[发明专利]一种基于Laplacian扩展算子的车牌图像二值化方法

摘要

本发明涉及一种基于Laplacian扩展算子的车牌图像二值化方法，其特征在于，包括以下步骤利用Laplacian扩展算子对车牌灰度图像进行卷积运算，获取正、负边缘分布特征；利用最大类间方差法获取阈值正边缘分布特征的阈值T1及负边缘分布特征的阈值T2，生成三值图像；通过三值图像各点的像素值区分出车牌的字符和背景，从而获得二值化图像。本发明解决传统基于灰度二值化方法在特殊场景中应用的缺陷，对存在阴影覆盖和局部过曝等现象的车牌图像，能够充分保留笔画的完整性，提高车牌图像的二值化效果。

主权项

一种基于Laplacian扩展算子的车牌图像二值化方法，其特征在于，包括以下步骤：步骤1、利用Laplacian扩展算子对车牌灰度图像进行卷积运算，获取正、负边缘分布特征；步骤2、利用最大类间方差法获取阈值正边缘分布特征的阈值T1及负边缘分布特征的阈值T2，通过判断车牌灰度图像各点像素值与阈值T1及阈值T2的关系可获得黑、白、灰三值图像的各点像素值g(i，j)，从而生成三值图像：g(i,j)=0........................dst(i,j)>T1255........................dst(i,j)<T2128........................T2≤dst(i,j)≤T1]]>式中，dst(i，j)为车牌灰度图像中点(i，j)的像素值，其中，阈值T1及阈值T2的获取方法相同，包括如下步骤：步骤2.1、统计出正边缘分布特征或负边缘分布特征的直方图分布；步骤2.2、对于正边缘分布特征或负边缘分布特征，存在阈值T，将数据分为了两类，这两类数据之间的方差为整组数据的总体方差为σ2，每一类数据的平均值和全体数据的总体平均值的方差为ω0=Σi=1Tp(i);]]>ω1=Σi=T+1nLenp(i);]]>μ0=Σi=1Tip(i)ω0;]]>式中，nLen表示最大灰度级，p(i)表示灰度值为i的概率；步骤2.3、根据OTSU推导公式，能使的值获得最小值的阈值T的值即为阈值T1或阈值T2；步骤3、通过三值图像各点的像素值区分出车牌的字符和背景，从而获得二值化图像。