3）平均值法
将彩色图像中的三分量亮度求平均得到一个灰度值。
                    f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3                    （2.3）
4）加权平均法
根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。
                    f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))             （2.4）
2.2    图像滤波
    图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。    
    任何一幅未经处理的原始图像，都存在一定程度的噪声干扰[1]。噪声恶化了图像质量，图像模糊，甚至淹没特征给分析带来困难。消除图像噪声的工作称为图像平滑或滤波。平滑的目的有两个：改善图像质量和抽取对象特征。由于噪声源众多（如光栅扫描、底片颗粒、机械元件、信道传输等），噪声种类复杂（如加噪声、乘性噪声、量化噪声等），所以平滑的方法也很多，平滑可以在空间域进行也可以在频率域进行。空间域常用方法有：邻域平均法、选择平均法、中值滤波、空间低通滤波。
    中值滤波由Turky在1971年提出，最初用于时间序列分析，后来被用于图像处理，并在去噪复原中取得了较好的效果。中值滤波器是基于次序统计完成信号恢复的一种典型的非线性滤波器，其基本原理是把图像或序列中心点位置的值用该域的中值替代，具有运算简单、速度快、除噪效果好等优点，曾被认为是非线性滤波的代表。然而，一方面中值滤波因不具有平均作用，在滤除诸如高斯噪声时会严重损失信号的高频信息，使图像的边缘等细节模糊；另一方面中值滤波的滤波效果常受到噪声强度以及滤波窗口的大小和形状等因素的制约，为了使中值滤波器具有更好的细节保护特性及适应性，人们提出了许多中值滤波器的改进算法。
    中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二文滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二文数据序列。
二文中值滤波输出为；
g（x,y）=med{f(x-k,y-l),(k,l∈W)}   （2.5）
其中f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二文模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。　
标准一文中值滤波器[3]的定义为：
                    yk = med{ xK-N, xk-N+1, ... ,xk, ... ,xK+N }        （2.5）
式中，med表示取中值操作。中值滤波的滤波方法是对滑动滤波窗口（2N+1）内的像素做大小排序，滤波结果的输出像素值规定为该序列的中值。 Matlab车牌定位算法的设计+文献综述(7):http://www.youerw.com/yanjiu/lunwen_10150.html