CN105447491A - 标识牌图像二值化方法及其装置 - Google Patents

Abstract

本申请公开了一种标识牌图像二值化方法/装置，包括：获取标识牌图像的灰度数据，根据标识牌图像的全局阈值和各像素点的局部阈值确定各像素点的最终阈值，依据最终阈值及像素点的灰度值对各像素点进行二值化。此外，还包括：判别标识牌的背景图像种类，根据判别出的结果选择更合适的二值化方案。采用全局阈值和局部阈值的结合获得各像素点的最终阈值，能够减少光照不均匀对二值化结果的影响。

Description

标识牌图像二值化方法及其装置

技术领域

本申请涉及图像数据处理领域，尤其涉及到一种标识牌图像二值化方法及其装置。

背景技术

随着居民收入的不断提高，城市规模不断扩大，城市中的机动车数目也在不断的迅速增长。随之而来的是城市道路交通流量不断增大，交通事故、交通阻塞等问题日益严重。传统上的管理方式已经不能满足日益增长的需求，由此，智能交通系统应运而生。智能交通中的车牌识别或者路标识别技术是计算机视觉与模式识别技术在智能交通领域中应用的重要研究课题。以车牌识别为例，在车牌识别系统中，主要可以分为较为独立的三个环节：车牌定位、字符分割、字符识别。车牌字符分割中有一项重要的工作是对车牌图像进行二值化的预处理。

在车牌预处理这个阶段，车牌二值化是较关键的步骤，车牌因为受到光线不均、定位不准确等干扰因素的影响，二值化结果往往会不够理想。公开号为CN101154270的中国发明专利公开了一种基于补偿原理和中心区域扫描的车牌二值化方法，主要包括如下步骤：(1)车牌图像增强，运用灰度直方图和灰度拉伸变换对车牌区域进行处理以实现对车牌中字符区域的增强；(2)采用基于光照补偿原理的二值化方法对增强后的车牌进行二值化：(A)计算增强后车牌的灰度直方图，然后计算字符象素点和背景象素点的灰度级g1和g2以及增强后的车牌图像的均值和标准差；(B)计算光照补偿函数f(L)；(C)计算二值化的阈值，并对对增强后的车牌图像进行二值化；(3)采用中心区域扫描法对车牌进行处理：(a)确定车牌中心区域的位置；(b)计算二值车牌区域水平方向黑白线段长度之和，并统计黑、白线段的各自最大长度；(c)比较黑、白线段的最大长度，判断原始车牌类型是白底黑字还是黑底白字；(d)根据上述结果确定最终车牌二值化图像。

利用补偿原理和中心区域扫描的方法对车牌进行二值化，可以很好的抑制光照对二值化结果的影响。但是这种方法实现起来相对复杂，因此需要提供一种复杂度低但能够对光照有鲁棒性的车牌二值化方法。

