專利名稱：光學(xué)式坐標(biāo)輸入裝置及其坐標(biāo)計(jì)算的方法
技術(shù)領(lǐng)域：
本發(fā)明是關(guān)于一種光學(xué)式坐標(biāo)輸入裝置及其坐標(biāo)計(jì)算的方法，特別是一種可直接擷取物體圖像進(jìn)行判斷的光學(xué)式坐標(biāo)輸入裝置及其坐標(biāo)計(jì)算的方法。
背景技術(shù)：
隨著科技的進(jìn)步，觸控面板已經(jīng)被廣泛應(yīng)用于日常生活中，使得使用者可以更直覺地操控電子產(chǎn)品。在先前技術(shù)中，觸控面板通常是電阻式或是電容式的架構(gòu)。但電阻式或是電容式的觸控面板僅適用于小尺寸的觸控面板，若要用于大尺寸的觸控面板時(shí)，就會造成制造成本的大幅增加。因此在先前技術(shù)中已經(jīng)發(fā)明一種利用光學(xué)式的坐標(biāo)輸入裝置，以解決利用電阻式 或是電容式的大尺寸觸控面板時(shí)成本過高的問題。請先參考圖IA是先前技術(shù)的光學(xué)式坐標(biāo)輸入裝置的第一實(shí)施例的示意圖。圖IA的光學(xué)式坐標(biāo)輸入裝置90a包括檢測區(qū)域91、第一擷取模塊921、第二擷取模塊922、第一發(fā)光模塊931、第二發(fā)光模塊932與反光邊框941。檢測區(qū)域91用以供物體96接觸。第一發(fā)光模塊931與第二發(fā)光模塊932可為紅外線式或是LED式的發(fā)射器,用以發(fā)出不可見光。第一發(fā)光模塊931與第二發(fā)光模塊932會向反光邊框941發(fā)出不可見光，第一擷取模塊921與第二擷取模塊922再擷取經(jīng)由反光邊框941折射回來的光線圖像。若檢測區(qū)域91有物體96時(shí)，物體96就會遮斷反光邊框941折射回來的光線圖像，因此控制模塊95可以根據(jù)此時(shí)第一擷取模塊921與第二擷取模塊922擷取的圖像計(jì)算出物體96的坐標(biāo)。先前技術(shù)中另外揭露了另一種實(shí)施例，請參考圖IB是先前技術(shù)的光學(xué)式坐標(biāo)輸入裝置的第二實(shí)施例的示意圖。在先前技術(shù)的光學(xué)式坐標(biāo)輸入裝置90b中，與光學(xué)式坐標(biāo)輸入裝置90a不同之處在于光學(xué)式坐標(biāo)輸入裝置90b利用發(fā)光邊框942來代替第一發(fā)光模塊931與第二發(fā)光模塊932。光學(xué)式坐標(biāo)輸入裝置90b同樣通過第一擷取模塊921與第二擷取模塊922擷取發(fā)光邊框942發(fā)出的光線圖像，若有物體96遮斷光線圖像，控制模塊95可立即根據(jù)擷取的圖像計(jì)算出物體96的坐標(biāo)。但依照先前技術(shù)的光學(xué)式坐標(biāo)輸入裝置90a或光學(xué)式坐標(biāo)輸入裝置90b必需要有反光邊框941或是發(fā)光邊框942，會造成在制造上成本的增加或是設(shè)計(jì)上的許多限制。有鑒于此，因此需要發(fā)明一種新的光學(xué)式坐標(biāo)輸入裝置及其計(jì)算坐標(biāo)的方法，以解決先前技術(shù)的缺失。

發(fā)明內(nèi)容
本發(fā)明的主要目的是在于提供一種光學(xué)式坐標(biāo)輸入裝置，其可直接擷取物體圖像以進(jìn)行判斷，而不需藉助額外的輔助裝置或結(jié)構(gòu)。本發(fā)明的另一主要目的是在于提供一種用于此光學(xué)式坐標(biāo)輸入裝置的坐標(biāo)計(jì)算的方法。為達(dá)成上述的目的，本發(fā)明的光學(xué)式坐標(biāo)輸入裝置包括第一擷取模塊、第二擷取模塊及識別單元。第一擷取模塊用以得到第一擷取圖像。第二擷取模塊用以得到第二擷取圖像。識別單元是與第一擷取模塊及第二擷取模塊電性連接，用以通過第一閾值以對第一擷取圖像及第二擷取圖像執(zhí)行處理流程，以分別得到第一二值化圖像及第二二值化圖像，并根據(jù)該第一二值化圖像及該第二二值化圖像執(zhí)行坐標(biāo)計(jì)算。本發(fā)明的坐標(biāo)計(jì)算的方法包括以下步驟擷取檢測區(qū)域的第一擷取圖像及第二擷取圖像；通過第一閾值對第一擷取圖像及第二擷取圖像執(zhí)行一處理流程，以分別得到第一二值化圖像及第二二值化圖像；判斷該第一二值化圖像及該第二二值化圖像中是否同時(shí)有物體；以及若是，則執(zhí)行坐標(biāo)計(jì)算。本發(fā)明還提供了一種坐標(biāo)計(jì)算的方法，用于一光學(xué)式坐標(biāo)輸入裝置，該方法包括以下步驟預(yù)先建立一檢測區(qū)域的一第一背景圖像及一第二背景圖像；擷取該檢測區(qū)域的一第一擷取圖像及一第二擷取圖像；分別比較該第一背景圖像與該第一擷取圖像，以及比 較該第二背景圖像與該第二擷取圖像，以得到一第一去背圖像及一第二去背圖像；判斷該第一去背圖像及該第二去背圖像中是否同時(shí)有一物體；以及若是，則執(zhí)行坐標(biāo)計(jì)算。


