最近几年,我国频繁出现大范围大雾天气,已经严重影响人们日常生活与工作。雾天会导致目标图像中的对比度降低,饱和度下降以及颜色退化,从而造成图像识别系统识别效果下降,如路口交通的监控,小区车牌识别,公路车牌识别等,严重的还会出现系统瘫痪等问题。由此可见,清晰化处理雾天环境下图像具有重要意义。车辆图像采集时因为大雾天气,无法定位车牌位置。大雾天气席卷我国大中城市,导致采集雾天车辆牌照时出现颜色失真、对比度小以及图像模糊等现象,对车牌识别系统的实时性与精准性产生直接影响。由此可见,预处理大雾天气下车辆图像成为雾天环境下车牌识别的重要问题。本文通过去雾理论以及在python+opencv的环境下分别实现了直方图均衡算法,retinex算法,以及暗原色去雾算法。并且以Laplace梯度算法作为清晰度评价参考依据。最后得出暗原色去雾算法最好。另外,对于具有高时间复杂度和白边的暗原色去雾算法,采用中值滤波算法进行优化。通过分析采用中值滤波对HE暗原色去雾算法进行完善。中值滤波在原有基础上对白边效应改善,避免暗原色去雾阶段存在的优化透射率图造成大量时间被损耗的问题,并通过实验对比得到改进算法大幅提高去雾速率。车牌定位方面首先应用canny算法对雾天图像进行边缘检测,再运用形态学对检测雾天图像边缘进行数据检测,获取对应封闭空间,按照车牌牌照在车上固定的长度与宽度比例得到对应车牌候选位置;结束后垂直投影处理车牌候选区域,按照本区域显示清晰的山谷与山峰交替而运行本功能,准确定位车牌区域。最后利用颜色特征排除干扰因素。字符分割采用投影法。字符识别采用成熟的SVM算法进行识别。程序实现环境为python+opencv。本文主要工作是对主要去雾算法进行分析并进行对比得到最好的去雾算法,并且针对当前算法的不足提出改进。通过对获取的图像进行预处理达到去雾的效果,并且对车牌识别系统进行了实现。