(完整版)车牌识别系统的设计
车牌识别系统设计与实现
车牌识别系统设计与实现随着交通拥堵程度的不断加剧以及交通违法行为的增多，车牌识别系统在智能交通管理中扮演着非常重要的角色。
本文将介绍车牌识别系统的设计与实现，以及其在交通管理中的应用。
一、车牌识别系统的设计1. 硬件设计车牌识别系统的硬件设计主要包括摄像头、图像采集卡以及计算设备等。
摄像头用于捕捉车辆的图像数据，图像采集卡则负责将摄像头采集到的数据传输给计算设备进行处理。
在硬件设计中，需要选择合适的摄像头和图像采集卡，并确保其稳定性和可靠性。
2. 软件设计车牌识别系统的软件设计主要包括图像处理算法和车牌识别算法。
图像处理算法用于对采集到的图像数据进行预处理，包括图像去噪、图像增强、图像分割等。
车牌识别算法则通过对预处理后的图像进行特征提取和模式识别，从而实现对车牌的准确识别。
二、车牌识别系统的实现1. 图像采集与预处理车牌识别系统的实现需要先进行图像采集与预处理。
通过摄像头采集到的图像数据，首先进行灰度化处理，将图像转换为灰度图像。
然后，对图像进行高斯滤波以及图像增强处理，去除噪声和增强图像细节。
接下来，使用适当的图像分割算法将车牌区域从图像中分离出来，为后续的车牌识别算法提供准确的输入数据。
2. 车牌识别算法车牌识别算法是车牌识别系统的核心部分。
常用的车牌识别算法包括基于模板匹配的方法、基于特征提取的方法以及基于深度学习的方法。
在实际应用中，可以根据具体场景的需求选择合适的算法进行实现。
基于模板匹配的方法使用预先生成的车牌模板与待识别车牌进行匹配，从而实现车牌的识别。
该方法简单直观，但对光照变化、车牌畸变等情况的适应性较差。
基于特征提取的方法通过提取车牌区域的特征进行识别，如边缘检测、字符切割以及字符识别。
该方法比较稳定和准确，但对光照、模糊等因素较为敏感。
基于深度学习的方法是目前较为流行的车牌识别算法。
通过使用深度神经网络模型进行特征提取和分类，能够有效提高识别的准确率和稳定性。
三、车牌识别系统在交通管理中的应用1. 交通违法监控车牌识别系统可以与交通违法监控相结合，通过实时识别车牌号码，快速准确地判断违法行为，实现实时监控和处罚。
车牌识别系统方案
车牌识别系统方案摘要：车牌识别系统是一种利用计算机视觉和模式识别技术，对车辆车牌进行自动识别的系统。
本文将介绍车牌识别系统的相关原理、应用场景、系统方案以及未来发展趋势。
一、引言车牌识别系统是现代交通管理系统中重要的一环。
它通过识别车辆的车牌号码，实现对车辆的自动识别和管理。
车牌识别系统广泛应用于交通监控、车辆管理、停车场管理等领域，提高了交通管理的效率和精度，减少了人为因素的干扰。
二、车牌识别系统的原理1. 图像获取：车牌识别系统通过摄像头获取车辆的图像。
可以采用固定安装的摄像头，也可以使用移动式摄像头。
2. 车牌定位：通过图像处理技术对车辆图像进行分析，确定车牌在图像中的位置，并对车牌进行定位。
3. 字符分割：将车牌图像中的字符进行分割，得到单个字符图像。
4. 字符识别：对字符图像进行特征提取和模式匹配，识别字符的具体信息。
常用的字符识别方法包括模板匹配法、神经网络方法和支持向量机方法等。
5. 结果输出：将识别后的车牌号码以文本或者数据库形式进行输出，实现与其他系统的数据交互。
三、车牌识别系统的应用场景1. 交通监控：车牌识别系统可以应用于交通监控系统中，实时监测道路上的车辆情况。
2. 车辆管理：通过车牌识别系统可以对车辆进行自动识别和管理，提高车辆管理的效率。
3. 停车场管理：车牌识别系统可以用于停车场的车辆进出管理，实现自动化的收费和管理。
四、车牌识别系统的方案1. 硬件方案：车牌识别系统的硬件包括摄像头、图像处理设备、计算机和外部设备等。
2. 软件方案：车牌识别系统的软件包括图像处理算法、字符识别算法和数据处理算法等。
3. 网络方案：车牌识别系统可以通过网络与其他系统进行数据交互和通信。
4. 系统集成方案：将硬件、软件和网络进行集成，构建完整的车牌识别系统。
五、车牌识别系统的未来发展趋势1. 深度学习技术的应用：随着深度学习技术的不断进步，车牌识别系统将更加准确和高效。
2. 多场景适应能力：车牌识别系统将能够适应不同的场景，包括复杂环境下的车牌识别。
车牌识别系统的设计说明
车牌识别系统的设计说明设计说明：车牌识别系统一、引言车牌识别系统是一种能够自动识别车辆车牌号码并进行处理的技术系统。
它可以应用于车辆管理、交通监控、智能停车场等领域，具有识别速度快、准确率高等优点。
本文将对车牌识别系统的设计进行说明，包括系统架构、核心算法、数据处理流程、性能评估等方面。
二、系统架构1.图像采集模块：负责从摄像头或者其他设备中获取车辆图像或视频流。
2.图像预处理模块：对获取的图像进行处理，包括图像增强、去噪、尺寸归一化等。
3.车牌定位模块：通过图像处理算法对车辆图像进行处理，从而定位出图像中的车牌位置。
4.字符分割模块：将定位出的车牌图像进行分割，得到每个字符图像。
5.字符识别模块：对分割出的字符图像进行识别，得到车牌号码。
6.数据处理模块：对识别出的车牌号码进行处理，可以存储到数据库或者进行其他后续处理。
