一种图像二值化处理方法及装置与流程

本发明实施例涉及图像处理技术，尤其涉及一种图像二值化处理方法及装置。

背景技术：

随着纸币鉴伪技术的发展，纸币鉴伪算法也层出不穷，但是很多纸币鉴伪算法都是基于二值化处理后的纸币图像而进行的。

目前普遍采用的图像二值化处理方法为常见的otsu(最大类间方差)算法、p参数法等，但是由于纸币上或原图像上存在一些污迹或噪声，可能导致二值化效果不佳且不稳定，进而影响基于该二值化图像而进行的后续的处理过程。

技术实现要素：

本发明实施例提供一种图像二值化处理方法及装置，以实现降低噪声对图像二值化效果的影响，提高图像二值化效果的稳定性。

第一方面，本发明实施例提供了一种图像二值化处理方法，包括：

根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理，得到二值化图像组；

确定所述二值化图像组中每个二值化图像中任一目标字符的特征值与对应的预设特征值之间的误差；

根据每个二值化图像中目标字符的误差和从所述二值化阈值组确定目标阈值，并根据所述目标阈值对所述目标图像进行二值化处理。

进一步的，在根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理之前，还包括：

对所述目标图像采用二值化算法得到初始阈值；

以所述初始阈值为中心在设定区间内进行调整，得到二值化阈值组，其中，所述二值化阈值组包括至少两个二值化阈值。

进一步的，所述以所述初始阈值为中心在设定区间内进行调整，得到二值化阈值组，包括：

根据公式：v＝t－k×i，对所述初始阈值在区间[min(k×i),max(k×i)]内进行调整，得到二值化阈值组；

其中，v为二值化阈值，t为所述初始阈值，k为缩放系数，i为整数。

进一步的，所述确定所述二值化图像组中每个二值化图像中任一目标字符的特征值与对应的预设特征值之间的误差，包括：

分别计算所述二值化图像组中每个二值化图像中的任一目标字符的中心坐标；

确定所述任一目标字符的中心坐标与相应期望坐标之间的差值为第一误差；和/或，

计算所述任一目标字符的中心坐标与第一目标字符的中心坐标之间的距离，并确定所述距离与相应预设距离之间的差值为第二误差，其中，所述第一目标字符为所述目标字符中预设的参考字符。

进一步的，所述分别计算所述二值化图像组中每个二值化图像中的任一目标字符的中心坐标，包括：

根据行投影分别确定所述二值化图像组中每个二值化图像的上下边界坐标；

根据列投影和所述上下边界坐标确定所述二值化图像组中每个二值化图像所包含的任一目标字符的左右边界坐标；

根据所述上下边界坐标和所述左右边界坐标计算所述二值化图像组中每个二值化图像所包含的任一目标字符的中心坐标。

进一步的，在根据列投影和所述上下边界坐标确定所述二值化图像组中每个二值化图像所包含的任一目标字符的左右边界坐标之后，还包括：

根据所述任一目标字符的左右边界坐标和行投影调整所述上下边界坐标。

进一步的，所述确定所述任一目标字符的中心坐标与相应期望坐标之间的差值为第一误差，包括：

根据所述二值化图像组中每个二值化图像中的目标字符的中心坐标分别确定拟合直线；

根据所述拟合直线以及所述目标字符中任一目标字符的中心横坐标确定所述任一目标字符对应的期望中心纵坐标；

确定所述任一目标字符对应的期望中心纵坐标与所述任一目标字符的中心纵坐标之间的差值为第一误差。

进一步的，所述根据每个二值化图像中目标字符的误差和从所述二值化阈值组确定目标阈值，包括：

将所述每个二值化图像对应的第一误差之和，和/或，所述每个二值化图像对应的第二误差之和确定为所述每个二值化图像中目标字符的误差和；

根据所述误差和确定所述二值化阈值组中与最小误差和相对应的二值化阈值为目标阈值。

第二方面，本发明实施例还提供了一种图像二值化处理装置，该装置包括：

图像处理模块，用于根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理，得到二值化图像组；

误差确定模块，用于确定所述二值化图像组中每个二值化图像中任一目标字符的特征值与对应的预设特征值之间的误差；

阈值确定模块，用于根据每个二值化图像中目标字符的误差和从所述二值化阈值组确定目标阈值，并根据所述目标阈值对所述目标图像进行二值化处理。

进一步的，还包括：

阈值获取模块，用于在根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理之前，对所述目标图像采用二值化算法得到初始阈值；

