采集和处理系统。车牌识别系统是城市智能交通管理系统的一个重要组成部分，广泛用于是针对公路行驶的机动车辆进行实时监控的智能化交通系统，电子收费，交通违规管理，安全停车管理等重要领域。
五、总体设计
车牌识是一辆汽车独一无二的信息，因此，对车辆牌照的识别技术可以作为辨识一样车
3
f最为有效地方法。车牌识别系统包括摄取的汽车图像，车牌号码的识别，车牌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，如下图所示。
输入图像
预处理
车牌定位
字符分割
输出结果图1车牌识别系统流程图
字符识别
归一化
六、具体设计
界面效果图
4
f（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r50200间，而且总体上灰度偏低，图象较暗
图6灰度增强后的图像
（2）平滑处理
5
f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来削弱噪声的影响，这种方法称为图象平滑处理。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，gij
1M
ijs
fij。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。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。
综上所述，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，经过多次r