三、核心算法1.车牌定位算法：车牌定位是整个识别过程的关键步骤，常用的方法包括颜色定位、形状定位以及混合定位等。
其中，颜色定位使用颜色特征区分车牌与背景，形状定位使用形状特征匹配车牌区域，混合定位则是结合颜色和形状特征进行定位。
2.字符分割算法：字符分割是将车牌图像中的字符区域分割出来的过程，常用的方法包括垂直边缘检测、投影法、连通区域划分等。
这些方法可以通过对像素点进行分析，确定字符之间的间隔和边界，实现字符的准确分割。
3.字符识别算法：字符识别是根据字符图像的特征进行匹配与识别的过程，常用的方法包括模板匹配、神经网络、支持向量机等。
这些方法可以通过建立字符特征库，并将输入的字符图像与特征库进行比对，从而获得识别结果。
四、数据处理流程1.图像采集：从摄像头或者其他设备中获取车辆图像或视频流。
2.图像预处理：对获取的图像进行处理，包括图像增强、去噪、尺寸归一化等。
3.车牌定位：通过图像处理算法对车辆图像进行处理，从而定位出图像中的车牌位置。
4.字符分割：将定位出的车牌图像进行分割，得到每个字符图像。
车牌识别系统设计
车牌识别系统设计车牌识别系统是一种运用计算机视觉技术和模式识别技术，对车辆的车牌进行自动识别的系统。
它可以用于交通管理、停车场管理、车辆追踪等领域。
下面将从硬件设备、图像处理、车牌识别算法、车牌信息检索等方面进行车牌识别系统的设计。
（一）硬件设备：摄像头：通常使用彩色CCD摄像头进行车牌图像的采集。
摄像头的安装位置要考虑拍摄角度、光照条件等因素，以确保图像质量。
计算机：计算机负责进行图像处理和车牌识别算法的运行。
一般应选用配置较高的计算机来满足实时处理的需求。
显示器：用于显示摄像头拍摄到的车辆图像和识别结果。
（二）图像处理：图像增强：通过对图像进行增强，可以提高车牌区域的对比度和清晰度，有利于后续的图像分割和字符识别。
图像分割：车牌需要从整个车辆图像中分离出来，图像分割是将车牌和其他区域进行分割的过程。
常用的图像分割方法有基于颜色、形状、纹理等特征的方法。
图像去噪：在图像分割之前，应先对图像进行去噪处理，以降低噪声对车牌区域分割的干扰。
（三）车牌识别算法：车牌识别的核心是对分割后的车牌图像进行字符识别。
常用的车牌识别算法有基于模式匹配、神经网络、支持向量机等。
模式匹配：通过建立字符模板库，并将输入的车牌图像与模板进行匹配，从而识别每个字符。
神经网络：通过训练一个具有多层隐藏层的神经网络，使其能够自动从输入的图像中学习到每个字符的特征，并进行识别。
支持向量机：通过构建一个具有最大分类间隔的超平面，使得输入的车牌图像能够更容易被正确分类。
（四）车牌信息检索：数据库查询：在识别到车牌号码之后，通过数据库查询的方式获取对应的车辆信息，并将其与车牌识别结果进行关联。
综上所述，车牌识别系统设计需要考虑硬件设备的选择和设置，图像处理的方法和技术，车牌识别算法的选择和实现，以及车牌信息的检索方式和数据库设计。
通过合理的设计和实现，可以实现对车牌的准确快速识别，提高交通管理的效率和准确性。
车牌识别系统解决方案设计
车牌识别系统解决方案设计车牌识别系统是一种利用计算机视觉和图像处理技术，通过对车辆图像进行分析和处理，识别出车辆的车牌号码的系统。
在现代城市交通管理中，车牌识别系统具有重要的作用，可以实现自动收费、交通监控、违章查扣等功能。
下面将从硬件设计、图像处理算法、系统架构和应用场景等方面，阐述车牌识别系统的解决方案设计。
1.硬件设计：车牌识别系统的硬件包括摄像头、嵌入式计算平台和显示器等部分。
摄像头需选择高清晰度、低光噪声、大动态范围的相机，以确保获取清晰的车牌图像。
嵌入式计算平台应具备较高的处理能力和存储容量，能够快速处理车牌图像并存储相关信息。
显示器用于显示识别结果、车辆信息等。
2.图像处理算法：车牌识别系统的核心是图像处理算法。
首先需要对车辆图像进行预处理，包括图像增强、灰度化、二值化等步骤，以提高后续处理的准确性。
然后利用图像分割技术将车牌从整个车辆图像中分离出来，可以采用基于边缘检测、颜色特征或形态学方法等。
接下来，通过字符分割算法将车牌中的字符分离开来，一般可采用基于连通区域分析、边缘检测或模板匹配的方法。
最后，利用字符识别算法对每个字符进行识别，可以采用基于模板匹配、神经网络或支持向量机等方法。
3.系统架构：车牌识别系统的架构一般分为前端采集、图像处理和后端管理三个部分。
前端采集部分负责从摄像头获取车辆图像，并传输给图像处理部分；图像处理部分对车辆图像进行预处理、分割和字符识别；后端管理部分负责存储识别结果、车辆信息和与其他系统的交互等。
前端与图像处理之间的数据传输可以通过网络或总线方式实现。
4.应用场景：车牌识别系统可以应用于多个场景，如自动收费系统、智慧停车管理、交通监控和违章查扣等。
在自动收费系统中，车辆驶过收费站时，系统能够自动识别车牌，匹配车辆信息，并自动从驾驶员的账户中扣款。
在智慧停车管理中，系统能够对停放在停车场内的车辆进行自动识别和计时，避免了传统的人工计时方式。
在交通监控中，系统能够自动识别车辆并将识别结果与数据库中的信息进行匹配，从而实现交通违法行为的自动监测和处罚。
车牌识别系统设计与实现
