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r50200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s0255之间，为此我们对灰度值作如下的变换：
sTr
rrmi
，rmax
使得S∈Smi
Smax其中，T为线性变换，
SSmaxSmi
rSmi
rmaxSmaxrmi

rmaxrmi

rmaxrmi

若r50200、s0，255
则：S255r2555017r85150150
图5灰度线性变换
（3）
（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4法也可以直接在空域中用求邻域平均值的方
5法莱削弱噪声的影响，这种方法称为图象平滑
6
32ij178
23ij1
4
4
f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
gij1
fij
Mijs
（5）
其中，M为邻域中除中心象素点fij之外包括的其它象素总数，对于4邻域M4，8邻域M8。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6robert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。43牌照的定位和分割牌照的定位和分割r