发明内容

本申请提供一种标识牌图像二值化方法及其装置，以减少光照对二值化结果的影响，并较容易实现。

根据本申请的第一方面，本申请提供一种标识牌图像二值化方法，标识牌图像包括前景字符和前景字符的背景图像，二值化方法包括：

图像获取步骤，获取标识牌图像的灰度数据；

全局阈值确定步骤，确定标识牌图像指定区域的全局阈值；

局部阈值计算步骤，计算指定区域各像素点的局部阈值；

最终阈值计算步骤，根据全局阈值和各像素点的局部阈值计算各像素点的最终阈值；

指定区域二值化步骤，基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。

根据本申请的第二方面，本申请提供另一种标识牌图像二值化方法，包括：

图像获取步骤，获取标识牌图像；

标识牌种类判别步骤，根据获取的标识牌图像判别标识牌种类，其中，标识牌种类为背景图像种类，包括白色标识牌和非白色标识牌；

如果判别标识牌种类为非白色标识牌，则执行步骤如下：

图像转换步骤，将获取的标识牌图像转换为灰度图像；

全局阈值确定步骤，确定灰度图像指定区域的全局阈值；

局部阈值计算步骤，计算指定区域各像素点的局部阈值；

最终阈值计算步骤，根据全局阈值和各像素点的局部阈值计算各像素点的最终阈值；

指定区域二值化步骤，基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。

根据本申请的第三方面，本申请提供一种标识牌图像二值化装置，包括：

图像获取模块，用于获取标识牌图像的灰度数据；

全局阈值确定模块，用于确定标识牌图像指定区域的全局阈值；

局部阈值计算模块，用于计算指定区域各像素点的局部阈值；

最终阈值计算模块，用于根据全局阈值和各像素点的局部阈值计算该像素点的最终阈值；

指定区域二值化模块，用于基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。

根据本申请的第四方面，本申请提供另一种标识牌图像二值化装置，包括：

图像获取模块，用于获取标识牌图像；

标识牌种类判别模块，用于根据获取的标识牌图像判别标识牌种类，其中，标识牌种类为背景图像种类，包括白色标识牌和非白色标识牌，如果判别标识牌种类为非白色标识牌，则触发灰度转换模块；

灰度转换模块用于将获取的标识牌图像转换为灰度图像；

全局阈值确定模块，用于确定灰度图像指定区域的全局阈值；

局部阈值计算模块，用于计算指定区域各像素点的局部阈值；

最终阈值计算模块，用于根据全局阈值和各像素点的局部阈值计算各像素点的最终阈值；

指定区域二值化模块，用于基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。

本申请的有益效果是：根据本申请提供的标识牌图像二值化方法/装置，采用全局阈值和局部阈值的结合获得指定区域的各像素点的最终阈值，基于各最终阈值对指定区域的各像素点进行二值化。由于全局阈值能够放映出标识牌图像整体的光照情况，而局部阈值能够反映出单个像素点所处局部区域的纹理细节，能够减少光照不均匀对二值化结果的影响，并且该方法较为容易实现。

进一步，通过预先判断出标识牌种类，从而便于选取合适的二值化方案，提高效率、改善效果。

附图说明

图1为本申请实施例一公开的标识牌图像二值化装置结构框图；

图2为本申请实施例一公开的标识牌图像二值化方法流程图；

图3为本申请实施例一标识牌图像轮廓示意简图；

图4为本申请实施例一指定区域个像素最终阈值计算的一种方案流程图；

图5为本申请实施例二公开的标识牌图像二值化装置结构框图；

图6为本申请实施例二公开的标识牌图像二值化方法流程图

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。

实施例一：

在智能交通领域，通过计算机视觉与模式识别技术对标识牌(车牌或路标等)的识别尤显重要。通常而言，标识牌图像包括前景字符和前景字符的背景图像。前景字符包括文字、数字、和/或图案等。计算机视觉与模式识别系统需要对标识牌图像进行二值化，从而区分出前景字符和背景图像，以便于后续实现前景字符的识别。

请参考图1，为本实施例公开的一种标识牌图像二值化装置结构框图，包括：图像获取模块1、全局阈值确定模块2、局部阈值计算模块3、最终阈值计算模块4和指定区域二值化模块5。

图像获取模块1用于获取标识牌图像的灰度数据；

全局阈值确定模块2用于确定标识牌图像指定区域的全局阈值；全局阈值基于标识牌本身特性确定，例如全局阈值与标识牌上前景字符的多少和/或大小、以及标识牌当前的整体光照情况有关，全局阈值对指定区域中所有像素点的二值化具有约束作用；

局部阈值计算模块3用于计算指定区域各像素点的局部阈值；局部阈值与像素点个体所处区域的当前光照情况有关，其只对该像素点的二值化具有约束作用，能够反映出该像素点所处区域的纹理细节；

最终阈值计算模块4用于根据全局阈值和各像素点的局部阈值计算各像素点的最终阈值，各像素点的最终阈值分别为全局阈值和各像素点局部阈值的加权值，优选为均值；

指定区域二值化模块5用于基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。

在优选的实施例中，该装置还包括边缘区域二值化模块6，边缘区域二值化模块6用于获取边缘区域待求像素点最临近的已知最终阈值的像素点，并将该像素点的最终阈值作为该待求像素点的最终阈值；基于待求像素点的灰度值和最终阈值对该待求像素点进行二值化处理。其中，边缘区域为获取的标识牌图像中指定区域外的图像区域。

在一种具体实施例中，全局阈值确定模块2包括：比例获取单元和全局阈值选取单元。其中，比例获取单元用于获取预定基准，预定基准为用于表征指定区域的前景字符与背景图像所占面积的大小比例的数值区间或数值；全局阈值选取单元用于根据指定区域图像的所有像素点的灰度分布，确定出一灰度值，该灰度值使得大于该灰度值的像素点数与小于该灰度值的像素点数之比符合预定基准，将该灰度值选取为指定区域的全局阈值。需要说明的是，当预定基准为数值区间时，所称符合预定基准是指落入数值区间范围；当预定基准为数值时，所称符合预定基准是指等于该数值。