圖IA是先前技術(shù)的光學(xué)式坐標(biāo)輸入裝置的第一實(shí)施例的示意圖。圖IB是先前技術(shù)的光學(xué)式坐標(biāo)輸入裝置的第二實(shí)施例的示意圖。圖2A是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的其中的一實(shí)施例的架構(gòu)圖。圖2B是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的第一實(shí)施例的使用示意圖。圖2C是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的第二實(shí)施例的使用示意圖。圖3A是本發(fā)明的坐標(biāo)計(jì)算的第一實(shí)施方式的步驟流程圖。圖3B是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的計(jì)算物體的位置的示意圖。圖4A是本發(fā)明的坐標(biāo)計(jì)算的第二實(shí)施方式的步驟流程圖。圖4B是本發(fā)明的第二實(shí)施方式中判斷物體是否接觸的步驟流程圖。圖5A到是本發(fā)明擷取的圖像的示意圖。圖6是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的其中的另一實(shí)施例的架構(gòu)圖。圖7A是本發(fā)明的坐標(biāo)計(jì)算的第三實(shí)施方式的步驟流程圖。圖7B是本發(fā)明的第三實(shí)施方式中判斷物體是否接觸的步驟流程圖。圖7C是本發(fā)明的對二值化圖像執(zhí)行連通對象標(biāo)記法的示意圖。圖8是本發(fā)明的坐標(biāo)計(jì)算的第四實(shí)施方式的步驟流程圖。圖9是本發(fā)明的坐標(biāo)計(jì)算的第五實(shí)施方式的步驟流程圖。[主要元件標(biāo)號說明]先前技術(shù)光學(xué)式坐標(biāo)輸入裝置90a、90b 檢測區(qū)域91第一擷取模塊921第二擷取模塊922第一發(fā)光模塊931第二發(fā)光模塊932反光邊框941發(fā)光邊框942
控制模塊95物體96本發(fā)明光學(xué)式坐標(biāo)輸入裝置10、10’、IOa檢測區(qū)域11邊框圖像Ila
第一擷取模塊21第二擷取模塊22處理模塊30、30a存儲單元31識別單元32標(biāo)記模塊33篩選模塊34物體40物體的圖像40a發(fā)光模塊50擷取圖像61去背圖像62二值化圖像63、70水平直方圖64第一對象圖像71第二對象圖像72第三對象圖像73圖像方塊SI S9寬度W高度H橫軸坐標(biāo)點(diǎn)X縱軸坐標(biāo)點(diǎn)Y第一角度0 I第二角度0 0具體實(shí)施例方式為讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉出本發(fā)明的具體實(shí)施例，并配合所附圖式，作詳細(xì)說明如下。請先參考圖2A是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的其中的一實(shí)施例的架構(gòu)圖。本發(fā)明的光學(xué)式坐標(biāo)輸入裝置10可于物體40(如圖2B所示)接近或接觸時(shí)，計(jì)算出物體40的坐標(biāo)。因此光學(xué)式坐標(biāo)輸入裝置10可與顯示屏幕等電子裝置相結(jié)合，以成為一觸控屏幕，但本發(fā)明并不以此為限。光學(xué)式坐標(biāo)輸入裝置10包括第一擷取模塊21、第二擷取模塊22及處理模塊30。第一擷取模塊21與第二擷取模塊22可為C⑶或是CMOS，但本發(fā)明并不以此為限。第一擷取模塊21用以擷取第一擷取圖像，并且可預(yù)先建立第一背景圖像。第二擷取模塊22用以擷取第二擷取圖像，并且可預(yù)先建立第二背景圖像，但本發(fā)明并不限于需預(yù)先建立背景圖像才能執(zhí)行后續(xù)的流程。處理模塊30是與第一擷取模塊21與第二擷取模塊22電性連接，用以處理第一擷取模塊21與第二擷取模塊22擷取出的圖像。處理模塊30包括存儲單元31與識別單元32。存儲單元31與第一擷取模塊21與第二擷取模塊22電性連接，用以儲存第一背景圖像
及第二背景圖像。識別單元32與存儲單元31、第一擷取模塊21與第二擷取模塊22電性連接，用以比較第一擷取圖像及第二擷取圖像，以判斷是否有物體40 (如圖2B所示)，再根據(jù)比較的結(jié)果，利用三角函數(shù)的方式進(jìn)行坐標(biāo)計(jì)算。由于識別單元32計(jì)算出坐標(biāo)的方法在之后會有詳細(xì)的說明，故在此先不贅述其方法。接下來請參考圖2B是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的第一實(shí)施例的使用示意圖。
