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。

　　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。

　　灰度共生矩阵用两个位置的象素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的象素之间的位置分布特性，是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图象的部模式和它们排列规则的基础。取图像(N * N )中任意一点(x,y)及偏离它的另一点(x+a,y+b),设该点对的灰度值为(g1,g2)。令点(x,y)在整个画面上移动，则会得到各种(g1,g2)值，设灰度值的级数为 k，则(g1,g2)的组合共有k的平方种。