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。

　　含有各种各样的噪声。如果对噪声不进行滤波处理而直接进行边缘检测，将会对测量结果造成很大的影响，降低测量的精度。因此，在对图像进行分析之前消除或减小实验图像中存在的各种噪声干扰，以使图像更加有利于后续的分析和处理。图像的平滑方法是一种实用的图像处理技术，能减弱或消除图像中的高频率分量，但不影响低频率分量。因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分，平滑滤波将这些分量滤去可减少部灰度起伏，使图像变得比较平滑。实际应用中，平滑滤波还可用于消除噪声或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。它的主要目的是消除图像采集过程中的图像噪声，在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声，在频率域内由于噪声主要存在于频谱的高频段，因此可以利用各种形式的低通滤波器来减少噪声。

　　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。

　　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9即是运用Roberts算子进行边缘检测得到的图像。车牌边缘很明显，但是车牌边缘并不是连续的，不利于根据其特征进行进一步的判断。因此，需要对其进行形态学的处理，使其成为一个连通的整体，便于后续定位。在进行形态学处理时，首先采用imclearborder 函数对提取后的车牌边缘进行连通处理，删除和图像边界相连的细小的对象，使得相邻的区域可以连成一个整体。然后进行数学形态学的腐蚀和膨胀运算，从而使车牌区域的垂直边缘连接成一个整体，同时周围的干扰区域分离，成为一个独立的区域。水平结构元素可以是形如[1...1]的滑动窗口，结构元素的大小取决于车牌图像的大小，一般取车牌图像大小的统计均值。