基于数字图像处理的车牌识别系统
基于图像处理的车牌识别系统设计
基于图像处理的车牌识别系统设计车牌识别技术在交通管理、车辆安全等领域发挥着重要作用。
为了提高车牌识别系统的性能和准确率，基于图像处理的车牌识别系统设计是一个关键任务。
本文将详细介绍如何设计一个基于图像处理的车牌识别系统，包括系统的总体结构、关键技术和实现方法。
一、系统总体结构基于图像处理的车牌识别系统通常由以下几个模块组成：图像获取、车牌定位、字符分割、字符识别和结果输出。
首先，图像获取模块负责从摄像头或者其他设备获取图像数据。
然后，车牌定位模块使用图像处理技术在图像中找到车牌位置。
接着，字符分割模块将车牌中的字符分割成单个字符。
然后，字符识别模块使用机器学习或深度学习技术对单个字符进行识别。
最后，结果输出模块将识别结果展示给用户或者存储到数据库中。
二、关键技术1. 图像预处理在车牌识别系统中，图像预处理是一个非常重要的步骤。
这个步骤的目的是对图像进行去噪、增强和灰度化等处理，以提高车牌定位和字符识别的准确性。
常用的图像预处理技术包括尺寸归一化、灰度转换、均衡化和滤波等。
2. 车牌定位车牌定位是车牌识别系统中的核心环节。
它的目标是在图像中准确地找到车牌的位置。
常用的车牌定位技术包括基于颜色、边缘和形状的检测方法。
颜色方法通过车牌的特定颜色进行检测，边缘方法通过寻找车牌边界进行检测，形状方法通过车牌的形状特征进行检测。
3. 字符分割字符分割是将车牌中的字符分割成单个字符的过程。
由于字符之间的距离和大小不一致，字符分割是车牌识别中的一个难点。
常用的字符分割技术包括基于边缘、投影和连通区域的方法。
边缘方法通过寻找字符边缘进行分割，投影方法通过字符的水平或竖直投影进行分割，连通区域方法通过分析字符之间的连通关系进行分割。
4. 字符识别字符识别是车牌识别系统的最后一步，它的目标是将分割后的字符识别出来。
常用的字符识别技术包括基于模板匹配、人工神经网络和卷积神经网络（CNN）的方法。
模板匹配方法通过与预先存储的字符模板进行匹配来识别字符，人工神经网络方法通过训练一个神经网络来进行字符识别，卷积神经网络方法利用深度学习技术来提取特征并进行字符分类。
(完整版)基于数字图像处理的车牌识别本科毕业论文
本科生毕业论文（设计）题目:基于数字图像处理的车牌识别设计**: ***学院: 数理与信息工程学院专业: 电子信息工程班级: 111学号:指导教师:刘纯利职称: 教授2014 年12 月24 日安徽科技学院教务处制目录摘要 ....................................................................关键词 ..................................................................1、设计目的 .............................................................2、设计原理: ............................................................3、设计步骤: ............................................................4、实行方案 .............................................................4.1. 总体实行方案:...................................................4.2. 各模块的实现:...................................................4.2.1输入待处理的原始图像: .......................................4.2.2图像的灰度化并绘制直方图: ...................................4.2.3 边缘检测....................................................4.2.4图像的腐蚀操作：............................................4.2.5平滑图像....................................................4.2.6除去二值图像的小对象 ........................................4.3车牌定位 .........................................................4.4字符的分割与识别..................................................4.4.1.