车牌识别系统设计与实现车牌识别系统是一种基于计算机视觉技术的智能交通系统，它可以通过图像识别技术快速识别车辆的车牌号码，实现自动化的车辆管理和监控。
在交通管理、智慧城市等方面有广泛的应用。
本文将从车牌识别系统的设计和实现两个方面来介绍该系统的基本原理和实际应用。
一、车牌识别系统的设计原理车牌识别系统主要由图像采集、图像处理、车牌检测、字符分割、字符识别等几个模块组成，下面我们将根据这几个模块分别介绍车牌识别系统的设计原理。
1. 图像采集图像采集是车牌识别系统的第一步，它是指通过摄像头等设备采集原始的车辆图像，并进行一定的预处理，使得后续的图像处理步骤能够更加准确地识别车牌信息。
在图像采集过程中，需要考虑光线、角度、分辨率等因素对图像质量的影响，并针对不同的场景设置不同的参数。
2. 图像处理图像处理是车牌识别系统中最重要的环节之一，它包括图像增强、图像去噪、车辆检测等多个步骤。
在图像增强方面，可以采用灰度化、直方图均衡化、滤波等方法对图像进行处理，提高图像质量。
在去噪方面，可以采用中值滤波、高斯滤波等方法去除图像中的噪声。
在车辆检测方面，可以通过背景建模、二值化等方法区分车辆和背景，减少误检率。
3. 车牌检测车牌检测是车牌识别系统中最核心的一个步骤，它是指通过图像处理技术识别车辆图像中的车牌区域，并剥离出车牌的图片。
在车牌检测过程中，需要考虑车牌的大小、形状、位置等因素，并采用多阶段的检测策略，提高车牌检测的准确率。
4. 字符分割字符分割是指将车牌图片中的字符部分分割出来，为后续的字符识别做准备。
在字符分割过程中，需要考虑字符之间的间隔、大小等因素，并采用基于形态学等算法对字符进行分割。
5. 字符识别字符识别是车牌识别系统中最后的一个步骤，它是指识别分割出来的字符，将其转化为能够被计算机识别的数字或者字母。
在字符识别过程中，可以采用基于分类器、神经网络等算法，同时考虑字符的形状、颜色等特征，提高识别精度。
车牌识别方案5篇
车牌识别方案5篇（经典版）编制人：__________________审核人：__________________审批人：__________________编制单位：__________________编制时间：____年____月____日序言下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!并且，本店铺为大家提供各种类型的经典范文，如工作计划、工作总结、实施方案、应急预案、活动方案、规章制度、条据文书、教学资料、作文大全、其他范文等等，想了解不同范文格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!Moreover, our store provides various types of classic sample essays, such as work plans, work summaries, implementation plans, emergency plans, activity plans, rules and regulations, document documents, teaching materials, essay compilations, and other sample essays. If you want to learn about different sample formats and writing methods, please pay attention!车牌识别方案5篇车牌识别方案篇1车牌识别系统方案随着社会的发展和技术的进步，车辆管理日益成为现代城市交通管理中的重要环节。
车牌识别系统设计与优化
车牌识别系统设计与优化车牌识别系统是一种基于图像处理和模式识别技术的智能交通监控系统，主要用于识别并判断车辆的牌照信息。
本文将详细介绍车牌识别系统的设计原理和优化方法。
一、设计原理车牌识别系统的设计原理主要包括图像采集、车牌定位、字符分割和字符识别四个步骤。
1. 图像采集：车牌识别系统使用摄像机或其他图像采集设备对行车场景进行实时监控，获取车辆的图像信息。
良好的图像采集能够提供清晰、稳定的图像作为后续处理的输入。
2. 车牌定位：在图像采集的基础上，车牌识别系统需要通过图像处理算法自动定位和提取出车辆图像中的车牌区域。
常用的车牌定位方法包括颜色特征、形状特征、边缘特征等。
3. 字符分割：车牌定位之后，车牌识别系统需要将车牌区域内的字符进行分割。
字符分割是车牌识别系统中非常重要的一步，对后续的字符识别准确率起到至关重要的作用。
4. 字符识别：字符分割完成后，车牌识别系统使用模式识别算法对分割出的字符进行识别。
常用的字符识别方法有基于模板的方法、神经网络方法和统计分析方法等。
二、优化方法为了提高车牌识别系统的性能和准确率，以下是一些常用的优化方法。
1. 图像预处理：为了减少图像中的噪声、提高车牌定位的准确性，可以进行图像预处理。
图像预处理包括图像去噪、图像增强和图像二值化等。
去噪可以利用滤波器等方法，增强可以使用直方图均衡化等方法，二值化可以利用阈值分割等方法。