阈值调整模块，用于以所述初始阈值为中心在设定区间内进行调整，得到二值化阈值组，其中，所述二值化阈值组包括至少两个二值化阈值。

进一步的，所述阈值调整模块具体用于：

根据公式：v＝t－k×i，对所述初始阈值在区间[min(k×i),max(k×i)]内进行调整，得到二值化阈值组；

其中，v为二值化阈值，t为所述初始阈值，k为缩放系数，i为整数。

进一步的，所述误差确定模块包括：

中心坐标计算子模块，用于分别计算所述二值化图像组中每个二值化图像中的任一目标字符的中心坐标；

第一误差确定子模块，用于确定所述任一目标字符的中心坐标与相应期望坐标之间的差值为第一误差；和/或，

第二误差确定子模块，用于计算所述任一目标字符的中心坐标与第一目标字符的中心坐标之间的距离，并确定所述距离与相应预设距离之间的差值为第二误差，其中，所述第一目标字符为所述目标字符中预设的参考字符。

进一步的，所述中心坐标计算子模块具体用于：

根据行投影分别确定所述二值化图像组中每个二值化图像的上下边界坐标；

根据列投影和所述上下边界坐标确定所述二值化图像组中每个二值化图像所包含的任一目标字符的左右边界坐标；

根据所述上下边界坐标和所述左右边界坐标计算所述二值化图像组中每个二值化图像所包含的任一目标字符的中心坐标。

进一步的，所述中心坐标计算子模块还用于：

在根据列投影和所述上下边界坐标确定所述二值化图像组中每个二值化图像所包含的任一目标字符的左右边界坐标之后，根据所述任一目标字符的左右边界坐标和行投影调整所述上下边界坐标。

进一步的，所述第一误差确定子模块具体用于：

根据所述二值化图像组中每个二值化图像中的目标字符的中心坐标分别确定拟合直线；

根据所述拟合直线以及所述目标字符中任一目标字符的中心横坐标确定所述任一目标字符对应的期望中心纵坐标；

确定所述任一目标字符对应的期望中心纵坐标与所述任一目标字符的中心纵坐标之间的差值为第一误差。

进一步的，所述阈值确定模块包括：

误差和确定子模块，用于将所述每个二值化图像对应的第一误差之和，和/或，所述每个二值化图像对应的第二误差之和确定为所述每个二值化图像中目标字符的误差和；

目标阈值确定子模块，用于根据所述误差和确定所述二值化阈值组中与最小误差和相对应的二值化阈值为目标阈值。

本发明实施例通过根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行处理，得到二值化图像组，并根据其中每个二值化图像中目标字符的误差和来确定二值化阈值组中的目标阈值，根据该目标阈值对目标图像进行二值化处理，利用了根据误差和选择目标阈值的优点，解决了现有技术中因对包含噪声的图像单纯的采用二值化算法进行处理而导致的二值化效果不佳，进而对图像的二值化处理效果不稳定的问题，降低了噪声对图像二值化效果的影响，提高了图像二值化效果的稳定性。

附图说明

图1是本发明实施例一提供的一种图像二值化处理方法的流程示意图；

图2是本发明实施例二提供的一种图像二值化处理方法的流程示意图；

图3是本发明实施例三提供的一种图像二值化处理方法的流程示意图；

图4是本发明实施例四提供的一种图像二值化处理装置的结构示意图；

图5是本发明实施例提供的目标图像的示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种图像二值化处理方法的流程示意图。该方法可适用于对图像进行二值化处理的情况，该方法可以由图像二值化处理装置来执行，该装置可由硬件和/或软件组成，并一般可集成在电脑以及所有包含图像二值化处理功能的终端中。具体包括如下：

s110、根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理，得到二值化图像组。

其中，二值化阈值组包括至少两个二值化阈值，可选的，二值化阈值组中所包括的所有二值化阈值均可为预设阈值，也可通过二值化算法获得，具体的，二值化算法可以为图像二值化方法中的阈值法。