车牌的再处理................................................4.4.2字符分割....................................................4.5车牌识别：........................................................5、总结: ................................................................6、致谢 .................................................................7、参考文献: ............................................................基于数字图像处理的车牌识别设计电子信息工程专业学生周金鑫指导教师刘纯利摘要：车牌识别在人类社会交通系统中担当重要角色，一个设计优良的车牌识别系统会给人们生活带来极大的方便，本文通过运用matlab和数字图像处理的一些知识简单通过图像预处理，车牌定位，字符分割，采用模板匹配法实现车牌字符的识别。
基于数字图像处理技术在汽车牌照识别系统的应用研究
基于数字图像处理技术在汽车牌照识别系统的应用研究摘要：随着生活水平的日益提高，各大城市汽车数量也不断增加，因此交通状况日益受到人们的重视。
如何进行有效地交通管理，成为各政府相关部门越来越关注的焦点。
汽车牌照自动识别是智能交通管理系统中的关键技术之一，本文介绍一种基于数字图像处理的车牌识别系统，该系统主要由图像的采集、图像预处理、牌照定位、字符分割和字符识别五部分组成。
牌照自动识别技术的工作是处理并分析摄取的视频流中具有复杂背景的车辆图像，即牌照字符定位、字符分割，最后自动识别汽车牌照上的字符。
关键词：汽车牌照识别；智能交通管理；数字图像处理中图分类号：tp391.41 文献标识码：a 文章编号：1007-9599 （2012）19-0000-02车辆牌照识别系统（vehicle license plate recognition system，简称lpr）是现代智能交通系统中的一项重要研究课题，是实现智能交通的重要环节，涉及领域异常广阔，包括模式识别、计算机视觉以及数字图像处理技术等。
随着智能交通系统的迅猛发展，对于汽车牌照识别技术的研究也随之发展起来。
如今的世界已经发展成为数字化信息时代，很多难以解决的问题依托这一平台得到完美的解决。
智能交通系统可以在不影响汽车正常行驶的状态下自动完成对牌照的有效识别，很显然这一技术的发明对于交通管理工作起到了很大的推动作用。
目前，车辆牌照识别技术已经广泛应用于高速公路的监测，电子收费，安全停车管理，交通违规管理，偷盗车辆辨别等重要领域，其发展对于人民的生活、社会经济以及城市的建设产生了积极而深远的影响，因此对于汽车牌照识别技术的研究具有重要的现实意义。
数字图像处理技术作为车牌识别系统中最为重要的技术之一，在其中发挥了不可估量的作用。
随着近些年来数字图像处理技术的高速发展，也为车牌识别系统的建立提供了有效的技术保障。
电子摄像得到的结果是彩色图像，而且不可避免地含有各种噪声干扰，为了能够分割出车牌的有效区域并在有效区域中分离中单个车牌字符，我们可以数字图像处理技术来进行相关处理，从而达到清晰识别的目的。
基于图像处理的智能车牌识别系统设计
基于图像处理的智能车牌识别系统设计智能车牌识别系统是一种基于图像处理技术的先进系统，它能够准确地识别车辆的车牌信息。
通过使用该系统，可以实现自动化的车牌识别，提高交通管理的效率和准确性。
本文将详细介绍基于图像处理的智能车牌识别系统的设计原理和流程。
1. 引言智能车牌识别系统的出现，使得车牌识别不再需要人工干预，大大提高了车辆的识别准确性和工作效率。
本文将介绍基于图像处理技术的智能车牌识别系统的设计原理和流程。
2. 系统设计原理智能车牌识别系统的设计原理基于图像处理技术。
图像处理技术包括图像采集、图像预处理、特征提取和车牌识别四个主要步骤。
2.1 图像采集智能车牌识别系统通过摄像头等设备采集车辆图像。
车辆图像应包含车辆的完整车身和清晰的车牌信息，以提高识别的准确性。
2.2 图像预处理图像预处理是为了提取出车牌区域，并消除图像中的噪声。
预处理过程通常包括图像增强、图像灰度化和图像二值化等步骤。
通过这些步骤，可以使得车牌区域在图像中更加突出，并减少后续处理的计算量。
2.3 特征提取特征提取是智能车牌识别的核心步骤。
在车牌上有许多特定的特征，如字符形状、颜色等。
特征提取的目的是将这些特征从图像中提取出来，并进行分析。
常用的特征提取方法包括垂直和水平边缘检测、字符分割等。
2.4 车牌识别车牌识别是基于特征提取的结果进行的。
通过对提取出的特征进行匹配，可以判断出车牌的字符信息。
车牌字符识别可以采用模板匹配、神经网络等方法。
3. 系统设计流程智能车牌识别系统的设计流程可以分为以下几个步骤：3.1 图像采集首先，需要选择合适的设备进行车辆图像的采集。
摄像头的选择应根据实际场景进行，保证图像的清晰度和准确性。
