标与最小纵坐标的平均值，长度为图像块像素值中的最大横坐标与最小横坐标的差值，宽度为图像块像素值中的最大纵坐标与最小纵坐标的差值。

具体过程在本方案方法中已描述，在此不再赘述。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种触摸点定位的方法，其特征在于，包括步骤：

根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像；其中，所述触摸点有效区域为触摸点出现在所述图像中的区域；

将所述触摸点有效区域图像进行存储；

根据所述储存的触摸点有效区域图像检测触摸点位置。

2.根据权利要求1所述的触摸点定位的方法，其特征在于，所述根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像步骤之前，还包括步骤：

将初始图像按照灰度值不同分割为各个图像块，对所述各个图像块采集特征值；

从各个所述图像块的特征值中遍历选择一个图像块的特征值；

采用以下后验概率公式确定所述特征值所在图像块属于有效区域类的概率：

$P\left(w_1\right|t)=\frac{p\left(t\right|w_1)P\left(w_1\right)}{\underset{j=1}{\overset{2}{\mathrm{\&Sigma;}}}p\left(t\right|w_j)P\left(w_j\right)},$

其中，P(w₁|t)表示特征值t所在图像块属于有效区域类w₁的概率，各个触摸点有效区域图像组成有效区域类，w₁表示有效区域类；各个非触摸点有效区域图像组成无效区域类，w₂表示无效区域类；p(t|w_j)表示预存的在w_j中出现特征值t所在图像块的概率，P(w₁)表示预存的各图像块中触摸点有效区域图像的概率，P(w₂)表示预存的各图像块中非触摸点有效区域图像的概率；

根据所述特征值属于有效区域类的概率与预存的权值的乘积获得该图像块的评分值；

当各个图像块的特征值遍历完时，对各所述评分值中最大评分值对应的图像块进行延伸方向延伸，获得所述初始图像中的触摸点有效区域。

3.根据权利要求2所述的触摸点定位的方法，其特征在于，所述将初始图像按照灰度值不同分割为各个图像块，对所述各个图像块采集特征值步骤，包括步骤：

对初始图像的灰度进行二值化处理，获得二值化图像；

将所述二值化图像分割为各个图像块，其中各所述图像块包括触摸点有效区域图像和非触摸点有效区域图像；

基于所述二值化图像的各个图像块对应对所述初始图像的各个图像块采集特征值。

4.根据权利要求3所述的触摸点定位的方法，其特征在于，所述将所述二值化图像分割为各个图像块步骤，包括步骤：

依次遍历所述二值化图像的各像素点；

当像素点的灰度值为第一预设值时，不对该像素点进行编号；

当像素点的灰度值为第二预设值时，如果不存在编号的相邻像素点，则将该像素点建立新的编号，如果相邻像素点的编号相同时，则将该像素点添加与相邻像素点编号相同的编号，如果相邻像素点的编号不同时，则将该像素点和相邻像素点的编号统一为其中一个相邻像素点的编号。

5.根据权利要求2至4任意一项所述的触摸点定位的方法，其特征在于，所述将初始图像按照灰度值不同分割为各个图像块，对所述各个图像块采集特征值步骤之前还包括步骤：

采集数量为预设个数的原始图像，对各所述原始图像的灰度值进行二值化处理，分别获得二值化图像；

分别将各所述二值化图像分割为各个图像块，其中所述图像块包括触摸点有效区域图像和非触摸点有效区域图像；

接收各个触摸点有效区域图像及块数和各个非触摸点有效区域图像及块数，将各个触摸点有效区域图像归为有效区域类，将各个非触摸点有效区域图像归为无效区域类，根据公式

确定所述P(w_j)，其中，M₁表示触摸点有效区域图像块数，M₂表示非触摸点有效区域图像块数；

对各个所述触摸点有效区域图像和各个所述非触摸点有效区域图像采集特征值，根据各所述特征值和所述有效区域类和无效区域类的关系确定公式

$p\left(t\right|w_j)=\left\{\begin{array}{c}{a}_0(0\&le;t<128)\\ a_1(128\&le;t<256)\\ a_2(256\&le;t<384)\\ a_3(384\&le;t<512)\\ a_4(512\&le;t<640)\end{array}\right.;$