优选的，目标图像可以为包含有字符串的图像。具体的，图像的二值化处理，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。示例性的，利用二值化阈值进行二值化处理的过程可以为将像素值小于二值化阈值的所有像素点的像素值设为0(或255)，其余的像素点的像素值设为255(或0)。

具体的，二值化图像组中的每个二值化图像分别对应于二值化阈值组中的每个二值化阈值，即根据一个二值化阈值对目标图像进行二值化处理可得到一个二值化图像。

s120、确定二值化图像组中每个二值化图像中任一目标字符的特征值与对应的预设特征值之间的误差。

其中，目标字符的特征值可以为目标字符的中心坐标值，也可以为根据目标字符的中心坐标值计算得到的其他特征信息值，例如字符与字符之间的距离值等。可选的，预设特征值可以为预先设置的根据经验得到的模板字符的标准特征值。例如，若特征值为目标字符与目标字符之间的距离值，则可以是确定二值化图像中每个目标字符与目标字符之间的距离值与预设标准距离值之间的误差。获取目标字符的特征值与对应的预设特征值之间的误差的目的在于，检测二值化图像组中每个二值化图像的二值化处理效果，从而在后续步骤中根据该处理效果确定期望效果所对应的二值化阈值。

s130、根据每个二值化图像中目标字符的误差和从二值化阈值组确定目标阈值，并根据目标阈值对目标图像进行二值化处理。

可选的，每个二值化图像中目标字符的误差和可以为二值化图像中每个目标字符的特征值分别对应的误差之和。具体的，可选择误差和最小的二值化图像所对应的二值化阈值为目标阈值，也可选择误差和在预设范围内的二值化阈值为目标阈值。利用获取的目标阈值对目标图像进行二值化处理的好处在于，可以使经二值化处理后的图像达到期望的处理效果，进而使图像处理效果能固定在期望范围之内，降低了因目标图像上存在的噪声或污迹对处理效果的影响，提高了处理效果的稳定性。

本实施例的技术方案，通过根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行处理，得到二值化图像组，并根据其中每个二值化图像中目标字符的误差和来确定二值化阈值组中的目标阈值，根据该目标阈值对目标图像进行二值化处理，利用了根据误差和选择目标阈值的优点，解决了现有技术中因对包含噪声的图像单纯的采用二值化算法进行处理而导致的二值化效果不佳，进而对图像的二值化处理效果不稳定的问题，降低了噪声对图像二值化效果的影响，提高了图像二值化效果的稳定性。

实施例二

图2为本发明实施例二提供的一种图像二值化处理方法的流程示意图。本实施例以上述实施例为基础进行优化，提供了优选的图像二值化处理方法，具体是，在根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理之前进行了优化。具体包括如下：

s210、对目标图像采用二值化算法得到初始阈值。

示例性的，目标图像可以为包含若干目标字符的灰度图，例如，目标图像如图5所示，包含“017990”六个目标字符。优选的，二值化算法可以为otsu算法，即最大类间方差法，又称大津法，其原理是：利用阈值将原图像分成前景和背景两类图像，然后计算两类之间的方差，更新阈值，重新计算类间方差，当满足类间方差最大时的阈值，即为所求最佳阈值，当取最佳阈值时，背景应该与前景差别最大。可选的，初始阈值为对目标图像采用otsu算法所得到的最佳阈值。

s220、以初始阈值为中心在设定区间内进行调整，得到二值化阈值组。

其中，二值化阈值组包括至少两个二值化阈值。

可选的，将初始阈值在设定区间内每调整一次即可获得一个二值化阈值，优选的，可以初始阈值为中心在设定区间内进行调整，即所得二值化阈值为以初始阈值为中心在设定区间内对称分布的，从而使得二值化阈值组中的二值化阈值能够覆盖初始阈值在设定区间波动范围内的所有取值，提高检测效果的稳定性。