3.2 图像预处理经过图像采集后，需要对采集到的图像进行预处理。
预处理包括图像增强、图像灰度化和图像二值化等步骤。
这些步骤可以通过使用图像处理算法和工具库来完成。
3.3 特征提取在预处理完成后，需要对图像进行特征提取。
基于图像处理的智能车牌识别系统研究
基于图像处理的智能车牌识别系统研究一、绪论智能交通系统是现代城市交通的一个重要方向，而车牌识别系统是智能交通系统的一个重要组成部分。
在现代社会，车辆数量的越来越大，交通拥堵日益严重，车牌识别系统的出现，可以有效地协助交警实现对交通秩序的监督，大大提高道路使用效率。
基于图像处理的智能车牌识别系统具备了高效性、准确性和自动化等优点，成为当前车牌识别技术的主流方向。
二、智能车牌识别系统实现原理智能车牌识别系统基于图像处理技术，主要分为车牌定位、图像增强、字符分割和字符识别四个基本模块。
1. 车牌定位车牌定位是智能车牌识别系统的第一个基本模块，其主要功能是在图像中准确定位并提取出车牌区域。
常用的车牌定位算法主要包括垂直投影法、颜色定位法、混合定位法、基于特征的定位法等。
2. 图像增强图像增强是智能车牌识别系统的第二个基本模块，其主要功能是对车牌图像进行处理，提高图像信噪比，增加图像的清晰度，减小车牌颜色、亮度等因素对识别的影响，为字符识别打下基础。
常用的图像增强方法主要包括灰度变换、平滑滤波、锐化滤波、边缘增强等。
3. 字符分割字符分割是智能车牌识别系统的第三个基本模块，其主要功能是将车牌中的字符进行分割，并提取出每个字符图像。
常用的字符分割方法主要包括基于垂直边缘投影法、基于水平波峰分割法、基于颜色灰度变换法等。
4. 字符识别字符识别是智能车牌识别系统的第四个基本模块，其主要功能是对车牌中分割出来的每个字符进行识别。
常用的字符识别方法主要包括基于模板匹配法、基于字符特征法、基于神经网络法等。
三、智能车牌识别系统存在的问题及解决方法1. 光照条件影响智能车牌识别系统在光照条件较差的情况下，识别率会明显降低。
解决方法常采用图像增强和自适应阈值技术，对车牌图像进行处理，提高图像的清晰度。
2. 多行车牌识别目前大部分的智能车牌识别系统只能识别单行车牌，对于多行车牌的识别则较为困难。
解决方法常采用基于几何形态、基于特征分析的多行车牌判断算法等。
基于数字图像处理的车牌识别系统
基于数字图像处理的车牌识别系统基于数字图像处理的车牌识别系统1．车牌识别系统研究⽬的及意义车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像，定位分割牌照，最后⾃动识别汽车牌照上的字符，LPR是利⽤车辆牌照的唯⼀性来识别和统计车辆，它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素，LPR系统应该能够从⼀幅图像中⾃动提取车辆图像，⾃动分割牌照图像，对字符进⾏正确识别，从⽽降低交通管理⼯作的复杂度。
2．车牌图像预处理为了便于车牌的分割识别，摄像机摄下的原始图像应具有适当的亮度和对⽐度。
但通常经输⼊系统获取的车牌图像信息由于光照条件、牌照的整洁度、摄像机的状态(焦距、⾓度和镜头的光学畸变)以及车速的不稳定等因素都会使图像含有各种各样的噪声与畸变。
例如由于光照度不均匀造成图像灰度过于集中;由摄像头获得的图像经过AD转换、线路传送都会产⽣噪声污染;车牌的字符部分受到磨损或是被污迹覆盖等等。
这些主客观因素不可避免地影响车牌图像的清晰程度，降低图像质量，轻者表现为图像不⼲净，难以看清细节，重者表现为图像模糊不清、歪斜或缺损，车牌字符边界模糊、细节不清、⽐划断开、粗细不均等现象。
这势必会影响车牌区域分割，降低车牌字符识别的准确度。
因此，在对车牌图像进⾏分析之前，必须要对车牌图像进⾏预处理。
对车牌图像的预处理主要包括以下三个⽅⾯:(l)图像对⽐度增强。
由于车牌识别系统需要全天候⼯作，⾃然光照度的昼夜变化会引起车辆图像对⽐度的严重不⾜，所以增强图像是很有必要的。
(2)图像去噪。
通常得到的汽车图像会有⼀些污点，为了保证识别的效果，需要对图像进⾏去噪处理。
(3)倾斜矫正。
摄像机的位置、车辆的运动等因素经常使拍摄出来的汽车图像有⼀定的倾斜，这就需要对图像进⾏倾斜矫正，或在分割出车牌区域之后对字符倾斜矫正2.1图像的灰度化通常情况下，实际的车牌识别系统中由摄像机采集到的原始图像是彩⾊图像，所有的彩⾊图像都是由红(R)、绿(G)、蓝(B)三基⾊组合⽽成，在数字图像中每⼀个基⾊都被分为256个等级，即0~255。
基于图像处理的车辆牌照识别系统设计与实现
基于图像处理的车辆牌照识别系统设计与实现1.简介车辆牌照识别系统是一种基于图像处理技术的智能交通系统，在现代交通管理中起着重要的作用。
本文将详细讨论基于图像处理的车辆牌照识别系统的设计和实现，包括系统流程、关键技术以及实验结果。
通过该系统，我们可以准确识别和记录车辆的牌照信息，为交通管理提供便利。
2.系统流程基于图像处理的车辆牌照识别系统主要包括图像获取、预处理、车辆牌照定位、字符分割和字符识别等步骤。
