车牌识别系统中的核心步骤有以下几部分：图像采集、目标车辆图像处理、目标车牌定位、车牌字符分割以及字符识别。其中图像处理是整个系统的基石，图像处理可以划分为如下几部分：

(1)数字化:通过取样、量化将采集的车牌图像转换为数字形式方便我们处理；

(2)图像编码:通过信息编码，来满足解决传输和存储的问题；

(3)图像压缩：经过数字化的图像数据较大因此需要压缩处理。图像压缩有两类：无损压缩和有损压缩；

(4)增强复原：增强是为了改进图片质量，改善车牌对比度较差的部分；

(5)图像分析：从中选取部分有效的车牌图像信息进行分析来获取相关数据。

在交通道路中，监控系统中的车牌识别系统要做到准确、快速的识别出目标车辆牌照，在车牌识别过程中，目标车牌图像采集、采集到的车牌图像预处理、车牌区域定位以及车牌字符分割[1]以及字符识别都是车牌识别的关键，其中核心技术有：

a。车牌定位；

b。车牌字符分割；

c。车牌字符识别技术，即识别出切分后的字符。

1。2车牌识别系统的研究意义

车牌识别间接地为我们的交通和生活提供了许许多多的便利，车牌识别的核心是对拍摄车牌的图像定位分割以及识别车牌上的字符，车牌识别为交通部门高速公路超速以及监测提供了许多便利，它对交通发展具有重大意义，车牌识别系统将获取的图像先经过图像预处理再通过灰度化及其图像腐蚀来降低车牌定位的难度。在定位之前做Robert边缘检测使边缘显现出来，此时我们只需要找到符合车牌特点的区域即可，定位后的车牌需要进行字符的分割，在这一过程中有许多因素会导致不能准确无误的分割，进而字符识别也无法准确实现。因此车牌识别系统的研究意义是宝贵的。

1。3车牌识别系统的难点论文网

车牌识别是一个很复杂的图像处理[2]和模式识别问题，研究时存在很多难点，主要有下面几点影响我们在车牌识别[3]过程中的分割以及识别。

(1)车牌图像往往受到很多情况的影响并会导致我们观察车牌过程中发现车牌的有用信息不能清除的显现出来。例如雨天泥水覆盖了车牌的部分、车牌的倾斜度、光线的强弱程度以及车牌周围有遮挡物等问题都会导致车牌识别过程中出现图像清晰度不高、车牌区域不明显等现象进而影响了车牌识别和分割。

(2)拍摄角度和方位对车牌识别系统同样也有影响。摄像角度越大平面图像变形越大识别更加困难，因此拍摄角度对字符分割和字符识别影响较大，则车牌校正能力要求也应该更高。

(3)牌照多样性。每个国家的汽车牌照各有其特色并且尺寸差异也较大，要求我们在设定程序的过程中要涉及全面，即增加了一定的识别难度。

(4)我们国家标准车牌是由汉字、英文字母以及阿拉伯数字构成，而三者的识别度差异较大，增加了识别的难度。

(5)许多发达国家受到严重污染或者受损较重的车牌被禁止行驶，而在我们国家却没有这项规定，是的车牌不明显很多车牌即使可以正常定位然而在字符识别中受到较大影响。

1。4车牌识别系统的应用

车牌识别系统是利用计算机视觉和模式识别技术在智能交通领域中的应用，被广泛使用，主要在以下方面使用较多：

(1)高速公路ETC通道； 

(2)可以通过单双号来限定车辆的出行；

(3)高速路段测速系统；

(4)住宅区车辆的识别和管理；

(5)闯红灯等违章车辆监控；