在本發(fā)明的第一實(shí)施例中，光學(xué)式坐標(biāo)輸入裝置10還包括檢測區(qū)域11。檢測區(qū)域11可視為電子裝置的顯示屏幕上方的區(qū)域，但本發(fā)明并不以此為限。檢測區(qū)域11用以供物體40接近或接觸。此物體40可以為使用者的手指、觸控筆或是其它的接觸物，在本發(fā)明的實(shí)施方式中是以使用者的手指為例進(jìn)行說明，但本發(fā)明并不以此為限。在本發(fā)明的第一實(shí)施例中，第一擷取模塊21與第二擷取模塊22被分別設(shè)置于檢測區(qū)域11的相鄰的角落，例如分別置于檢測區(qū)域11的右上角及左上角、右上角及右下角、左上角及左下角或右下角及左下角，用以直接擷取檢測區(qū)域11的圖像。并需注意的是，本發(fā)明不限定光學(xué)式坐標(biāo)輸入裝置10僅能具有兩組擷取模塊，亦可同時(shí)具有兩組以上的擷取模塊，并且分別設(shè)置于檢測區(qū)域11的不同角落。第一擷取模塊21與第二擷取模塊22隨時(shí)對檢測區(qū)域11擷取出第一擷取圖像與第二擷取圖像，并且可在物體40并未靠近檢測區(qū)域11時(shí)，預(yù)先對檢測區(qū)域11擷取出第一背景圖像及第二背景圖像。此第一背景圖像及第二背景圖像可為第一擷取模塊21與第二、擷取模塊22直接對著檢測區(qū)域11的邊框所擷取的圖像，但本發(fā)明并不以此為限。需注意的是，檢測區(qū)域11的邊框不需為反光或發(fā)光的邊框，僅需與物體40有明暗差異的邊框即可達(dá)成本發(fā)明的效果。而在第一擷取模塊21與第二擷取模塊22擷取出第一擷取圖像、第二擷取圖像、第一背景圖像及第二背景圖像后，識別單元32可先將第一擷取圖像及第二擷取圖像進(jìn)行去背景處理，再利用第一閾值與第二閾值進(jìn)行篩選等方式，以去除掉圖像噪聲，藉此判斷是否有物體40接近或接觸到檢測區(qū)域11。最后識別單元32再利用三角函數(shù)的方式計(jì)算出物體40的坐標(biāo)，但本發(fā)明并不以上述的方式為限。由于識別單元32計(jì)算出物體40的坐標(biāo)的方法在之后會有詳細(xì)的說明，故在此先不贅述其方法。接著請參考圖2C是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的第二實(shí)施例的使用示意圖。在本發(fā)明的第二實(shí)施例中，光學(xué)式坐標(biāo)輸入裝置10’額外包括了發(fā)光模塊50,用以發(fā)出光源。第一擷取模塊21與第二擷取模塊22可通過發(fā)光模塊50發(fā)出的光源使得擷取的圖像更清晰，因此能更精準(zhǔn)地識別出物體40的坐標(biāo)。但本發(fā)明并不以此實(shí)施例為限。接著請參考圖3A是本發(fā)明的坐標(biāo)計(jì)算的第一實(shí)施方式的步驟流程圖。此處需注意的是，以下雖以光學(xué)式坐標(biāo)輸入裝置10為例說明本發(fā)明的坐標(biāo)計(jì)算的方法，但本發(fā)明的坐標(biāo)計(jì)算的方法并不以使用在光學(xué)式坐標(biāo)輸入裝置10為限。首先進(jìn)行步驟301，第一擷取模塊21與第二擷取模塊22擷取檢測區(qū)域11的圖像，以得到第一擷取圖像及第二擷取圖像。其次進(jìn)行步驟302，識別單元32通過第一閾值以對第一擷取圖像及第二擷取圖像執(zhí)行處理流程，以分別得到第一二值化圖像及第二二值化圖像。而關(guān)于上述的處理流程的不同實(shí)施方式在之后會有詳細(xì)的說明，故在此先不贅述。接著進(jìn)行步驟303，識別單元32由第一二值化圖像及第二二值化圖像中，判斷出是否同時(shí)都有物體40接近或接觸到檢測區(qū)域11。而其詳細(xì)的判斷方法在之后會有詳細(xì)的說明，故在此先不贅述。若識別單元32判斷物體40接觸到檢測區(qū)域11后，則進(jìn)行步驟304。本步驟請同時(shí)參考圖3B本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的計(jì)算物體的位置的示意圖。在本發(fā)明的一實(shí)施例中，識別單元32再利用三角函數(shù)計(jì)算出物體40的坐標(biāo)，但本發(fā)明并不以此方式為限。細(xì)言之，假設(shè)檢測區(qū)域11具有一寬度W及一高度H，而由第一擷取模塊21所擷取的物體40的圖像可以計(jì)算出第一角度0 1，第二擷取模塊22所擷取的物體40的圖像可以計(jì)算出第二角度0 2。接著可利用三角函數(shù)計(jì)算出物體40的橫軸坐標(biāo)點(diǎn)X :
r IW * tan 92X =-
tan 0\ + tan 02
以及物體40的縱軸坐標(biāo)點(diǎn)Y Y = X*tan 0 I需注意的是，本發(fā)明并不限定需以上述的公式或是三角函數(shù)的方式才能計(jì)算出物體40的坐標(biāo)。如此一來即可得知物體40的坐標(biāo)，識別單元32再將此坐標(biāo)輸出到其它的電子裝置以進(jìn)行觸控流程。由于利用計(jì)算出的坐標(biāo)進(jìn)行其它電子裝置的觸控流程并非本發(fā)明的重點(diǎn)所在，故在此不再贅述后續(xù)的控制流程。接著請參考圖4A是本發(fā)明的坐標(biāo)計(jì)算的第二實(shí)施方式的步驟流程圖。以下的步驟亦請同時(shí)參考圖5A到是本發(fā)明擷取的圖像的示意圖。