在一种具体实施例中，局部阈值计算模块3包括：数据块确定单元、极值确定单元和均值计算单元。其中，对于每个指定区域的像素点，数据块确定单元用于确定包括该像素点在内的预设大小的数据块；极值确定单元用于获取该像素块中最大灰度值和最小灰度值；均值计算单元用于对最大灰度值和最小灰度值求均值，求得的均值为该像素点的局部阈值。

基于上述二值化装置，本实施例还公开了一种标识牌图像二值化方法，请参考图2，为二值化方法流程图，具体方法包括步骤如下：

步骤S100，图像获取。获取标识牌图像的灰度数据。在本实施例中，标识牌图像优选为灰度图像数据，在其它实施例中，如果获取的图像为非灰度图像数据，则应优选将其转换为灰度图像。

步骤S200，全局阈值确定。确定标识牌图像指定区域的全局阈值。在具体应用过程中，由于标识牌图像边缘含有很多例如螺钉等噪音数据，而前景字符通常只在某些特定的区域显示，因此，在优选的实施例中，可以针对标识牌图像的指定区域进行处理。需要说明的是，该指定区域应当含有前景字符信息，以标识牌为车牌为例，请参考图3，为步骤S100获取的标识牌图像，图3中，虚线框为标识牌完整的图像轮廓，实线框为指定区域。在一种具体实施例中，指定区域可以依据经验值选取确定，例如，对于车牌，可以将步骤S100获取的车牌图像中间的某一块区域(例如3/5区域)作为指定区域，当然，在另一种实施例中也可以是其它的区域范围，在其它实施例中，指定区域也可以是步骤S100获取的标识牌图像的全部区域。

在本实施例中，在选取指定区域之后，便可以确定该指定区域的全局阈值globalThres。所称全局阈值globalThres基于标识牌本身特性确定，例如全局阈值与标识牌上前景字符的多少和/或大小、以及标识牌当前的光照情况有关，全局阈值对指定区域中所有像素点的二值化具有约束作用。一般而言，在标识牌中，前景字符和背景图像所占用的面积具有确定的范围，并且二者所占面积大小的比例为确定值，因此，在优选的实施例中，全局阈值globalThres根据指定区域的前景字符与背景图像的大小比例确定。具体包括如下两步：

①比例获取。获取预定基准，所称预定基准为用于表征指定区域的前景字符与背景图像所占面积的大小比例的数值区间或数值。该数值区间或数值可以根据先验知识进行预先设定。

②全局阈值选取。根据指定区域图像的所有像素点的灰度分布确定出某一个灰度数值，该灰度值使得大于该灰度值的像素点数与小于该灰度值的像素点数之比符合预定基准，所选取的数值即为该指定区域的全局阈值globalThres。需要说明的是，当预定基准为数值区间时，所称符合预定基准是指落入数值区间范围；当预定基准为数值时，所称符合预定基准是指等于该数值。

步骤S300，局部阈值计算。计算指定区域各像素点的局部阈值tempThres。在具体的实施例中，可以采用现有的技术方案求取指定区域每个像素点的局部阈值tempThres，例如经典的局部二值化Bernsen算法。该算法的核心思想为：设当前像素为P，查找以P为中心的预设窗口内的所有像素点的灰度值的最大值与最小值，对最大值与最小值求均值即为该像素点P的局部阈值tempThres。

步骤S400，最终阈值计算。根据全局阈值和各像素点的局部阈值计算各像素点的最终阈值localThres。在获得指定区域各像素点的局部阈值tempThres后，便可以将各像素点的局部阈值tempThres依次与全局阈值globalThres作加权运算(优选为均值计算)，得到的加权值(优选为均值)即依次为各像素点的最终阈值localThres。

步骤S500，指定区域二值化。基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。各像素点灰度值大于各自最终阈值localThres，则像素值重置为255，反之重置为0。至此，完成了指定区域的各像素点二值化操作。

