在对车牌定位之前，应对原始图像进行一些预处理前，为减少对后续定位、识别的影响，为图像具有较大的对比度和较大的清晰度，地运用于牌照分割和字符识别，应对原始图像进行一些处理。因为对于原始图像的来源主要是摄像机直接拍摄处理道路上行驶的车辆，加上车牌照本身的整洁程度、自然光的照射条件、摄像机镜头的光学畸变产生的噪声、拍摄时摄像机与车牌照的距离、车辆行驶的速度以及摄像头的拍摄角度，在这些负面的影响下有可能造成车牌照的图像清晰度不够、角度不正、等严重损坏影响对车牌字符识别的准确度。导致对于车牌的定位和字符分割的结果不准确。

　　字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法是首先将分割后的字符二值化，并将其尺寸缩放为字符数据库中模板的大小，然后与模板进行匹配，选取佳匹配作为结果。建立数字库对该方法在车牌识别过程中很重要，数字库准确才能检测出的数据正确。基于人工神经元网络的算法有两种，一种是先对特征提取待识别字符，然后用所获得的特征训练神经网络分配器；另一种是直接将待处理图像输入网络由网络自动实现特征提取直至识别结果。模板匹配实现简单，当字符较规整时，对字符图像的缺损、污迹干扰适应力强且识别率高。因此，这里将模板匹配作为车牌字符识别的主要方法。

　　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。

　　纹理是一种区域特性，因此与区域的大小和形状有关。两种纹理模式之间的边界，可以通过观察纹理度量是否发生显著改变来确定。纹理是物体结构的反映，分析纹理可以得到图像中物体的重要信息，是图像分割、特征抽取和分类识别的重要手段。纹理分析指通过一定的图像处理技术提取出纹理特征参数，从而获得纹理的定量或定性描述的处理过程。纹理分析方法按其性质而言，可分为两大类:统计分析方法和结构分析方法。?统计纹理分析寻找刻划纹理的数字特征，用这些特征或同时结合其他非纹理特征对图像中的区域（而不是单个像素）进行分类。图像部区域的自相关函数、灰度共生矩阵、灰度游程以及灰度分布的各种统计量，是常用的数字纹理特征。如灰度共生矩阵用灰度的空间分布表征纹理。由于粗纹理的灰度分布随距离的变化比细纹理缓慢得多，因此二者有不同的灰度共生矩阵。?结构纹理分析研究组成纹理的基元和它们的排列规则。基元可以是一个像素的灰度、也可以是具有特定性质的连通的像素集合。基元的排列规则常用树文法来描述。