2.图像采集:通过高清摄像抓拍主机对通行车辆进行实时、不间断记录、采集。3.预处理:噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等。4.车牌定位:在经过图像预处理之后的灰度图像上进行行列扫描，确定车牌区域。5.字符分割:在图像中定位出车牌区域后，通过灰度化、二值化等处理，定位字符区域，然后根据字符尺寸特征进行字符分割。5.字符识别:对分割后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配判别。

　　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。

　　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。