随着我国汽车工业的快速发展,我国的汽车拥有量已经从2018年的2.4亿辆增长到2019年的2.5亿辆,汽车数量的增多,一方面缩短了人们的出行时间,便于人们的出行;另一方面也给管理部门带来了巨大的压力。为了降低管理汽车的工作量,实现道路交通监管和社区有序管理,通过车牌识别系统来管理车辆是十分必要的。本文根据图像处理的相关知识,针对封闭小区、学校等车辆需要低速通过的场所,设计了一个车牌识别系统;并且根据课题的需要,完成了对车牌识别系统所使用的相机以及测光仪的选择;根据所设计的实验平台,通过控制相关要素,拍摄了一组图片,并从光照、距离、角度等方面进行了研究。首先,在车牌定位方面本文介绍了两种方法。一种是经过灰度变换,把彩色图像转换为灰度图像,通过直方图均衡化增强图像整体对比度,中值滤波去除掉噪音,再经过边缘检测、形态学处理及计算车牌的长宽比来完成对车牌的定位;另外一种是通过HSI颜色空间、形态学处理以及计算车牌的长宽比来完成对车牌的定位。在选择过程中发现,第二种方法效果较好,且随着光照强度的增加,在HSI颜色空间中,S的值呈阶梯状变大;当距离变化时,没有外界光的干扰下,随着车牌距相机距离越远,S的值逐渐变小,当有外界光的干扰下,随着光照距相机距离越远,S的值逐渐变大。车牌定位完成后通过Randon变换和Hough变换对倾斜车牌进行校正,并通过形态学的方法去除掉车牌上的杂质,当车牌的长宽比取值为x∈(2.5,4),角度取值范围为[0°,30°]较好。通过LabVIEW中NI Vision Development Module所带的OCR技术,对定位后的车牌进行分割、训练,从而生成一个.abc的模板字符库,将所生成的.abc文件使用在所要识别的车牌上可以进行车牌字符的识别。经过实验数据的采集以及实验数据的验证,可以得出在车牌识别系统中光照、距离和角度都会对车牌识别系统产生影响。将设计的系统应用在现实中识别效果较好。