首先，通过摄像头等设备获取车辆图像；然后，对图像进行预处理，包括去噪、图像增强等操作，以提高后续处理的效果；接下来，通过牌照定位算法找到车辆图像中的牌照区域，并将其分割为字符；最后，使用字符识别算法对每个字符进行识别，得到完整的车辆牌照信息。
3.关键技术3.1 图像预处理图像获取后，通常需要进行一系列的预处理操作来提高图像质量和提取感兴趣的牌照区域。
这些预处理操作包括去噪、直方图均衡化、图像增强等。
去噪操作可以通过滤波器（如中值滤波器）来消除图像中的不必要的噪声；直方图均衡化可以增加图像的对比度，使牌照区域更加突出；图像增强可以通过锐化等算法来增强图像的细节。
3.2 牌照定位牌照定位是车辆牌照识别的关键步骤之一。
一般来说，牌照在车辆图像中的位置和大小是不确定的，因此需要通过算法来自动定位牌照区域。
常用的牌照定位算法包括颜色特征法和形状特征法。
颜色特征法通过分析车辆牌照区域的颜色信息来进行定位；形状特征法通过分析车辆牌照区域的形状特征来进行定位。
这些算法可以结合使用，以提高牌照定位的准确性和鲁棒性。
3.3 字符分割字符分割是将牌照区域中的字符独立开来的过程。
由于车辆牌照的字符形状和大小不一致，字符分割是一个具有挑战性的任务。
常用的字符分割算法包括基于投影的方法、基于边缘检测的方法等。
这些算法可以通过对字符之间的间隔进行分析和优化，来实现准确的字符分割。
3.4 字符识别字符识别是车辆牌照识别的最后一步，其目标是将分割后的字符映射到对应的字符类别。
〔大学论文〕基于数字图像处理的车牌识别系统设计与实现(含word文档)
基于数字图像处理的车牌识别系统设计与实现目录摘要 (1)1.设计原理 (2)2．详细设计步骤 (3)2.1提出总体设计方案 (3)2.2预处理及边缘提取 (4)2.2.1图象的采集与转换 (4)2.2.2边缘提取 (5)2.3牌照的定位和分割 (9)2.3.1牌照区域的定位 (9)2.3.2牌照区域的分割 (10)2.3.3车牌进一步处理 (11)2.4字符的分割与归一化 (12)2.4.1字符分割 (13)2.4.2字符归一化 (13)2.5字符的识别 (13)3．设计结果及分析 (16)4．程序源代码 (19)4.1基于matlab的程序源代码 (19)4.2基于VC++的程序源代码 (31)5．结语 (57)6．心得体会 (58)7．参考文献 (59)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。
关键字：车牌识别系统、智能化交通、车牌定位、字符分割、字符识别AbstractVehicle license plate recognition system is the intelligent road traffic constraints important factors,including the license plate location,character segmentation and character recognition of three main parts.Firstly,the vehicle license in the original image to determine the horizontal and vertical position,thereby positioning the vehicle license,and character segmentation using a local projection.In the character recognition part of the proposed feature extraction in the case of non-support vector machine based license plate recognition method.Experimental results show that the proposed method has good recognition performance.With the increasing popularity of road,road transport in China has developed rapidly,so the artificial management has not full of actual needs,microelectronics,communications and computer technology applications in the transport sector has greatly improved the efficiency of traffic management.Automatic license plate recognition technology has been widely used.Keywords:license plate recognition system,intelligent transportation,license plate localization,character segmentation,character recognition1.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。
