2、预处理
由于图像质量容易受光照、天气、相机位置等因素的影响，所以在识别车牌之前需要先对相机和图像做一些预处理，以得到车牌清晰的图像。一般会根据对现场环境和已经拍摄到的图像的分析得出结论，实现相机的自动曝光处理、自动白平衡处理、自动逆光处理、自动过爆处理等，并对图像进行噪声过滤、对比度增强、图像缩放等处理。去噪方法有均值滤波、中值滤波和高斯滤波等；增强对比度的方法有对比度线性拉伸、直方图均衡和同态滤波器等；图像缩放的主要方法有近邻插值法、双线性插值法和立方卷积插值等。
车牌校正
由于受拍摄角度、镜头等因素的影响，图像中的车牌存在水平倾斜、垂直倾斜或梯形畸变等变形，这给后续的识别处理带来了困难。如果在定位到车牌后*行车牌校正处理，这样做有利于去除车牌边框等噪声，更有利于字符识别。目前常用校正方法有：Hough变换法，通过检测车牌上下、左右边框直线来计算倾斜角度；旋转投影法，通过按不同角度将图像在水平轴上进行垂直投影，其投影值为0的点数之和时的角度即为垂直倾斜角度，水平角度的计算方法与其相似；主成分分析法，根据车牌背景与字符交界处的颜色具有固定搭配这一特征、求出颜色对特征点的主成分方向即为车牌的水平倾斜角度；方差小法，根据字符在垂直方向投影点的坐标方差小导出垂直倾斜角的闭合表达式，从而确定垂直倾斜角度；透视变换，利用检测到的车牌的四个顶点经过相关矩阵变换后实现车牌的畸变校正。
字符识别
对分割后的字符的灰度图像进行归一化处理，特征提取，然后经过机器学习或与字符数据库模板进行匹配，后选取匹配度的结果作为识别结果。目前比较流行的字符识别算法有：模板匹配法、人工神经网络法、支持向量机法和Adaboost分类法等。模板匹配法的优点是识别速度快、方法简单，缺点是对断裂、污损等情况的处理有一些困难；人工神经网络法学习能力强、适应性强、分类能力强但比较耗时；支持向量机法对于未见过的测试样本具有更好的识别能力且需要较少的训练样本；Adaboost分类法能侧重于比较重要的训练数据，识别速度快、实时性较高。我国车牌由汉字、英文字母和阿拉伯数字3种字符组成，且具有统一的样式，这也是识别过程的方便之处。但由于车牌很容易受外在环境的影响，出现模糊、断裂、污损字符的情况，如何提高这类字符和易混淆字符的识别率，也是字符识别的难点之一。易混淆字符包括：0与D、0与Q、2与Z、8与B、5与S、6与G、4与A等。
随着行业的发展，市场各式各样的需求，市场对车牌识别系统(车牌识别系统)的需求越来越广泛，主要分为：软件识别和硬件识别。通过车牌号码的自动识别、自动登陆、自动对比，系统可以实现自动开闸、自动计费、自动验证用户车辆身份、自动区分内外部车辆、自动计算车位数、自动报警等诸多智能化功能。
随着现在我国的经济不断快速进行发展，汽车的拥有数量也是在逐年进行增多的，从但是当车辆逐渐多了之后，我们对于外来车辆进行相应的排查以及分类也就变得非常的复杂了，所以，现在已经有很多的小区都开始安装有车牌识别功能的系统，用来区别小区内外的车辆来结合相应的收费系统，对那些停留长时间的车辆比较合理的进行收费。
高速公路以及收费站
车牌识别系统在高速公路上的应用，应该可以说是很多司机经常见到的一种，车辆在停靠之，就会自动显示出车辆所走的公里数以及需要收费相应的金额，在很大程度上提高了收费的效率还有沟通方面的成本。
