汽车类型识别是智能交通的一个重要组成部分。目前，传统的电磁线圈感应识别车型法由于对路面的破坏、维护困难、不可移动性等原因，使其发展受到了有大的限制。近几年车牌识别得到了国内外学者的广泛关注，其原理是对车牌进行光学字符识别（OCR），虽有着较好的识别效率，但面对一些违规遮挡、涂改、改挂车牌的现象却无能为力，特别是对于未来的无人值守收费系统，仅依靠它也不能解决这一问题。 本文对机器视觉与数字图像处理及其应用进行了研究，并对智能交通及其关键技术进行了讨论。设计了一个汽车类型识别方案，运用图像处理的方法获取汽车轮廓特征，提取特征参数，设计分类完成汽车类型识别。针对汽车的外形轮廓尺寸进行图像分析来设计算法，实现对汽车进行大中小型的分类。首先，对公路收费处采集到的汽车的图像结合其前期背景图像，运用图像差影算法进行汽车对象提取，去除多余的背景，只留下汽车目标。其次，对得到的结果图像进行预处理，采用直方图均衡化算法增强图像，重点是去除一些因客观原因所叠加的噪声，课题选用中值滤波法，通过实验设计中值滤波模板完成噪声滤除。再次，运用分水岭算法进行图像分割完成二值化处理，使汽车的轮廓边界分明，便于后期的尺寸特征提取。对于汽车图像边缘的多余突刺和凹陷，运用图像数学形态学的处理进行消除和填充，使其边界更为真实。最后，采用横纵向图像点扫描的方法计算汽车的长度和高度参数，借助统计分析设计的分类器完成汽车类型的识别。运用DELPHI高级程序语言完成了算法的实现，并运用其进行相关实验。实验显示，将机器视觉与数字图像处理运用于汽车类型识别是可行的，且快速、准确、并能有效解决车牌识别中出现的一些大改小，换车牌等逃避收费的问题。研究结果表明，数字图像处理技术用于智能交通中能大力提高其效能。