优选的，以所述初始阈值为中心在设定区间内进行调整，得到二值化阈值组，包括：根据公式：v＝t－k×i，对所述初始阈值在区间[min(k×i),max(k×i)]内进行调整，得到二值化阈值组。其中，v为二值化阈值，t为所述初始阈值，k为缩放系数，i为整数。

具体的，k值越大，则调整的范围越大，优选可以为10；i可取一系列的整数，优选可取-2到2之间的所有整数，即i∈{-2,-1,0,1,2}；设定区间优选为[-20,20]。示例性的，以初始阈值t为中心，在区间[-20,20]内分别取t-20，t-10，t，t+10，t+20这五个二值化阈值，组成二值化阈值组。

s230、根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理，得到二值化图像组。

s240、确定二值化图像组中每个二值化图像中任一目标字符的特征值与对应的预设特征值之间的误差。

s250、根据每个二值化图像中目标字符的误差和从二值化阈值组确定目标阈值，并根据目标阈值对目标图像进行二值化处理。

本实施例的技术方案，通过对目标图像采用二值化算法获取初始阈值，再以初始阈值为中心在设定区间内进行调整获得多个二值化阈值，组成二值化阈值组，使得能够根据二值化阈值组中每个二值化阈值处理得到的二值化图像中目标字符的误差和选取目标阈值，最终使得能够利用目标阈值对目标图像进行二值化处理，提高了阈值检测效果的稳定性，进而提高了图像二值化效果的稳定性。

实施例三

图3为本发明实施例三提供的一种图像二值化处理方法的流程示意图。本实施例以上述各实施例为基础进行优化，提供了优选的图像二值化处理方法，具体是，对确定二值化图像组中每个二值化图像中任一目标字符的特征值与对应的预设特征值之间的误差进行了优化。具体包括如下：

s310、根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理，得到二值化图像组。

s320、分别计算二值化图像组中每个二值化图像中的任一目标字符的中心坐标。

具体的，计算目标字符的中心坐标的目的在于，精确计算目标字符的位置，使得能够根据位置信息获取相关的特征值。

优选的，分别计算二值化图像组中每个二值化图像中的任一目标字符的中心坐标，包括：根据行投影分别确定二值化图像组中每个二值化图像的上下边界坐标；根据列投影和上下边界坐标确定二值化图像组中每个二值化图像所包含的任一目标字符的左右边界坐标；根据上下边界坐标和左右边界坐标计算二值化图像组中每个二值化图像所包含的任一目标字符的中心坐标。

其中，行投影为各行像素点的像素值之和。示例性的，在目标字符所包含的像素点的像素值为255，除目标字符以外的背景所包含的像素点的像素值为0的情况下，从上往下扫描二值化图像中的各行像素点，当相邻两行中行像素点的像素值之和由小于预设阈值变成不小于预设阈值时，则确定两行中像素值之和不小于预设阈值的那一行为上边界，该行所在的坐标为上边界坐标；当相邻两行中行像素点的像素值之和由不小于预设阈值变成小于预设阈值时，则确定两行中像素值之和不小于预设阈值的那一行为下边界，该行所在的坐标为下边界坐标。

上下边界坐标确定后，优选的可对上下边界坐标范围内的区域采用列投影的方法，其中，列投影为各列像素点的像素值之和。示例性的，在目标字符所包含的像素点的像素值为255，除目标字符以外的背景所包含的像素点的像素值为0的情况下，从左至右扫描二值化图像中的各列像素点，当相邻两列中列像素点的像素值之和由小于预设阈值变成不小于预设阈值时，则确定两列中像素值之和不小于预设阈值的那一列为目标字符的左边界，该列所在的坐标为目标字符的左边界坐标；当相邻两列中列像素点的像素值之和由不小于预设阈值变成小于预设阈值时，则确定两列中像素值之和不小于预设阈值的那一列为右边界，该列所在的坐标为右边界坐标。

