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。

　　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。

　　复杂环境下的车牌识别问题，主要针对车牌识别系统中识别软件部分的相关技术进行研究。致力于其中所用到的各种数字图像处理算法，寻求一种对车牌的位置、颜、大小无关的定位算法，该算法要对于外界光线强度和图像对比度的变化有较强的适应能力，并使之在车牌生锈、变形等干扰的情况下能够准确定位；在车牌进行分割时，对于字符粘连和断裂的情况，要相应地做出分割和合并。基于数字图像处理的车牌识别是一种无源型汽车牌照智能识别方法，不需要在汽车上安装发送车牌号码的车载发射设备，对运动或静止状态车辆的车牌号码可以进行非接触性信息采集与识别。

　　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。