首先會進(jìn)行步驟400，光學(xué)式坐標(biāo)輸入裝置10通過第一擷取模塊21與第二擷取模塊22于系統(tǒng)初始時(shí)，擷取檢測區(qū)域11的圖像作為第一背景圖像與第二背景圖像，并將第一背景圖像及第二背景圖像儲存于存儲單元31內(nèi)。其次進(jìn)行步驟401，第一擷取模塊21與第二擷取模塊22持續(xù)擷取檢測區(qū)域11的圖像，以得到第一擷取圖像及第二擷取圖像。如同圖5A所示，以第一擷取模塊21與第二擷取模塊22的其中的一模塊所擷取出的擷取圖像61為例進(jìn)行說明。由圖5A可知，擷取圖像61可能會同時(shí)顯示出物體40的圖像40a及背景的圖像。此背景可能包含檢測區(qū)域11的邊框圖像11a，但本發(fā)明并不以此為限。接著進(jìn)行步驟402，識別單元32根據(jù)儲存于存儲單元31內(nèi)的第一背景圖像及第二背景圖像，將第一背景圖像與第一擷取圖像以及第二背景圖像與第二擷取圖像分別作比較，以確定第一背景圖像與第一擷取圖像以及第二背景圖像與第二擷取圖像是否相異。在本發(fā)明的第二實(shí)施方式中，識別單元32分別根據(jù)第一背景圖像及第二背景圖像將第一擷取圖像及第二擷取圖像去除背景，以得到第一去背圖像及第二去背圖像。如此一來可更精準(zhǔn)地識別出物體40的圖像40a，但本發(fā)明并不以上述的方式為限。如圖5B所示，識別單元32對擷取圖像61執(zhí)行去背景處理，以得到去背圖像62。在去背圖像62中是去除邊框圖像11a，僅顯示出物體40的圖像40a。由于進(jìn)行去背景的技術(shù)已經(jīng)被廣泛地應(yīng)用于各式的圖像處理中，故在此不再贅述其原理。接著進(jìn)行步驟403 :將該第一去背圖像及該第二去背圖像依第一閾值以分別得到
第一二值化圖像及第二二值化圖像。識別單元32將步驟402中所得的第一去背圖像及第二去背圖像減去第一閾值，以分別得到第一二值化圖像及第二二值化圖像。此步驟請同時(shí)參考圖5C所示的圖形。首先識別單元32將圖5B中的去背圖像62的各個(gè)像素灰度值，減去第一閾值。接著再將余數(shù)大于零的像素灰度值設(shè)為灰度極大值，把余數(shù)小于零的像素灰度設(shè)為灰度極小值，以得到二值化圖像63，從而實(shí)現(xiàn)二值閾值擷取(Bilevel Thresholding)。由于將圖像二值化的技術(shù)已經(jīng)被本領(lǐng)域技術(shù)人員所廣泛利用，故在此不再贅述其原理。
接著再進(jìn)行步驟404，識別單元32由第一二值化圖像及第二二值化圖像中，判斷出是否同時(shí)都有物體40接近或接觸到檢測區(qū)域11。其詳細(xì)的判斷方法請同時(shí)參考圖4B是本發(fā)明的判斷物體是否接觸的方法的步驟流程圖。首先識別單元32進(jìn)行步驟404a，識別單元32統(tǒng)計(jì)二值化圖像63每一橫軸坐標(biāo)上具有的亮點(diǎn)數(shù)，以得到圖所示的水平直方圖64。其次進(jìn)行步驟404b，識別單元32將水平直方圖64的亮點(diǎn)數(shù)進(jìn)行統(tǒng)計(jì)，以判斷水平直方圖64中是否有一欄的多個(gè)亮點(diǎn)數(shù)超出第二閾值。第二閾值為識別單元32判斷的一門坎，若水平直方圖64中有一欄的多個(gè)亮點(diǎn)數(shù)超過第二閾值，識別單元32直接進(jìn)行步驟405。
以經(jīng)由第一擷取模塊21所得的水平直方圖64為例，在水平直方圖64中亮點(diǎn)數(shù)最多之處可視為物體40在第一擷取圖像中的確切位置。亦可利用相同方法找出物體40在第二擷取圖像中的確切位置。接著識別單元32再利用三角函數(shù)或是其它的計(jì)算法來計(jì)算出物體40的坐標(biāo)。若識別單元32判斷物體40并未接觸到檢測區(qū)域11，則進(jìn)行步驟406 :重新建立該
第一背景圖像及該第二背景圖像。若多個(gè)亮點(diǎn)數(shù)并未超過第二閾值，代表沒有物體40接觸或接近到檢測區(qū)域11。當(dāng)識別單元32判斷物體40并未接觸到檢測區(qū)域11時(shí)，處理模塊30可根據(jù)環(huán)境的變化，例如根據(jù)環(huán)境的明暗度，控制第一擷取模塊21及第二擷取模塊22重新建立第一背景圖像及第二背景圖像，以更精確地判斷出物體40的坐標(biāo)。最后再回到步驟401，以重復(fù)擷取新的第一擷取圖像及第二擷取圖像。另一方面，若第一擷取圖像及第二擷取圖像并未同時(shí)顯示出物體40，則可能代表第一擷取模塊21或是第二擷取模塊22發(fā)生了錯(cuò)誤，因此也必須回到步驟401以重復(fù)擷取第一擷取圖像及第二擷取圖像。需注意的是，本發(fā)明并不以圖2A所示的光學(xué)式坐標(biāo)輸入裝置10的架構(gòu)為限。接著請參考圖6是本發(fā)明的光學(xué)式坐標(biāo)輸入裝置的另一實(shí)施例的架構(gòu)圖。在本發(fā)明的另一實(shí)施例中，光學(xué)式坐標(biāo)輸入裝置IOa的處理模塊30a還包括了標(biāo)記模塊33及篩選模塊34。