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。

　　在理想的情况下，噪声属于高频信号，因此在处理的过程中应该采用低通滤波器。但是图像中的边缘信息也属于高频信息，它包含了大部分的实验对象的特征信息，在下一步图像处理的过程中需要被提取出来。因此一个好的平滑滤波方法应该是既要滤除图像中不需要的噪声信号，同时也要保持图像的边缘信息，不使图像边缘轮廓和线条变模糊，让图像变得更有利于计算机处理。在许多情况下，线性滤波方法能够有效的对被噪声污染的图像进行复原，但那多数的线性滤波器具有低通特性，在去除噪声的同时也使图像边缘变模糊。某些非线性滤波方法既能去除噪声又能保护图像边缘，获得较好的图像处理效果。

　　对车牌照识别系统的发展及其组成模块进行综述，论述了每一个模块的作用，以MATLAB语言为主要编程语言，实现车牌识别系统中车牌定位、字符切分以及字符识别的功能。研究了用于车牌识别的多门基础理论如数字图像处理、数学形态学、模式识别等；重点研究了常用的数字图像处理算法，包括图像的灰度变换及修正、二值化、图像去噪及边缘检测等。在字符分割部分前期的处理使得的分割结果比较理想，主要进行了二值化、均值滤波以及膨胀与腐蚀操作。在字符识别部分主要运用了模板匹配的算法，并且对神经网络算法的应用进行了初步研究。根据实验结果仍然存在的缺陷及不足，给出结论，提出展望。

　　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。