- 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)。
基于数字图像处理的车牌识别系统基于数字图像处理的车牌识别系统言经官电气学院电子112摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。
文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。
本文所做的工作在于前期的图像预处理工作。
本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。
之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。
其中,去噪与二值化是关系图像识别率的关键。
关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化引言智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。
伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。
因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。
车牌识别系统的出现成为了交通管制必不可少的有力武器。
1 车牌识别系统的目标利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。
国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。
由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。
车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。
2 MATLAB 及其图像处理工具概述MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。
MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。
MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。
本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。
由于照片拍摄的好坏有很多外界因素决定，由于光照强度的影响，晴天拍摄的照片与阴天拍摄的照片质量肯定不一样，白天和晚上更是不同；由于每部车的车速的不一致，慢速行驶的车辆会比快速行驶的车辆拍摄的照片质量好一些，而且车速过快，会使照片的字迹模糊，这肯定会影响字符的识别。
故要对拍摄的照片进行灰度化、二值化、滤波等预处理。
传统的设计方法为：利用静止的汽车牌照图片，利用C 语言或C++语言来对图像进行处理，编程很复杂，维护难度大。
而MATLAB 语言对处理图像而言非常方便，可直接调用已经编好的函数，如可直接调用现成的函数进行复杂的傅里叶变换、拉普拉斯变换、二值化处理、数字滤波等操作。
3 车牌识别系统的工作原理现在普遍通用的车牌识别系统通常包括两大部分，软件与硬件。
其中软件是整个系统的核心部分，车牌识别的核心技术就在于软件。
系统一般由车体感应器，彩色摄像机．辅助光源．图像采集与处理器，主控电脑和识别系统软件构成。
系统软件一般先对牌照图像进行滤波、二值化、校正、分割等处理，再进行识别。
软件部分由六个主要处理子模块组成。
各模块功能为：1) 实时采集模块实现对汽车牌照图像的实时采集，并将采集的图像转换为数字图像存储；2) 车牌搜索及定位模块对数字化后的车牌进行区域目标搜索，并将图像进行灰度翻转统一为“白底黑字”；3) 车牌分割对定位的车牌区域进行字符分割，将车牌分为7 个单一的字符图片(针对普通民用车)；4) 特征提取模块对分割后的图片进行相应的特征描述；5) 分类识别模块根据图片的特征描述将其识别为相应的结果字符串；6) 数据传送输出识别结果字符串到指定的设备上。
图1 车牌识别系统与原理图4 图像预处理车牌图像通常是在各种复杂的背景、环境条件下采集得到，图像质量难以保证，因此在进行车牌定位之前，通常要进行图像的预处理工作。
图像预处理主要是对系统获取的原始图像基本特征的信息进行相应的、有针对性的处理，以滤去干扰、噪声，作几何校正、色彩校正，以便于计算机的分析计算，一般包括滤波、图像增强、图像二值化、形态学运算、边缘检测等。
