本发明涉及一种对车牌图像进行二值化处理的方法，用于车牌的自动识别。
背景技术：
在车牌识别系统中，通常车牌字符分割算法主要是利用二值图像进行分割处理。现有的分割方法很多，譬如投影法、连通域提取法和聚类法等，但前提条件是待处理的二值图质量清晰，否则容易出现分割出错或笔画断裂等结果。
目前基于灰度阈值分割的二值化方法基本分为以下三类：局部阈值、全局阈值和动态阈值，它们各有优缺点。采用基于灰度阈值分割的二值化算法，在处理复杂光照条件下获取的车牌图像时，往往会遗失图像的边缘特征，有可能出现字符断裂、伪影现象等，直接导致了分割和识别失败。
技术实现要素：
本发明要解决的技术问题是：传统基于灰度二值化方法在处理复杂光照条件下获取的车牌图像时，会出现字符断裂、伪影现象等，导致分割和识别失败。
为了解决上述技术问题，本发明的技术方案是提供了一种基于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：
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
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
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。
优选地，在所述步骤1中，对彩色车牌图像进行灰度化预处理后获得所述车牌灰度图像。
优选地，在所述步骤1中，所述laplacian扩展算子采用基于5×5领域laplacian扩展算子。
优选地，在所述步骤3中，当车牌为蓝色或黑色时，所述三值图像中白色为字符区域、黑色为字符边界区域，其余区域为灰色；
当车牌为黄色或白色时，所述三值图像中黑色为字符区域、白色为字符边界区域，其余区域为灰色。
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。
附图说明
图1为黄牌、蓝牌的二值化过程图；
图2为光线不均图像的二值化对比图。
具体实施方式
为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
本发明提供了一种基于laplacian扩展算子的车牌图像二值化方法，包括以下步骤：
步骤1、基于5×5领域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。本实施例中，laplacian扩展算子为templt[25]：
templt[25]＝{1，1，1，1，1，
1，1，-4，1，1，
1，-4，-4，-4，1，
1，1，-4，1，1，
1，1，1，1，1}；
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：
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
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
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。我国机动车牌照常见颜色有蓝色、黄色、白色和黑色等。其中，蓝色和黑色车牌经过三值化处理后字符笔画区域为白色，字符边界区域为黑色，其余为灰色。而黄色和白色车牌经过三值化处理后字符笔画区域为黑色，边界为白色，其余部分为灰色，即可得到黑、白色二值化图像。
当车牌为蓝色或黑色时，其二值化过程利用下面公式变换得出：
当车牌为黄色或白色时，其二值化过程利用下面公式变化得出：