先在确定上下边界的基础上确定左右边界的好处在于，可以减少计算量，提高计算速度。

由于每个目标字符的上下边界坐标可能存在差异，为了提高目标字符的定位准确性，优选的，在根据列投影和上下边界坐标确定二值化图像组中每个二值化图像所包含的任一目标字符的左右边界坐标之后，还包括：根据任一目标字符的左右边界坐标和行投影调整上下边界坐标。具体的，得到每个目标字符的左右边界坐标后，可再次采用行投影法计算每个目标字符所对应的上下边界坐标，计算原理同上，不再赘述。

可选的，计算得到每个目标字符所对应的上下边界坐标和左右边界坐标之后，可利用简单的几何知识计算由上下边界和左右边界确定的矩形的中心点的坐标，即每个目标字符的中心坐标。

s330、确定任一目标字符的中心坐标与相应期望坐标之间的差值为第一误差。

其中，目标字符的中心坐标为实际计算得到的中心坐标，而期望坐标可以为预设标准坐标，也可以为二值化图像中所有目标字符的中心坐标计算得到的平均坐标。

优选的，确定任一目标字符的中心坐标与相应期望坐标之间的差值为第一误差，包括：根据二值化图像组中每个二值化图像中的目标字符的中心坐标分别确定拟合直线；根据拟合直线以及目标字符中任一目标字符的中心横坐标确定任一目标字符对应的期望中心纵坐标；确定任一目标字符对应的期望中心纵坐标与任一目标字符的中心纵坐标之间的差值为第一误差。

示例性的，对于如图5所示的目标图像中，由于目标字符均排列在一条直线上，因此，该目标图像经二值化处理后得到的二值化图像组中，一个二值化图像可对应于一条拟合直线，从而可以根据二值化图像中的各目标字符的中心坐标所对应的各中心点确定关于中心坐标的拟合直线。

可选的，若拟合直线为随纵坐标变化而变化的直线，则可将任一目标字符的中心纵坐标代入拟合直线中计算该任一目标字符的期望中心横坐标，进而确定该任一目标字符对应的期望中心横坐标与该任一目标字符的中心横坐标之间的差值为第一误差。

s340、计算任一目标字符的中心坐标与第一目标字符的中心坐标之间的距离，并确定距离与相应预设距离之间的差值为第二误差。

其中，第一目标字符为目标字符中预设的参考字符。

优选的，预设的参考字符可以为图像右起第一个目标字符，预设距离可以为根据先验知识得到的模板图像中任一目标字符的中心坐标与第一目标字符的中心坐标之间的距离。

示例性的，可通过距离公式计算任一目标字符的中心坐标与第一目标字符的中心坐标之间的距离，对于如图5所示的目标图像中，由于目标字符呈水平排列，则可简单地通过中心横坐标之间做差来计算两个目标字符之间的距离。特殊的，若目标字符就是第一目标字符，则距离为0。

s350、根据每个二值化图像中目标字符的误差和从二值化阈值组确定目标阈值，并根据目标阈值对所述目标图像进行二值化处理。

优选的，根据每个二值化图像中目标字符的误差和从二值化阈值组确定目标阈值，包括：将每个二值化图像对应的第一误差之和，和/或，每个二值化图像对应的第二误差之和确定为每个二值化图像中目标字符的误差和；根据误差和确定二值化阈值组中与最小误差和相对应的二值化阈值为目标阈值。

示例性的，如图5所示的目标图像经二值化处理后得到的每个二值化图像，均包含6个目标字符，则每个二值化图像对应的第一误差之和为这6个目标字符所分别对应的第一误差之和，每个二值化图像对应的第二误差之和为这6个目标字符所分别对应的第二误差之和。可选的，每个二值化图像中目标字符的误差和可以为第一误差之和，也可以为第二误差之和，优选为第一误差之和加上第二误差之和的总误差和。当某个二值化图像的误差和的值是二值化图像组所对应的各误差和中最小值时，则可确定该最小误差和所对应的二值化图像的二值化效果与期望达到的效果最为接近，因此可将二值化阈值组中与最小误差和相对应的二值化阈值确定为目标阈值，以提高二值化效果的稳定性。另外，还可以通过增加误差计算方法的方式，取二值化图像所对应的其他特征值与相应其他预设特征值之间的误差之和为误差和，以提高误差判断的准确性，且使得本实施例的技术方案具有可扩展性，从而进一步提高了二值化效果的稳定性，降低了噪声对图像二值化效果的影响。

