1.一种靶子环数的图像识别方法，其特征在于，包括：

获取靶盘各环区域的面积范围和靶盘的圆心坐标；

获取靶盘上弹孔的角点坐标，并通过Kmeans聚类算法，获取靶盘上弹孔的质心坐标；

计算弹孔的角点坐标与质点坐标的距离，并计算弹孔的角点坐标与靶的圆心坐标的距离，获取距离质心最远和距离圆心最近的角点；

计算距离质心最远和距离圆心最近的角点所在圆的面积，记作角点面积，并计算弹孔质心所在圆的面积，记作质心面积；当角点面积、质点面积在所在环数的面积范围内时，确定靶子环数为角点面积、质点面积所属的环数；当角点面积、质点面积不在所在环数的面积范围内时，确定靶子环数为质心面积所属的环数加1。

2.如权利要求1所述的靶子环数的图像识别方法，其特征在于，还包括：对采集的图像进行阈值分割，对靶盘的环数进行分割；其中，所述对采集的图片进行图像阈值分割，具体包括：将采集的图像转换为灰度图像；

对灰度图像，采用大津法进行阈值分割。

3.如权利要求1所述的靶子环数的图像识别方法，其特征在于，所述获取靶盘各环区域的面积范围和靶盘的圆心坐标，具体包括：采用Opencv图像处理库中函数findContours和drawContours，提取和绘制靶盘各环区域；采用Opencv图像处理库中函数contourArea(contours[i]，计算靶盘各环区域的面积范围；采用Opencv图像处理库中函数minEnclosingCircle()得到靶盘的圆心坐标。

4.如权利要求1所述的靶子环数的图像识别方法，其特征在于，所述获取靶盘上弹孔的角点坐标，并通过Kmeans聚类算法，获取靶盘上弹孔的质心坐标，具体包括：对每个弹孔做最小外接圆或最小外接矩形，并通过Harris角点检测、归一化处理、图像增强处理，确定每个弹孔的区域边缘的多个角点坐标；

根据每个弹孔的多个角点坐标，通过进行Kmeans聚类算法，确定每个弹孔的质心坐标；

其中，Kmeans聚类算法中的K值为对应弹孔最小外接圆或最小外接矩形的数量。

5.如权利要求4所述的靶子环数的图像识别方法，其特征在于，所述Harris角点检测，具体包括：对角点响应函数R进行阈值处理，当R>threshold时，提取R的局部极大值。

6.如权利要求1所述的靶子环数的图像识别方法，其特征在于，所述获取靶盘上弹孔的角点坐标，并通过Kmeans聚类算法，获取靶盘上弹孔的质心坐标，具体包括：对每个弹孔做最小外接圆或最小外接矩形，并通过凸包检测，确定每个弹孔的凸包点集；

根据每个弹孔的凸包点集，通过进行Kmeans聚类算法，确定每个弹孔的质心坐标；其中，Kmeans聚类算法中的K值为对应弹孔最小外接圆或最小外接矩形的数量。