车牌识别系统作为智能交通管理必不可缺的一子系统，它的系统主要分为四个重要部分:图像的预处理、车牌定位、字符分割和字符识别。在本次设计中，我们所采用的是一套基于MATLAB的车牌自动识别的方式，对于车牌的识别，它具有较强的识别能力，能有效地解决带有噪声和图像在不同条件下所带来的一些负面影响的问题。的设计结果也表明了MATLAB使车牌识别系统在运行上十分有效。整个系统中对于车牌的位置的定位和车牌号码的字符识别为重要。其中的车牌定位又分为图像图像灰度化、图像边缘检测和图像腐蚀；另外车牌号码的识别又由车牌号码的分割和单号码模块匹配结合。该系统的主要目的是将车牌部分通过对图像预处理后从原始图像中分离出来，再将车牌内车牌号的字符单个分离出来，再对单个字符进行模板匹配识别，所以车牌定位分离、字符定位、分离的结果在体统的识别过程中显得重要。

　　2、识别速度快，达到了毫秒级别，优化了识别算法和车牌定位；3、车牌宽度低，识别距离远；移动端车牌识别软件配置要求:操作系统:Android2.3以上、iOS6.0以上移动端车牌识别软件硬件配置:推荐ARM Cortex-A7以上，1G RAM移动端车牌识别软件摄像头:支持自动对焦，200万像素以上。移动端车牌识别软件安装程序占用空间，3Mbytes车牌识别算法的应用:占道停车管理:占道停车收费

　　邻域平均法是一种简单的空间域平滑噪声处理方法，属于线性滤波器。它是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值(除以9)作为新图中该像素的灰度值。它采用模板设计的思想模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关而且与其邻域点的像素值有关。模板运算在数学中的描述就是卷积运算。邻域平均法也可以用数学公式表达。邻域平均处理法是以图像模糊为代价来减小噪声的，且模板尺寸大，噪声减小的。如果f(i,j)是噪声点，其邻域像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它，这样能明显消除噪声点是邻域中灰度接近均匀，起到平滑灰度的作用。因此，邻域平均法具有良好的噪声平滑效果，是简单的一种平滑方法。

　　依靠科技求发展，不断为用户提供满意的智能化系统，优质的产品、适中的价格、专业的技术和一流的服务是我们永恒的追求。在机会和挑战并存的竞争环境中，为满足市场不断增长的需求，公司将一直站在行业高新技术的尖端，秉承“理性务实、创新发展”的宗旨，奉行“进取、求实、严谨、团结”的方针，不断开拓创新，以技术为核心、视质量为生命、奉用户为上帝，竭诚为您提供性价比最高的智能产品、高质量的工程设计改造及无微不至的售后服务。