本实施例的技术方案，通过计算二值化图像组中每个二值化图像中的任一目标字符的中心坐标，进而根据各目标字符的中心坐标计算第一误差和第二误差，最后可根据计算得到的每个二值化图像中目标字符的误差和从二值化阈值组确定目标阈值，其利用多个误差求和得到的误差和获取相应的目标阈值的方式，提高了误差判断的准确性，从而进一步提高了二值化效果的稳定性，降低了噪声对图像二值化效果的影响。

实施例四

图4为本发明实施例四提供的一种图像二值化处理装置的结构示意图。该装置可适用于对图像进行二值化处理的情况，该装置可由硬件和/或软件组成，并一般可集成在电脑以及所有包含图像二值化处理功能的终端中。参考图4，图像二值化处理装置包括：图像处理模块410、误差确定模块420和阈值确定模块430，下面对各模块进行具体说明。

图像处理模块410，用于根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理，得到二值化图像组；

误差确定模块420，用于确定所述二值化图像组中每个二值化图像中任一目标字符的特征值与对应的预设特征值之间的误差；

阈值确定模块430，用于根据每个二值化图像中目标字符的误差和从所述二值化阈值组确定目标阈值，并根据所述目标阈值对所述目标图像进行二值化处理。

可选的，还包括：

阈值获取模块，用于在根据二值化阈值组中两个或两个以上的二值化阈值分别对目标图像进行二值化处理之前，对所述目标图像采用二值化算法得到初始阈值；

阈值调整模块，用于以所述初始阈值为中心在设定区间内进行调整，得到二值化阈值组，其中，所述二值化阈值组包括至少两个二值化阈值。

可选的，所述阈值调整模块具体用于：

根据公式：v＝t－k×i，对所述初始阈值在区间[min(k×i),max(k×i)]内进行调整，得到二值化阈值组；

其中，v为二值化阈值，t为所述初始阈值，k为缩放系数，i为整数。

可选的，误差确定模块420包括：

中心坐标计算子模块，用于分别计算所述二值化图像组中每个二值化图像中的任一目标字符的中心坐标；

第一误差确定子模块，用于确定所述任一目标字符的中心坐标与相应期望坐标之间的差值为第一误差；和/或，

第二误差确定子模块，用于计算所述任一目标字符的中心坐标与第一目标字符的中心坐标之间的距离，并确定所述距离与相应预设距离之间的差值为第二误差，其中，所述第一目标字符为所述目标字符中预设的参考字符。

可选的，所述中心坐标计算子模块具体用于：

根据行投影分别确定所述二值化图像组中每个二值化图像的上下边界坐标；

根据列投影和所述上下边界坐标确定所述二值化图像组中每个二值化图像所包含的任一目标字符的左右边界坐标；

根据所述上下边界坐标和所述左右边界坐标计算所述二值化图像组中每个二值化图像所包含的任一目标字符的中心坐标。

可选的，所述中心坐标计算子模块还用于：

在根据列投影和所述上下边界坐标确定所述二值化图像组中每个二值化图像所包含的任一目标字符的左右边界坐标之后，根据所述任一目标字符的左右边界坐标和行投影调整所述上下边界坐标。

可选的，所述第一误差确定子模块具体用于：

根据所述二值化图像组中每个二值化图像中的目标字符的中心坐标分别确定拟合直线；

根据所述拟合直线以及所述目标字符中任一目标字符的中心横坐标确定所述任一目标字符对应的期望中心纵坐标；

确定所述任一目标字符对应的期望中心纵坐标与所述任一目标字符的中心纵坐标之间的差值为第一误差。

可选的，所述阈值确定模块430包括：

误差和确定子模块，用于将所述每个二值化图像对应的第一误差之和，和/或，所述每个二值化图像对应的第二误差之和确定为所述每个二值化图像中目标字符的误差和；

目标阈值确定子模块，用于根据所述误差和确定所述二值化阈值组中与最小误差和相对应的二值化阈值为目标阈值。

上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。