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。

　　“让科技刷新您的梦想”“让我们的服务成就您的品牌！”是我们秉承的宗旨，期待与更多的合作伙伴同行，赢得机会，赢得市场！

　　对于整个画面，统计出每一种(g1,g2)值出现的次数，然后排列成一个方阵，再用(g1,g2)出现的总次数将它们归一化为出现的概率P(g1,g2)，这样的方阵称为灰度共生矩阵。距离差分值（a,b）取不同的数值组合，可以得到不同情况下的联合概率矩阵。（a,b）取值要根据纹理周期分布的特性来选择，对于较细的纹理，选取（1，0）、（1，1）、（2，0）等小的差分值。当a=1,b=0时，像素对是水平的，即0度扫描；当a=0,b=1时，像素对是垂直的，即90度扫描；当a=1,b=1时，像素对是右对角线的，即45度扫描；当a=-1,b=1时，像素对是左对角线，即135度扫描。这样，两个象素灰度级同时发生的概率，就将(x,y)的空间坐标转化为“灰度对”(g1,g2)的描述，形成了灰度共生矩阵。

　　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。

　　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。