数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础。所谓边缘是指其周围像素灰度值有阶跃变化或屋顶变化的那些像素点的集合。边缘广泛存在于物体与背景之间、物体与物体之间、图像基元与基元之间。它是图像分割所依赖的重要特征，图像理解和分析的步一般都是边缘检测。边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用部图像微分技术来获得边缘检测算子。经典的边缘检测方法，是通过对原始图像中像素的某小邻域构造边缘检测算子来达到检测边缘这一目的的。

　　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。

　　对该系统使用的模板匹配的识别方法，它先依次提取需要识别的字符的二值图像上下左右四个点的像素点，想沿着图像中心方向提取周围像素点，计算出每个像素点与标准模板对应该坐标的像素点的相识度，其中相似度高的标准字符图就作为需要的字符的对应字。也可以计算出原始图像一些特征像素点之间的距离，再计算出标准模板对应特征点的距离，再判断他们距离的差异。取小差异的标准模板为结果。但是，由于原始字符在可能会由于拍摄的时候角度原因和图像经过处理后，图像像素点距离发生改变。所以，在对标准模板的设计时应根据实际拍摄角度等多做一些相对于的模板，让比较结果更为。