標(biāo)記模塊33是與識別單元32電性連接，用以對二值化圖像執(zhí)行連通對象標(biāo)記法(connected component labeling),藉此可得到至少一對象圖像。接著識別單元32再根據(jù)最大的對象圖像與預(yù)設(shè)的樣板對象圖像進(jìn)行比對。在本實(shí)施例中，樣板對象圖像可為手指樣板對象圖像，因此當(dāng)對象圖像為樣板對象圖像時(shí)，即可確認(rèn)有手指接觸到檢測區(qū)域11。其中預(yù)設(shè)的樣板對象圖像可預(yù)先儲存于存儲單元31中，并且樣板對象圖像可為手指樣板對象圖像或是觸控筆樣板對象圖像，但本發(fā)明并不以此為限。光學(xué)式坐標(biāo)輸入裝置IOa的篩選模塊34是與第一擷取模塊21、第二擷取模塊22及識別單元32電性連接，用以根據(jù)顏色對第一擷取模塊21及第二擷取模塊22所擷取出的第一擷取圖像與第二擷取圖像進(jìn)行篩選，以節(jié)選出符合膚色的圖像。但本發(fā)明所篩選的顏色并不限定于膚色。而關(guān)于尋找手指圖像的詳細(xì)步驟請參考圖7A到7B是本發(fā)明的坐標(biāo)計(jì)算的第三實(shí)施方式的步驟流程圖。首先進(jìn)行步驟700 :預(yù)先建立檢測區(qū)域的第一背景圖像及第二背景圖像。
光學(xué)式坐標(biāo)輸入裝置IOa通過第一擷取模塊21與第二擷取模塊22，擷取第一背景圖像與第二背景圖像，并儲存于存儲單元31內(nèi)。其次進(jìn)行步驟701 :擷取檢測區(qū)域的第一擷取圖像及第二擷取圖像。第一擷取模塊21與第二擷取模塊22持續(xù)擷取檢測區(qū)域11的圖像，以得到第一擷取圖像及第二擷取圖像。即如同圖5A所示的擷取圖像61。接著進(jìn)行步驟702 :分別根據(jù)第一背景圖像及第二背景圖像將第一擷取圖像及第二擷取圖像去除背景，以得到第一去背圖像及第二去背圖像。識別單元32分別根據(jù)儲存于存儲單元31內(nèi)的第一背景圖像及第二背景圖像將第一擷取圖像及第二擷取圖像去除背景，以得到第一去背圖像及第二去背圖像。即如同圖5B所示的去背圖像62。接著進(jìn)行步驟703 :通過第一閾值過濾第一去背圖像及第二去背圖像，以分別得
到第一二值化圖像及第二二值化圖像。識別單元32將步驟702中所得的第一去背圖像及第二去背圖像減去第一閾值，以分別得到第一二值化圖像及第二二值化圖像。即如同圖5C所示的二值化圖像63。由于上述步驟700到步驟703是與步驟400到步驟403的處理流程相同，故在此不再贅述。接著進(jìn)行步驟704:判斷第一二值化圖像及第二二值化圖像中是否同時(shí)有一物體。識別單元32由第一二值化圖像及第二二值化圖像中，判斷出是否同時(shí)都有物體40接近或接觸到檢測區(qū)域11。其詳細(xì)的判斷方法請同時(shí)參考圖7B是本發(fā)明的第三實(shí)施方式中判斷物體是否接觸的步驟流程圖。首先標(biāo)記模塊33進(jìn)行步驟704a，對二值化圖像執(zhí)行一連通對象標(biāo)記法以得到至少一對象圖像。首先通過標(biāo)記模塊33將二值化圖像執(zhí)行連通對象標(biāo)計(jì)法。由于在步驟703中已經(jīng)得到第一二值化圖像及第二二值化圖像，即可將二值化圖像中相同值的圖像方塊作連接，即可得知至少一對象圖像。關(guān)于連通對象標(biāo)記法請參考圖7C是本發(fā)明的對二值化圖像執(zhí)行連通對象標(biāo)記法的示意圖。在圖7C中，標(biāo)記模塊33依序掃描二值化圖像70所具有的多個(gè)的方塊，即可找出圖像方塊SI S9，并先確定圖像方塊左方或上方是否有圖像方塊，以將相鄰的圖像方塊做標(biāo)記。需注意的是，圖6A是以在水平和垂直方向的鄰近方塊為例進(jìn)行說明，但本發(fā)明亦可同時(shí)考慮四個(gè)對角的鄰近方塊。舉例而言，當(dāng)標(biāo)記模塊33掃描圖像方塊SI時(shí)，由于圖像方塊SI左方或上方并無圖像方塊，因此標(biāo)記模塊33給予圖像方塊SI新的標(biāo)記。而掃描到圖像方塊S2時(shí)，由于圖像方塊S2上方有圖像方塊SI，因此將圖像方塊S2給予同樣的標(biāo)記。如此一來，就可得到第一對象圖像71。若以圖像方塊S6而言，由于圖像方塊S4與S5的標(biāo)記相同，因此標(biāo)記模塊33給予圖像方塊S6相同的標(biāo)記，以得到第二對象圖像72。若以圖像方塊S9而言，由于圖像方塊S7與S8的標(biāo)記不同，因此標(biāo)記模塊33給予圖像方塊S9其中的一標(biāo)記，但標(biāo)明圖像方塊S7與S8的標(biāo)記為等價(jià)的標(biāo)記。待二值化圖像70掃描完后，標(biāo)記模塊33再將所有等價(jià)的標(biāo)記更改為相同的標(biāo)記，即可得到第三對象圖像73。通過上述的過程，標(biāo)記模塊33即可找出二值化圖像70內(nèi)所有的對象圖像。由于連通對象標(biāo)記法已經(jīng)被本發(fā)明相關(guān)技術(shù)領(lǐng)域人員所廣泛應(yīng)用，故在此不再贅述其方法。其次進(jìn)行步驟704b，識別單元32判斷步驟704a中得到的對象圖像的形狀是否與儲存于存儲單元31中的樣板對象圖像相同。