智能停车系统的应用：
1、图像预处理
由于摄像时的光照条件、牌照的整洁程度、摄像机的状态(焦距、角度和镜头的光学畸变)，以及车速的不稳定等因素都会在不同程度上影响图像效果，出现图像模糊歪斜或缺损、车牌字符边界模糊不清、细节不清，笔画断开、粗细不均等现象，从而影响车牌区域的分割与字符识别的工作，所以在车牌识别前要进行图像预处理。
因为彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理过程中经常要将彩色图像转变为灰度图像，以加快处理速度。将彩色转换为灰度的过程叫作灰度化处理。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，图像变得更加清晰、细腻、容易识别。
2、图像滤波
高斯滤波是一种线性平滑滤波，适用于高斯噪声，广泛应用于图像处理的减噪过程。通俗来说，高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由它本身和邻域内的其他像素值经过加权平均后得到。
高斯滤波对随机噪声和高斯噪声(尤其是服从正态分布的噪声)的去除效果都比较好，能够除去采集过来时图片的随机噪声。
3、车牌定位
自然环境下，汽车图像常有背景复杂、光照不均匀的现象，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些候选区域做进一步分析、 评判，选定一个较好的区域作为牌照区域，并从图像中分割出来。
采用纹理跳变的方式进行扫描，行扫描法是利用了车牌图像的连续特性。车牌区域有连续7个字符，而且字符与字符之间的距离在一定范围内。定义从目标到背景或者从背景到目标为一个跳变。牌照区域相对于其他非车牌区域跳变多，只有间距在设定范围内，跳变次数大于一定次数，并且连续满足上述要求的行要达到一定的数目，才能完成定位功能。
按从下到上的顺序，对图像的每一行进行从左向右的扫描， 碰到跳变点记录下当前位置，如果某行连续有20个以上跳变点，并且前一个跳变点和后一个跳变点的距离在30个像素内，记录下起始点和终止点位置，如果连续有10行以上这样的跳变点，则认为该区域是车牌预选区域。如图3-8所示。
4、字符分隔
完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法，由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部较小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件，利用垂直投影法在复杂环境下对汽车图像中的字符分制有较好的效果。图像二值化是将图像上的像素点的灰度值设置为0或255,也是将整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过选取适当的阈值而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位。首先，图像的二值化有利于对图像进一步处理，图像变得简单，而且数据量减小，能凸显出感兴趣的目标轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。车牌图片的二值化采用的是自适应阈值二值化，它根据车牌字符和车牌背景的区分，能突出字符，对车牌的分割有着很大的帮助。
首先，将图片看成-一个平面，将图片向水平方向投影，这样有字的地方的投影值高，没字的地方投影得到的值低。这样会得到一根曲线,像一个又一个山头。然后，用一根扫描线从下向上扫描。这个扫描线会与图中曲线存在交点，这些交点会将山头分割成-一个又一个区域。车牌图片一-般是7个字符，因此，当扫描线将山头分割成七个区域时停止。然后根据这七个区域向水平线的投影坐标可以将图片中的七个字符分割出来。其次，依据连续性原则对二值化后的车牌图像循环取得水平的白点个数，判断出车牌的上下界;接着循环取得垂直的白点个数，循环从下界取值，到一定值时出现7段低于阈值，按一定原则分割确定字符。在车牌图片上加辅助线。分制字符。对字符进行归一化，依次存储并显示。将系统切制出来的字符作为模板。对于些实际情况有着良好的适应性， 可提高字符识别率。如图3-9所示。
5、字符识别
目前，字符识别方法主要有基于模板匹配算法和基于人的神经网络算法两种。选用基于模版匹配算法首先要将分割后的字符二值化，并将其尺寸缩放为字符数据库中的模板的大小，然后与所有的模板进行匹配，选择较好的作为匹配结果。
运行程序后，会将上一步存储的字符与已存好的模板进行对比匹配，把其像素点的相同点数和白色的个数作为依据，采用AD算法，求提取的模板和原来模板像素点灰度值之差，并统计差的和值，将该和值作为两幅图像的距离，选择距离较小者输出结果。这种方法能够针对一部分车牌图像进行很好的识别。如图3-10所示。