根据所述P(w_j)、p(t|w_j)采用偏微分求极值法确定所述权值。

6.一种触摸点定位***，其特征在于，包括：

截取模块，用于根据预存的触摸点有效区域截取采集的图像获得触摸点有效区域图像；其中，所述触摸点有效区域为触摸点出现在所述图像中的区域；

存储模块，用于将所述触摸点有效区域图像进行存储；

检测模块，用于根据所述储存的触摸点有效区域图像检测触摸点位置。

7.根据权利要求6所述的触摸点定位***，其特征在于，还包括：

分割采集模块，用于将初始图像按照灰度值不同分割为各个图像块，对所述各个图像块采集特征值；

分类确认模块，用于从各个所述图像块的特征值中遍历选择一个图像块的特征值；采用以下后验概率公式确定所述特征值所在图像块属于有效区域类的概率：

$P\left(w_1\right|t)=\frac{p\left(t\right|w_1)P\left(w_1\right)}{\underset{j=1}{\overset{2}{\mathrm{\&Sigma;}}}p\left(t\right|w_j)P\left(w_j\right)},$

其中，P(w₁|t)表示特征值t所在图像块属于有效区域类w₁的概率，各个触摸点有效区域图像组成有效区域类，w₁表示有效区域类；各个非触摸点有效区域图像组成无效区域类，w₂表示无效区域类；p(t|w_j)表示预存的在w_j中出现特征值t所在图像块的概率，P(w₁)表示预存的各图像块中触摸点有效区域图像的概率，P(w₂)表示预存的各图像块中非触摸点有效区域图像的概率；根据所述特征值属于有效区域类的概率与预存的权值的乘积获得该图像块的评分值；

当各个图像块的特征值遍历完时，对各所述评分值中最大评分值对应的图像块进行延伸方向延伸，获得所述初始图像中的触摸点有效区域。

8.根据权利要求7所述的触摸点定位***，其特征在于，所述分割采集模块，还用于：对初始图像的灰度进行二值化处理，获得二值化图像；将所述二值化图像分割为各个图像块，其中各所述图像块包括触摸点有效区域图像和非触摸点有效区域图像；基于所述二值化图像的各个图像块对应对所述初始图像的各个图像块采集特征值。

9.根据权利要求8所述的触摸点定位***，其特征在于，所述分割采集模块，包括：

遍历模块，用于依次遍历所述二值化图像的各像素点；

编号模块，用于当像素点的灰度值为第一预设值时，不对该像素点进行编号；当像素点的灰度值为第二预设值时，如果不存在编号的相邻像素点，则将该像素点建立新的编号，如果相邻像素点的编号相同时，则将该像素点添加与相邻像素点编号相同的编号，如果相邻像素点的编号不同时，则将该像素点和相邻像素点的编号统一为其中一个相邻像素点的编号。

10.根据权利要求7至9任意一项所述的触摸点定位***，其特征在于，还包括训练模块，用于：

采集数量为预设个数的原始图像，对各所述原始图像的灰度值进行二值化处理，分别获得二值化图像；

分别将各所述二值化图像分割为各个图像块，其中所述图像块包括触摸点有效区域图像和非触摸点有效区域图像；

接收各个触摸点有效区域图像及块数和各个非触摸点有效区域图像及块数，将各个触摸点有效区域图像归为有效区域类，将各个非触摸点有效区域图像归为无效区域类，根据公式

确定所述P(w_j)，其中，M₁表示触摸点有效区域图像块数，M₂表示非触摸点有效区域图像块数；

对各个所述触摸点有效区域图像和各个所述非触摸点有效区域图像采集特征值，根据各所述特征值和所述有效区域类和无效区域类的关系确定所述公式

$p\left(t\right|w_j)=\left\{\begin{array}{c}{a}_0(0\&le;t<128)\\ a_1(128\&le;t<256)\\ a_2(256\&le;t<384)\\ a_3(384\&le;t<512)\\ a_4(512\&le;t<640)\end{array}\right.;$

根据所述P(w_j)、p(t|w_j)采用偏微分求极值法确定所述权值。

Images