并且識別單元32可先一步將對象圖像的大小正規(guī)化，使其大小與樣板對象圖像相同再進(jìn)行形狀比對。樣板對象圖像可以為手指樣板圖像或是觸控筆樣板圖像等，但本發(fā)明并不限于此。若以圖7C，具有多個(gè)對象圖像的二值化圖像70為例時(shí)，則識別單元32由面積最大的第二對象圖像72開始比對。當(dāng)最大面積的第二對象圖像72與樣板對象圖像不相同時(shí)，識別單元32執(zhí)行步驟704c :重新選取另一對象圖像。識別單元32依照面積大小的順序，重新選取次大面積的第三對象圖像73來與樣 板對象圖像進(jìn)行比對，直到將所有的對象圖像都比對完為止。當(dāng)識別單元32比對對象圖像與樣板對象圖像后，若兩者的圖像形狀相同，識別單元32直接進(jìn)行步驟705。若經(jīng)比對后，識別單元32判斷第一對象圖像71的形狀與樣板對象圖像相同，則第一對象圖像71的中心點(diǎn)位置可視為物體40在擷取圖像中的確切位置。因此光學(xué)式坐標(biāo)輸入裝置IOa可利用相同方法找出物體40在第一與第二擷取圖像中的確切位置。接著識別單元32再利用三角函數(shù)或是其它的計(jì)算法來計(jì)算出物體40的坐標(biāo)。接著請參考圖8是本發(fā)明的坐標(biāo)計(jì)算的第四實(shí)施方式的步驟流程圖。首先進(jìn)行步驟801，第一擷取模塊21與第二擷取模塊22持續(xù)擷取檢測區(qū)域11的圖像，以得到第一擷取圖像及第二擷取圖像。由于此步驟801是與步驟401的處理流程相同，故在此不再贅述。接著進(jìn)行步驟802 :將該第一擷取圖像及該第二擷取圖像進(jìn)行顏色篩選以得到一第一篩選圖像及一第二篩選圖像。篩選模塊34根據(jù)顏色對第一擷取圖像及該第二擷取圖像進(jìn)行篩選，以得到第一篩選圖像及第二篩選圖像。在本實(shí)施例中是根據(jù)膚色進(jìn)行篩選，但本發(fā)明并不限于膚色，亦可設(shè)定為其它的顏色。接著進(jìn)行步驟803 :通過第一閾值過濾第一篩選圖像及第二篩選圖像，以分別得
到第一二值化圖像及第二二值化圖像。識別單元32將步驟802中所得的第一篩選圖像及第二篩選圖像減去第一閾值，以分別得到第一二值化圖像及第二二值化圖像。由于此步驟803是與步驟403的處理流程類似，僅將去背圖像替換為篩選圖像，故在此不再贅述得到二值化圖像的流程。接著進(jìn)行步驟804:判斷第一二值化圖像及第二二值化圖像中是否同時(shí)有一物體。識別單元32由第一二值化圖像及第二二值化圖像中，判斷出是否同時(shí)都有物體40接近或接觸到檢測區(qū)域11。由于步驟804詳細(xì)的判斷方法是與圖7B所示的步驟704a到步驟704c的流程相同，故在此不再贅述。最后若識別單元32判斷物體40接觸到檢測區(qū)域11后，則進(jìn)行步驟805，以計(jì)算出物體40在第一與第二擷取圖像中的確切位置。接著識別單元32再利用三角函數(shù)或是其它的計(jì)算法來計(jì)算出物體40的坐標(biāo)。最后請參考圖9是本發(fā)明的坐標(biāo)計(jì)算的第五實(shí)施方式的步驟流程圖。首先進(jìn)行步驟900，光學(xué)式坐標(biāo)輸入裝置IOa通過第一擷取模塊21與第二擷取模塊22，擷取第一背景圖像與第二背景圖像，并儲存于存儲單元31內(nèi)。其次進(jìn)行步驟901，第一擷取模塊21與第二擷取模塊22持續(xù)擷取檢測區(qū)域11的圖像，以得到第一擷取圖像及第二擷取圖像。再進(jìn)行步驟902，識別單元32分別根據(jù)儲存于存儲單元31內(nèi)的第一背景圖像及第二背景圖像將第一擷取圖像及第二擷取圖像去除背景，以得到第一去背圖像及第二去背圖像。由于上述步驟900到步驟902是與步驟400到步驟402的處理流程相同，故在此不再贅述。 接著進(jìn)行步驟903 :將第一去背圖像及第二去背圖像進(jìn)行顏色篩選以得到第一篩選圖像及第二篩選圖像。接著篩選模塊34根據(jù)顏色對第一去背圖像及該第二去背圖像進(jìn)行篩選，以得到第一篩選圖像及第二篩選圖像。在本實(shí)施例中是根據(jù)膚色進(jìn)行篩選，但本發(fā)明并不限于膚色。接著進(jìn)行步驟904，識別單元32將步驟903中所得的第一篩選圖像及第二篩選圖像減去第一閾值，以分別得到第一二值化圖像及第二二值化圖像。由于此上述步驟903到步驟904是與步驟403或步驟803的處理流程類似，僅將得到篩選圖像的來源由擷取圖像替換去背圖像為篩選圖像，故在此不再贅述得到二值化圖像的流程。接著進(jìn)行步驟905，識別單元32由第一二值化圖像及第二二值化圖像中，判斷出是否同時(shí)都有物體40接近或接觸到檢測區(qū)域11。由于步驟905詳細(xì)的判斷方法是與圖7B所示的步驟704a到步驟704c的流程相同，故在此不再贅述。最后若識別單元32判斷物體40接觸到檢測區(qū)域11后，則進(jìn)行步驟906，以計(jì)算出物體40在第一與第二擷取圖像中的確切位置。接著識別單元32再利用三角函數(shù)或是其它的計(jì)算法來計(jì)算出物體40的坐標(biāo)。此處需注意的是，本實(shí)施例的坐標(biāo)計(jì)算的方法并不以上述各個(gè)實(shí)施方式中所示的步驟次序?yàn)橄蓿灰苓_(dá)成本發(fā)明的目的，上述的步驟次序亦可加以改變。惟應(yīng)注意的是，上述諸多實(shí)施例僅是為了便于說明而舉例而已，本發(fā)明所主張的權(quán)利范圍自應(yīng)以權(quán)利要求范圍所述為準(zhǔn)，而非僅限于上述實(shí)施例。