需要说明的是，对于步骤S300和步骤S400，在第一种具体实施例中，可以首先求得指定区域所有像素点的局部阈值tempThres，而后求各像素点的最终阈值localThres；在第二种具体实施例中，也可以在求得单个像素点的局部阈值tempThres后，便与全局阈值globalThres作均值计算得到该像素点的最终阈值localThres。以第二种具体实施例为例进行说明，请参考图4，具体步骤如下：

步骤S310，数据块确定。确定包括当前像素点在内的预设大小(例如5*5)的数据块。

步骤S320，极值确定。获取该数据块中最大灰度值和最小灰度值。

步骤S330，均值计算。对最大灰度值和最小灰度值求均值，求得的均值为该数据块所对应的像素点的局部阈值tempThres。

步骤S340，最终阈值计算。计算当前像素点的最终阈值localThres。

步骤S350，判断指定区域内所有像素点的最终阈值是否计算完毕。如果执行完毕则执行后续操作；如果没有执行完毕，则重复上述步骤S310～步骤S340计算下一个像素点的最终阈值。

当然，在其它实施例中，还可以在求得单个的最终阈值localThres后，立即对该像素点进行二值化，而后求取其它像素点的最终阈值localThres并二值化。本领域普通技术人员可以根据实际需要调整上述各步骤的先后顺序。

本实施例公开的标识牌图像二值化方法在对指定区域各像素点二值化之后，还可以包括：

步骤S600，边缘区域二值化。所称边缘区域为获取的标识牌图像中指定区域外的图像区域。具体为：获取边缘区域待求像素点最临近的已知最终阈值的像素点，并将该像素点的最终阈值作为该待求像素点的最终阈值；基于待求像素点的灰度值和最终阈值对该待求像素点进行二值化处理。其中，最临近的已知最终阈值的像素点可以是行方向选取，也可以是列方向取。举例而言，请参考图3，图中，P1和P2为指定区域已求取最终阈值(例如分别为x1和x2)的两个像素点，P3、P4和P5为边缘区域待二值化的像素点。P3最临近的已知最终阈值的像素点为同行的P1，可以将P1的最终阈值赋值给P3，即P3的最终阈值与P1的最终阈值相同，为x1；根据P3的像素值和最终阈值x1对P3进行二值化。P4最临近的已知最终阈值的像素点为同列的P2，可以将P2的最终阈值赋值给P4，即P4的最终阈值与P2的最终阈值相同，为x2；根据P4的灰度值和最终阈值x2对P4进行二值化。由于P3的最终阈值已经求出，因此也可以将P3的最终阈值赋予其它像素点，例如P5最临近的像素点为同行的P3，因此，P5可以依据P3的最终阈值进行二值化。

本实施例采用全局阈值和局部阈值结合的方法求得各像素点的最终阈值，基于各像素点的最终阈值分别对各像素点进行二值化。全局阈值可以体现光线的整体性，局部阈值可以更好的凸显细节的纹理性，解决了现有光照不均匀情况下处理结果不理想的难题，而且该方法并不是太复杂，二值化效果较好，对各种光照条件下的标识牌的二值化性能鲁棒。

实施例二：

实施例一公开的二值化装置/方法能够较好地二值化标识牌图像，并且具有较高的光照鲁棒性。但在实际图像处理过程中，各种算法均由利弊，对于不同的标识牌种类，应采用不同的算法进行二值化，为此，本实施例公开了另一种标识牌图像二值化方法/装置，以快速选择合适的二值化方案。

请参考图5，为本实施例公开的另一种标识牌图像二值化装置结构框图，包括：图像获取模块1、标识牌种类判别模块9、灰度转换模块、全局阈值确定模块2、局部阈值计算模块3、最终阈值计算模块4和指定区域二值化模块5。

图像获取模块1用于获取标识牌图像；

标识牌种类判别模块9用于根据获取的标识牌图像判别标识牌种类，其中，标识牌种类为背景图像种类，包括白色标识牌和非白色标识牌；如果判别标识牌种类为非白色标识牌，则触发灰度转换模块7，灰度转换模块7用于将获取的标识牌图像转换为灰度图像。而后由全局阈值确定模块2、局部阈值计算模块3、最终阈值计算模块4和指定区域二值化模块5对灰度图像进行二值化处理，具体可参见实施例一，在此不再赘述。

