在实际工作场景中采集到的数字图像通常会因为外界环境、摄像设备、传输线路或保存精度等方面的原因，使其在进行预处理前受到各种噪声的污染。并且在图像处理过程中也可能会对图像产生噪声。噪声与我们想要处理的图像没有任何关联，还会对我们的处理产生不好的影响。所以，一般情况下我们会在进行图像处理前对图像采用滤波技术进行处理，常用的滤波方法有：中值滤波、均值滤波、高斯滤波等。适用场合:适用于所有停车场、高速收费站、港口、海关口岸、物流园区、医院、商场等各类出入口及各种卡口对车辆车牌识别及能脱机使用的场合。

随着社会的发展进步，车牌识别已经逐渐的发展成为智能交通系统中较为重要的组成部分，也是收费系统防止作bi的重要手段，更是高速系统自动化收费系统必须解决的关键问题，主要的目的是可以从图像中自动提取出车牌的图像，分割字符图像，实现对车牌信息的识别和比对。它不仅仅是计算机视觉与模式识别技术重要的研究话题，更是交通管理智能化的关键技术之一。目前，国内外都致力于这方面的研究，如模版匹配，神经网络，小波变换等，也都取得了较好的研究成果。特别是在夜间，它可以抑制汽车前照灯的干扰，使车牌清晰扫描，识别率达到99。

随着高速公路系统新技术的高速发展，车牌识别技术已经成为交通应用方面的重要组成部分，切社会对其的应用也十分广泛，它不但在高速，隧道，桥梁等方面被广泛应用，而且也逐渐的被应用于小区，停车场等方面，也在电子和wei章拍照方面做出较大贡献，介于车牌识别技术的广泛应用，越来越过的国家也都致力于对其的研究，同时也提出了一些较好的办法。但是，单方面而言其流程大概一致，关键差别在于前端采集系统图像的精度，和后端的算法处理。而对于车牌识别算法的厂家来说，如何延伸对目标车辆的识别范围，实现***的识别是市场所需。

车牌的底色检测

车牌颜色不是单一的，所以在识别的过程中我们还需要对车牌的颜色予以区分。通过我们对车辆车牌的研究发现，车牌的底色一般为蓝色或者黄色，而车牌上字符的颜色一般为白色或者是黑色。车牌不是单一颜色的，如果是那么我们就没办法识别了，因此，我们需要对车牌的颜色予以区分。本设计采用的是RGB 模型检测方法，具体的方法就是将检测得到的像素点与 RGB 模型进行比对，就可以得出车牌的颜色。车牌自动采集和管理及其他相关信息流量管理，园区车辆管理，停车场管理，交jing督察和重大意义等方面，并成为信息处理技术的一个重要的研究课题。