權(quán)利要求
1.一種光學(xué)式坐標(biāo)輸入裝置，包括 一第一擷取模塊，用以得到一第一擷取圖像； 一第二擷取模塊，用以得到一第二擷取圖像；以及 一識別單元，與該第一擷取模塊及該第二擷取模塊電性連接，用以通過一第一閾值以對該第一擷取圖像及該第二擷取圖像執(zhí)行處理流程，以分別得到一第一二值化圖像及一第二二值化圖像，并根據(jù)該第一二值化圖像及該第二二值化圖像執(zhí)行坐標(biāo)計(jì)算。
2.根據(jù)權(quán)利要求I所述的光學(xué)式坐標(biāo)輸入裝置，還包括一檢測區(qū)域，其中 該第一擷取圖像，是由該第一擷取模塊擷取該檢測區(qū)域的圖像所得到；以及 該第二擷取圖像，是由該第二擷取模塊擷取該檢測區(qū)域的圖像所得到。
3.根據(jù)權(quán)利要求2所述的光學(xué)式坐標(biāo)輸入裝置，該第一擷取模塊與該第二擷取圖像被分別設(shè)置于該檢測區(qū)域的相鄰的角落。
4.根據(jù)權(quán)利要求I或3所述的光學(xué)式坐標(biāo)輸入裝置，還包括一存儲單元，與該第一擷取模塊及該第二擷取模塊電性連接，其中 該第一擷取模塊預(yù)先建立一第一背景圖像； 該第二擷取模塊預(yù)先建立一第二背景圖像； 該存儲單元用以儲存該第一背景圖像及該第二背景圖像；以及該識別單元分別根據(jù)該第一背景圖像及該第二背景圖像將該第一擷取圖像及該第二擷取圖像去除背景，以得到一第一去背圖像及一第二去背圖像；其中該第一二值化圖像及該第二二值化圖像是分別通過該第一閾值過濾該第一去背圖像及該第二去背圖像所得到。
5.根據(jù)權(quán)利要求4所述的光學(xué)式坐標(biāo)輸入裝置，其中該識別單元進(jìn)一步分別判斷該第一二值化圖像及該第二二值化圖像的多個(gè)亮點(diǎn)數(shù)是否超出一第二閾值。
6.根據(jù)權(quán)利要求5所述的光學(xué)式坐標(biāo)輸入裝置,還包括至少一發(fā)光模塊，以提供該第一擷取模塊及該與第二擷取模塊一光源。
7.根據(jù)權(quán)利要求I或3所述的光學(xué)式坐標(biāo)輸入裝置，還包括 一存儲單元，儲存一樣板對象圖像； 一標(biāo)記模塊，與該識別單元電性連接，以分別根據(jù)該第一二值化圖像及該第二二值化圖像執(zhí)行一連通對象標(biāo)記法以得到至少一對象圖像，并判斷該至少一對象圖像是否與該樣板對象圖像相同，若是，則該識別單元執(zhí)行坐標(biāo)計(jì)算。
8.根據(jù)權(quán)利要求7所述的光學(xué)式坐標(biāo)輸入裝置，其中 該第一擷取模塊預(yù)先擷取一第一背景圖像； 該第二擷取模塊預(yù)先擷取一第二背景圖像； 該存儲單元用以儲存該第一背景圖像及該第二背景圖像；以及該識別單元分別根據(jù)該第一背景圖像及該第二背景圖像將該第一擷取圖像及該第二擷取圖像去除背景，以得到一第一去背圖像及一第二去背圖像。
9.根據(jù)權(quán)利要求8所述的光學(xué)式坐標(biāo)輸入裝置，其中該第一二值化圖像及該第二二值化圖像是通過該第一閾值過濾該第一去背圖像及該第二去背圖像所得到。
10.根據(jù)權(quán)利要求8所述的光學(xué)式坐標(biāo)輸入裝置，該光學(xué)式坐標(biāo)輸入裝置還包括一篩選模塊，用以將該第一去背圖像及該第二去背圖像進(jìn)行顏色篩選以得到一第一篩選圖像及一第二篩選圖像；該第一二值化圖像及該第二二值化圖像是通過該第一閾值過濾該第一篩選圖像及該第二篩選圖像所得到。
11.根據(jù)權(quán)利要求7所述的光學(xué)式坐標(biāo)輸入裝置，該光學(xué)式坐標(biāo)輸入裝置還包括一篩選模塊，用來將該第一擷取圖像及該第二擷取圖像進(jìn)行顏色篩選以得到一第一篩選圖像及一第二篩選圖像；該第一二值化圖像及該第二二值化圖像是通過該第一閾值過濾該第一篩選圖像及該第二篩選圖像所得到。
12.根據(jù)權(quán)利要求7所述的光學(xué)式坐標(biāo)輸入裝置，其中該識別單元進(jìn)一步用以將該對象圖像大小正規(guī)化。
13.根據(jù)權(quán)利要求7所述的光學(xué)式坐標(biāo)輸入裝置，其中該樣板對象圖像為一手指樣板對象圖像或一觸控筆樣板對象圖像。
14.根據(jù)權(quán)利要求I所述的光學(xué)式坐標(biāo)輸入裝置，其中該識別單元利用一三角函數(shù)做坐標(biāo)計(jì)算。
15.一種坐標(biāo)計(jì)算的方法，用于一光學(xué)式坐標(biāo)輸入裝置，該方法包括以下步驟 擷取一檢測區(qū)域的一第一擷取圖像及一第二擷取圖像； 通過一第一閾值對該第一擷取圖像及該第二擷取圖像執(zhí)行一處理流程，以分別得到一第一二值化圖像及一第二二值化圖像； 判斷該第一二值化圖像及該第二二值化圖像中是否同時(shí)有一物體；以及 若是，則執(zhí)行坐標(biāo)計(jì)算。