在优选的实施例中，如果标识牌种类判别模块9判别标识牌种类为白色标识牌，则通过最大类间方差模块采用最大类间方差法(Otsu)对获取的标识牌图像进行二值化处理。

在具体的实施例中，标识牌种类判别模块9可以包括：

空间转换单元91用于将标识牌图像转换为HSI空间图像，HSI空间图像感知彩色的方式为：以色调(H)、饱和度(S)和强度(I)三种基本特征分量来感知颜色。

饱和度分量单元92用于提取转换后HSI空间图像的饱和度分量S；

标识牌种类判别单元93用于根据饱和度分量S判别标识牌种类。

基于上述二值化装置，本实施例还公开了一种标识牌图像二值化方法，请参考图6，具体方法包括步骤如下：

步骤S10，图像获取。获取标识牌图像。在优选的实施例中，获取的图像数据还应当能够转换为HSI图像。

步骤S40，标识牌种类判别。根据获取的标识牌图像判别标识牌种类，其中，标识牌种类为背景图像种类，包括白色标识牌和非白色标识牌。为便于本领域普通技术人员理解本申请技术方案，本实施例还公开了一种标识牌种类判别方法，在具体实施例中，在步骤S10获取标识牌图像后，执行步骤如下：

步骤S20，空间转换。将标识牌图像转换为HSI空间图像。需要说明的是，在本实施例中，也可以转换指定区域的图像。

步骤S30，饱和度分量提取。提取转换后HSI空间图像各像素的饱和度分量S。

而后，步骤S40根据饱和度分量S判别标识牌种类。在一种具体实施例中，可以设置第一饱和度阈值和第二饱和度阈值，其中，第二饱和度阈值大于第一饱和度阈值。计算标识牌图像的饱和度分量S的均值，如果饱和度分量S的均值小于第一饱和度阈值则为白色标识牌；如果饱和度分量S的均值大于或等于第二饱和度阈值则为非白色标识牌。

进一步，如果饱和度分量S的均值介于第一饱和度阈值和第二饱和度阈值之间，则可以根据前景字符和背景图像的像素比例来判断。具体为：在标识牌灰度图像中，计算前景字符像素数目与背景图像的像素数目的比例，若这一比例大于给定的阈值则为白色标识牌，否则为非白色标识牌(黑色标识牌)。

如果步骤S40判别出的结果为非白色标识牌，则执行图像转换步骤，将获取的标识牌图像转换为灰度图像，而后依次执行实施例一所述的步骤S200、步骤S300、步骤S400和步骤S500或者还执行步骤S600对转换后的灰度图像进行二值化处理。

在其它实施例中，如果步骤S40判别出的结果为白色标识牌，则可以优选采用最大类间方差法(Otsu)对获取的标识牌图像进行二值化处理。该算法的主要思想是遍历标识牌灰度图像直方图的各个数值，每次并以某一数值为界点将标识牌图像的像素分成两组，当两组间的方差达到最大时，该作为界点的数值即为该图像的二值化阈值，基于该二值化阈值对标识牌图像进行二值化处理。对于白色标识牌图像，采用最大类间方差法进行二值化，效率更高，更有效。

需要说明的是，如果饱和度分量S的均值大于或等于第二饱和度阈值则为非白色标识牌，为了进一步判别该情况下标识牌的颜色。在优选的实施例中，还可以进一步包括：

①色调分量提取。提取转换后HSI空间图像各像素的色调分量H。

②在判断出饱和度分量S的均值大于或等于第二饱和度阈值之后，计算标识牌图像的色调分量H的均值，如果色调分量H的均值小于色调度阈值则为黄色标识牌；如果色调分量H的均值大于或等于色调度阈值则为蓝色标识牌。

采用本实施例公开的标识牌图像二值化方法，通过提取标识牌图像的饱和度分量S，快速地判断出标识牌图像的种类，从而便于选择合适的二值化处理方案。

进一步，通过提取标识牌图像的饱和度分量S、或者饱和度分量S和色调分量H判别标识牌种类，为系统对标识牌种类的统计提供了参考。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。

以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换。

Claims (10)