本文图像预处理过程如图2.图2 车牌图像预处理流程图4.1 图像灰度化汽车图像样本目前大都是通过摄像机、数码相机等设备拍摄获取的，因而预处理前的图像都是24 位真彩色图像。
彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，而且大多数图像处理技术都是针对256 级灰度图的，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。
由彩色转换为灰度的过程叫做灰度化处理。
将彩色图像转换成灰度图，一方面提高了图像的处理速度，另一方面更统一了多种颜色的车辆牌照，因此，图像灰度化是做图像处理最根本的一步。
本文采用加权平均值法将图像灰度化，即根据重要性或其他指标给R、G 、B 赋予不同的权值，并使R 、G 、B 等于它们的值的加权和平均，R=G=B ＝（Wr*R+Wg*G+Wb*B）/3。
其中Wr、Wg、Wb 分别是R、G、B 的权值，取Wr ＝ 0.299、Wg ＝ 0.588、Wb＝ 0.113，从而得到最合理的车牌灰度图像。
Matlab 程序如下：图3 原图与灰度化后图片4.2 中值滤波由于图像中不可避免的存在有噪声，常用的滤波方法有：低通滤波、高通滤波、带通滤波、带阻滤波。
中值滤波的基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节．这是因为它不依赖于邻域内那些与典型值差别很大的值．中值滤波器在处理连续图像窗函数时与线性滤波器的工作方式类似，但滤波过程却不再是加权运算。
取3*3 函数窗，计算以点i,j]为中心的函数窗像素中值步骤如下：1)按强度值大小排列像素点。
2)选择排序像素集的中间值作为点[i,j]新值。
图4 3*3 中值滤波这一过程如图5 所示．一般采用奇数点的邻域来计算中值．但如果像素点数为偶数时，中值就取排序像素中间两点的平均值。
中值滤波在一定条件下，可以克服线性滤波器(如均值滤波等)所带来的图像细节模糊，而且对滤除脉冲干扰即图像扫描噪声最为有效。
在实际运算过程中并不需要图像的统计特性，也给计算带来不少方便。
但是对一些细节多，特别是线、尖顶等细节多的图像不宜采用中值滤波。
Matlab 程序如下：>> c=medfilt2(b,[3,3]);>> imshow(c);图5 中值滤波后图像标准中值滤波算法的基本思想是将滤波窗口内的最大值和最小值均视为噪声，用滤波窗口内的中值代替窗口中心像素点的灰度，在一定程度上抑制了噪声。
实际上在一定邻域范围内具有最大或最小灰度值这一特性的，除了噪声点，还包括图像中的边缘点、线性特征点等。
中值滤波以此作为图像滤波依据，其滤波结果不可避免地会破坏图像的线段、锐角等信息。
因此，要找到一种既能实现有效滤除噪声，又能完整保留图像细节的滤波机制，仅考虑噪声的灰度特性是难以实现的。
4.3 图像增强如果一幅图成像时由于光线过暗或曝光不足，则整幅图偏暗（如灰度范围从0到6 3 ）；光线过亮或曝光过度，则图像偏亮（如灰度范围从200 到2 5 5），都会造成图像对比度偏低问题，即灰度都挤在一起了，没有拉开，为了更方便的得到效果，提升识别率，对得到的灰度图像做灰度增强，首先用strel 函数对原始图像进行开操作的到图像的背景图像。
Matlab 程序如下：>> s=strel('disk',13);>> d=imopen(c,s);>> subplot(1,2,1);>> imshow(d);>> title('背景图像');>> e=imsubtract(c,d);%中值滤波后图像减去背景图像>> subplot(1,2,2);>> imshow(e);>> title('增强黑白图像');图6 灰度修正后图像4.4 直方图均衡化直方图是用来表达一幅图像灰度等级分布情况的统计表。
通过对图像中像素个数多的灰度值（及对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（及对画面不起主要作用的灰度值）进行归并，从而达到清晰图像的目的，其本质上是一个直方图变换，即将输入图像的直方图映射成一个最大平展的直方图。
实验效果如图8。
经过直方图均衡化处理以后，图像的灰度分布变得均匀，原来偏暗的图像亮度明显增强，图像变得更为清晰。
Matlab 程序如下：>> subplot(1,2,1);>> imhist(e);>> [f,g]=histeq(e,64);%图像灰度扩展到0~255，有64 个灰度级>> subplot(1,2,2);>> imhist(f);>> imshow(f);图7 直方图均衡化前（左）后（右）4.5 图像二值化图像的二值化处理就是将图像上的点的灰度置为两个数值，通常为0 或255。
使整个图像呈现出明显的黑白效果。
也就是将256 个亮度等级的灰度图像通过适当的门限值选取而获得仍然可以反映图像整体和局部特征的二值化图像嘲。
基于像素数目的直方图阈值分割是本文采用的二值化算法，它的好处在于可以减少直方图的不同形状对二值化效果的影响。