由于一般车牌识别系统都分为图像预处理、车牌区域的定位分割、字符分割与字符识别四个步骤，所以本次毕业设计的车牌识别系统也分为四个步骤，下面是对各个步骤算法的简单介绍。
2.1  图像预处理
2.1.1  图像的灰度化
由于汽车图像样本是彩色图像，又称RGB图像，它是利用R、G、B三个分量表示一个像素的颜色，通过三种颜色的不同组合合成出任意颜色，因而对于一个规格为m×n的彩色图像来说，要表示它的颜色信息需要一个m×n×3文的数组。而在图像识别过程中只需一个一文的可表示各像素点颜色信息的数组即可，这样减少了不必要的数据信息，提高了系统的效率，也为图像的进一步处理提供了方便。
图像灰度化即将彩色图像转化为灰度图像，使R、G、B三个分量相等，灰度图像只表示图像的强度信息，表示图像信息的每个像素值为灰度值。由于R、G、B分量的取值范围是0~255，所以灰度图像的级别有256级。
2.1.2  图像的二值化
    图像二值化是指将图像转化为只有黑白两种颜色的图像。图像二值化的主要目的一方面使实际图像处理时的速度提高，精简信息量；另一方面经过二值化后的图像由于可以运用几何概念进行分析和图像特征提取，为后面的字符识别工作也奠定了基础。
二值化的关键是要确定合适的阈值，使得字符背景能准确分割开来，并使二值化后的图像保留关键信息，使图像的轮廓形状保持不变。设图像f（x，y），其灰度级范围是[Z1，Z2]，在Z1和Z2之间选择一个合适的阈值t，则二值化后的图像f（x，y）可以表示为：

阈值的选取直接影响分割的结果，常用的阈值选取主要分为整体阈值法、局部阈值法和动态阈值法三类。本文采用的是全局阈值二值化方法，它是根据图像的灰度分布确定一个阈值，并根据此阈值实现灰度图像到二值化图像的转化，全局阈值方法的优点在于算法简单，对目标和背景分离明显。缺点是对输入图像中的噪声和由光照引起的不均匀等情况的抵抗能力较弱。局部阈值法则是由像素灰度值及其周围点的灰度特性来局部地确定阈值的方法，由于非均匀光照条件等情况虽影响了整体图像的灰度分布却不影响局部图像性质，因此适用局部阈值法。局部阈值法的不足是实现过程繁琐，且不能保证原图像的形状不变等。动态阈值法中的阈值则是由该像素的灰度值、其周围像素的灰度值及其坐标的位置三者共同决定的。动态阈值法能更好的突出背景和目标的分界，并能避免相邻线条的粘连现象。   
2.1.3  膨胀、腐蚀以及开、闭运算
膨胀和腐蚀是形态学滤波的方法。其基本思想是利用一个结构元素来探测一个图像，看是否能够将这个结构元素很好地填放在图像内部，同时验证填放结构元素的方法是否有效。膨胀的运算符为“ ”图像集合A用结构元素B来膨胀，记作A B，其定义为
              （2.3）
其中C为B的映像，即B关于原点对称的集合。上式表明，首先对B作关于原点的映射，再将其映像平移x，当A与B映像的交集不为空集时，B的原点就是膨胀集合的像素。腐蚀的运算符是“ ”,A用B来腐蚀记作A B，其定义为
                    （2.4）
其中C为B的映像，即B关于原点对称的集合。上式表明，A用B腐蚀的结果是所有满足将B平移x后，B仍全部包含在A中的集合，从直观上看就是B经过平移后全部包含在A中的原点组成的集合。 Matlab车牌定位技术研究与实现(4):http://www.youerw.com/zidonghua/lunwen_8562.html