本文详细研究了具有中国车牌特点的车牌识别系统，主要分为三部分：车牌图像定位、车牌字符分割、车牌字符识别。车牌定位部分本文采用了一种基于灰度跳变特征与形态学的自适应图像二值化法对汽车图像进行二值化。由于车牌区域在水平方向上的灰度变化，明显要高于其背景，因此可以对图像依此进行预处理；再利用形态学的开运算及闭运算，消除图像中的噪声并填充图像区域的空洞，为车牌定位提供帮助。基于此，本文使用了自适应图像二值化方法：先以差分图像中每列的最大值的平均值乘以0.5作为最初阈值Th，对图像进行二值化；然后对图像进行形态学处理；检查此时二值图中白色区域占全图的比例，如果小于给定值则减小Th的值，反之增加，如此反复修订阈值，对图像重新进行二值化，并进行开运算及闭运算，以取得最佳效果。经过如此处理过的图像上的车牌区域非常明显；然后通过区域分析提取候选区域，再结合先验知识去除伪区域的方法实现了车牌的快速和准确的定位。在字符分割部分首先研究对车牌的精确为割。由于在车牌图像的水平投影中两个具有最大梯度变化值的投影图，对应的是字符与上下边框间的空隙，因此可以据此将上下边框去掉定出字符上下边界；然后对车牌进行垂直投影，投影图最左侧波峰的开始处及最右侧波峰的结束处对应的是字符的左右边界，如此完成了车牌的精确分割，并在此基础上分割出字符。对精确分割后车牌图像进行垂直投影，两个波峰间的谷点即为分割位置。为了尽量避免分割错误，对提取出的“字符”进行像素个数检查，经合经验值判定其是正常字符区、噪声、还是窄区域，并根据对与窄区域相邻区域的检查来判断是窄字符还是误分割，从而进行窄区域处理以获得正确的分割结果。在字符识别部分首先将字符归一化，为避免噪声干扰，本文采取非线性归一化方式，将字符归一化为大小与字符模板相同的32×16像素。然后选用了模板匹配法对车牌字符进行识别，即将分割来的字符分别与字符模板中的字符进行求差操作，与哪个字符差值最小即将分割图像判定为该字符，并将其对应的字符输出，完成识别。本文以Matlab为工具进行实验，对不同环境不同角度的各种车牌图像进行了实验，实验结果表明按照本文算法设计的车牌自动识别系统提高了车牌定位的准确性，识别率有所提高，同时也使处理速度在一定程度上得到了提高。