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。

　　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。

　　模板匹配是图象识别方法中具代表性的基本方法之一，它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量大的一个就表示期间相似程度高，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，用小距离法判定所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。

　　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。