16.根據(jù)權(quán)利要求15所述的坐標(biāo)計(jì)算的方法，其中執(zhí)行該處理流程以得到該第一二值化圖像及該第二二值化的步驟還包括 預(yù)先建立該檢測區(qū)域的一第一背景圖像及一第二背景圖像； 分別根據(jù)該第一背景圖像及該第二背景圖像將該第一擷取圖像及該第二擷取圖像去除背景，以得到一第一去背圖像及一第二去背圖像；以及 通過該第一閾值過濾該第一去背圖像及該第二去背圖像，以分別得到該第一二值化圖像及該第二二值化圖像。
17.根據(jù)權(quán)利要求16所述的坐標(biāo)計(jì)算的方法，其中判斷該第一二值化圖像及該第二二值化圖像中是否同時(shí)具有該物體的步驟還包括 分別統(tǒng)計(jì)該第一二值化圖像及該第二二值化圖像的多個(gè)亮點(diǎn)數(shù)； 判斷該多個(gè)亮點(diǎn)數(shù)是否超出一第二閾值；以及 若是，則判斷具有該物體。
18.根據(jù)權(quán)利要求17所述的坐標(biāo)計(jì)算的方法，還包括重新建立該第一背景圖像及該第二背景圖像的步驟。
19.根據(jù)權(quán)利要求15所述的坐標(biāo)計(jì)算的方法，其中執(zhí)行該處理流程以得到該第一二值化圖像及該第二二值化圖像的步驟還包括 將該第一擷取圖像及該第二擷取圖像進(jìn)行顏色篩選以得到一第一篩選圖像及一第二篩選圖像；以及 通過該第一閾值過濾該第一篩選圖像及該第二篩選圖像，以分別得到該第一二值化圖像及該第二二值化圖像。
20.根據(jù)權(quán)利要求15所述的坐標(biāo)計(jì)算的方法，其中執(zhí)行該處理流程以得到該第一二值化圖像及該第二二值化圖像的步驟還包括預(yù)先擷取一第一背景圖像及一第二背景圖像； 分別根據(jù)該第一背景圖像及該第二背景圖像將該第一擷取圖像及該第二擷取圖像去除背景，以得到一第一去背圖像及一第二去背圖像； 將該第一去背圖像及該第二去背圖像進(jìn)行顏色篩選以得到一第一篩選圖像及一第二篩選圖像；以及 通過該第一閾值過濾該第一篩選圖像及該第二篩選圖像，以分別得到該第一二值化圖像及該第二二值化圖像。
21.根據(jù)權(quán)利要求16、19或20所述的坐標(biāo)計(jì)算的方法，還包括以下步驟 分別對該第一二值化圖像及該第二二值化圖像執(zhí)行一連通對象標(biāo)記法以得到至少一對象圖像； 判斷該至少一對象圖像是否與一樣板對象圖像相同；以及 若是，則判斷具有該物體。
22.根據(jù)權(quán)利要求21所述的坐標(biāo)計(jì)算的方法，還包括將該對象圖像的大小正規(guī)化的步驟。
23.根據(jù)權(quán)利要求21所述的坐標(biāo)計(jì)算的方法，還包括以下步驟 分別自該第一二值化圖像及該第二二值化圖像中得到多個(gè)對象圖像；以及 依照該多個(gè)對象圖像的面積大小順序，依序判斷是否與該樣板對象圖像相同。
24.根據(jù)權(quán)利要求15所述的坐標(biāo)計(jì)算的方法，其中執(zhí)行坐標(biāo)計(jì)算的步驟還包括 利用一三角函數(shù)進(jìn)行坐標(biāo)計(jì)算。
25.—種坐標(biāo)計(jì)算的方法，用于一光學(xué)式坐標(biāo)輸入裝置，該方法包括以下步驟 預(yù)先建立一檢測區(qū)域的一第一背景圖像及一第二背景圖像； 擷取該檢測區(qū)域的一第一擷取圖像及一第二擷取圖像； 分別比較該第一背景圖像與該第一擷取圖像，以及比較該第二背景圖像與該第二擷取圖像，以得到一第一去背圖像及一第二去背圖像； 判斷該第一去背圖像及該第二去背圖像中是否同時(shí)有一物體；以及 若是，則執(zhí)行坐標(biāo)計(jì)算。
26.根據(jù)權(quán)利要求25所述的坐標(biāo)計(jì)算的方法，其中判斷該第一去背圖像及該第二去背圖像中是否同時(shí)具有該物體的步驟還包括 通過一第一閾值過濾該第一去背圖像及該第二去背圖像，以分別得到一二值化圖像； 統(tǒng)計(jì)該二值化圖像的多個(gè)亮點(diǎn)數(shù)； 判斷該多個(gè)亮點(diǎn)數(shù)是否超出一第二閾值；以及 若是，則判斷具有該物體。
全文摘要
本發(fā)明為一種光學(xué)式坐標(biāo)輸入裝置及其坐標(biāo)計(jì)算的方法。光學(xué)式坐標(biāo)輸入裝置包括第一擷取模塊、第二擷取模塊及識別單元。第一擷取模塊與第二擷取模塊用以分別得到第一擷取圖像及第二擷取圖像。識別單元用以通過第一閾值以對第一擷取圖像及第二擷取圖像執(zhí)行處理流程，以分別得到第一二值化圖像及第二二值化圖像，并根據(jù)該第一二值化圖像及該第二二值化圖像執(zhí)行坐標(biāo)計(jì)算。
文檔編號G06F3/042GK102736796SQ20111010382
公開日2012年10月17日 申請日期2011年4月25日 優(yōu)先權(quán)日2011年4月1日
發(fā)明者林瑞建, 陳裕彥 申請人:緯創(chuàng)資通股份有限公司