1.一种标识牌图像二值化方法，所述标识牌图像包括前景字符和前景字符的背景图像；其特征在于，所述二值化方法包括：

图像获取步骤，获取标识牌图像的灰度数据；

全局阈值确定步骤，确定标识牌图像指定区域的全局阈值；

局部阈值计算步骤，计算指定区域各像素点的局部阈值；

最终阈值计算步骤，根据全局阈值和各像素点的局部阈值计算各像素点的最终阈值；

指定区域二值化步骤，基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。

2.如权利要求1所述的二值化方法，其特征在于，所述全局阈值确定步骤包括：

比例获取步骤，获取预定基准，所述预定基准为用于表征指定区域的前景字符与背景图像所占面积的大小比例的数值区间或数值；

全局阈值选取步骤，根据指定区域图像的所有像素点的灰度分布确定出一灰度值，该灰度值使得大于该灰度值的像素点数与小于该灰度值的像素点数之比符合预定基准，将该灰度值选取为指定区域的全局阈值。

3.如权利要求1所述的二值化方法，其特征在于，每个像素点的局部阈值计算步骤包括：

确定包括该像素点在内的预设大小的数据块；

获取该数据块中最大灰度值和最小灰度值；

对最大灰度值和最小灰度值求均值，求得的均值为该像素点的局部阈值。

4.如权利要求1所述的二值化方法，其特征在于，所述各像素点的最终阈值分别为全局阈值和各像素点局部阈值的加权值。

5.如权利要求1-4任意一项所述的二值化方法，其特征在于，在指定区域二值化步骤之后，还包括：边缘区域二值化步骤，所述边缘区域为获取的标识牌图像中指定区域外的图像区域；

边缘区域像素点二值化步骤包括：

获取边缘区域待求像素点最临近的已知最终阈值的像素点，并将该像素点的最终阈值作为该待求像素点的最终阈值；

基于待求像素点的灰度值和最终阈值对该待求像素点进行二值化处理。

6.一种标识牌图像二值化方法，所述标识牌图像包括前景字符和前景字符的背景图像；其特征在于，所述二值化方法包括：

图像获取步骤，获取标识牌图像；

标识牌种类判别步骤，根据获取的标识牌图像判别标识牌种类，所述标识牌种类为背景图像种类，包括白色标识牌和非白色标识牌；

如果判别标识牌种类为非白色标识牌，则执行步骤如下：

图像转换步骤，将获取的标识牌图像转换为灰度图像；

全局阈值确定步骤，确定灰度图像指定区域的全局阈值；

局部阈值计算步骤，计算指定区域各像素点的局部阈值；

最终阈值计算步骤，根据全局阈值和各像素点的局部阈值计算各像素点的最终阈值；

指定区域二值化步骤，基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。

7.如权利要求6所述的二值化方法，其特征在于，如果所述标识牌种类判别步骤判别标识牌种类为白色标识牌，则采用最大类间法对像获取步骤获取的标识牌图像进行二值化处理。

8.一种标识牌图像二值化装置，所述标识牌图像包括前景字符和前景字符的背景图像；其特征在于，所述二值化装置包括：

图像获取模块，用于获取标识牌图像的灰度数据；

全局阈值确定模块，用于确定标识牌图像指定区域的全局阈值；

局部阈值计算模块，用于计算指定区域各像素点的局部阈值；

最终阈值计算模块，用于根据全局阈值和各像素点的局部阈值计算该像素点的最终阈值；

指定区域二值化模块，用于基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。

9.如权利要求8所述的二值化装置，其特征在于，还包括：

边缘区域二值化模块，所述边缘区域为获取的标识牌图像中指定区域外的图像区域；所述边缘区域二值化模块用于获取边缘区域待求像素点最临近的已知最终阈值的像素点，并将该最终阈值作为该待求像素点的最终阈值；基于待求像素点的灰度值和最终阈值对该待求像素点进行二值化处理。

10.一种标识牌图像二值化装置，所述标识牌图像包括前景字符和前景字符的背景图像；其特征在于，所述二值化装置包括：

图像获取模块，用于获取标识牌图像；

标识牌种类判别模块，用于根据获取的标识牌图像判别标识牌种类，所述标识牌种类为背景图像种类，包括白色标识牌和非白色标识牌，如果判别标识牌种类为非白色标识牌，则触发灰度转换模块；

所述灰度转换模块用于将获取的标识牌图像转换为灰度图像；

全局阈值确定模块，用于确定灰度图像指定区域的全局阈值；

局部阈值计算模块，用于计算指定区域各像素点的局部阈值；

最终阈值计算模块，用于根据全局阈值和各像素点的局部阈值计算各像素点的最终阈值；

指定区域二值化模块，用于基于各像素点对应的灰度值和最终阈值对该像素点进行二值化处理。