2. 特征提取：在车牌定位和字符识别中，特征提取是非常关键的一步。
通过提取车牌区域的颜色、形状、纹理等特征，可以大大提高系统对车牌定位和字符识别的准确度。
常用的特征提取方法包括边缘检测、颜色直方图、灰度共生矩阵等。
3. 分类器选择：字符识别是车牌识别系统中的核心环节，选择一个合适的分类器能够有效提高字符识别的准确率。
常用的分类器有支持向量机（SVM）、卷积神经网络（CNN）等。
根据具体需求和实际情况，选择合适的分类器并进行训练和优化。
4. 数据集扩充：为了提高车牌识别系统对不同场景下的车牌识别准确率，可以利用数据集扩充的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
车牌识别系统的设计1．摘要：汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。
本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。
在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。
实验结果表明,本文提出的方法具有良好的识别性能。
随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。
汽车牌照的自动识别技术已经得到了广泛应用。
2．设计目的：1、使学生在巩固理论课上知识的同时，加强实践能力的提高，理论联系实践。
2、激发学生的研究潜能，提高学生的协作精神，锻炼学生的动手能力。
3．设计原理由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。
图1 牌照识别系统原理图该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。
其基本工作过程如下：（1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像；（2）由摄像机或CCD 摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等；（3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域；（4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。
4．详细设计步骤4.1 提出总体设计方案。
车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割与特征提取和单个字符识别两个模块。
为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。
但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。
牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。
由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。
因此，需要对字符在识别之前再进行一次针对性的处理。
车牌识别的最终目的就是对车牌上的文字进行识别。
主要应用的为模板匹配方法。
因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB及以上。
系统可以运行于Windows98、Windows2000或者Windows XP操作系统下，程序调试时使用matlab。
4.2 预处理及边缘提取图2 预处理及边缘提取流程图4.2.1 图象的采集与转换考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色 B 通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。
因为蓝色（255，0，0）与白色（255，255，255）在 B 通道中并无区分，而在G 、R 通道或是灰度图象中并无此便利。
同理对白底黑字的牌照可用R 通道，绿底白字的牌照可以用G 通道就可以明显呈现出牌照区域的位置，便于后续处理。
原图、灰度图及其直方图见图2与图3。
对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算：G=0.110B+0.588G+0.302R （1）G=3R G B ++ （2）图3 原图 图4 灰度图输入车牌图象灰度校正平滑处理提取边缘4.2.2 边缘提取边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。
所以在此我们要对图像进行边缘检测。
图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。
增强图象对比度度的方法有：灰度线性变换、图象平滑处理等。
（1）灰度校正由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。
