在实际开发过程中，车牌图像预处理的去处噪声环节计算量大，所消耗的时间也多。因此，采用有效的中值滤波算子在去噪质量的基础上，减少计算量，加快处理速度变得尤为重要。 车牌识别是一种典型的复杂背景下模式识别问题，其中关键也解决的问题往往集中在车牌定位的过程上。车牌定位的工作主要是从拍摄到的汽车图像中找到汽车牌照所在的位置，并把车牌从该区域中准确地分割出来，便于字符分割使用。在车牌识别系统中，牌照区域的确定是影响系统的重要因素之一，牌照的定位准确定位与否直接影响到字符分割和识别的准确率。

　　输入图像 目前图像输入主要采用摄像机连接图像采集卡或者直接连接便携式笔记本进行实时图像采集，将模拟信号转换为数字信号。预处理  需要对采集的图像进行灰度化、灰度修正、图像去噪等处理，目的是突出车牌的主要特征，地提取车牌区域。车牌定位 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，选定一个佳的区域作为车牌区域，并将其从图像中分离出来。

　　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。