如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄。
这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。
我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,200)之间，而且总体上灰度偏低，图象较暗。
根据图象处理系统的条件，最好将灰度范围展开到s=(0,255)之间，为此我们对灰度值作如下的变换：s = T (r ) r=[r min,，r max ]使得S ∈[S min, S max ],其中，T 为线性变换，图5 灰度线性变换minr -max r min r Smax -max r Smin r min r -max r Smin -Smax ⨯⨯+=S （3） 若 r(50,200)、s(0，255) 则：85r 7.115050255-r 150255-≈⨯=S （4） （2）平滑处理对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通过低 通滤波器来滤除噪声，但实际中为了简化算法也可以直接在空域中用求邻域平均值的方法莱削弱噪声的影响，这种方法称为图象平滑 4 3 2 5 i,j 1 6 7 8 2 3 i,j 1 4处理。
例如，某一象素点的邻域S 有两种表示方法：8邻域和4邻域分别对应的邻域平均值为∑∈=s j i j i f M j i g ),(),(1),( （5）其中，M 为邻域中除中心象素点f(i,j) 之外包括的其它象素总数，对于4邻域M=4，8 邻域M=8。
然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。
为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。
图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。
正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。
边缘提取是较经典的算法，此处边缘的提取采用的是Roberts 算子。
图6 robert 算子边缘检测由上图可以归纳起来以下方面:原始图像清晰度比较高，从而简化了预处理，结合MATLAB实验过程，得出不是每一种图像处理之初都适合滤波和边界增强。
本次汽车车牌的识别，为了保存更多的有用信息。
4.3 牌照的定位和分割牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。
由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。
对图像进行腐蚀去除杂质通过计算寻找X和Y方向车牌的区域完成车牌定位对分割出的车牌做进一步处理图7 牌照定位于分割流程图4.3.1 牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。
此时可进一步确定牌照在整幅图象中的准确位置。
这里选用的是数学形态学的方法，其基本思想是用具有一定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。
数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。
在本程序中用到了膨胀和闭合这两个基本运算，最后还用了bwareaopen来去除对象中不相干的小对象。
图8 腐蚀后图像图9 平滑图像的轮廓图10 从对象中移除小对象后图像4.3.2 牌照区域的分割对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。
根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。
然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。
图11 行方向区域和最终定位出来的车牌4.3.3车牌进一步处理经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T 的像素群和小于T的像素群，即对图像二值化。
均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素。
再用模板中的全体像素的平均值来代替原来像素值。
图12 裁剪出来的车牌的进一步处理过程图4.4 字符的分割与归一化[m ，n]=size （d），逐排检查有没有白色像素点，设置1<=j<n-1，若图像两边s（j）=0，则切割，去除图像两边多余的部分切割去图像上下多余的部分根据图像的大小，设置一阈值，检测图像的X轴，若宽度等于这一阈值则切割，分离出七个字符归一化切割出来的字符图像的大小为40*20，与模板中字符图像的大小相匹配图13 字符分割与归一化流程图4.4.1字符分割在汽车牌照自动识别过程中，字符分割有承前启后的作用。