对车牌照识别系统的发展及其组成模块进行综述，论述了每一个模块的作用，以MATLAB语言为主要编程语言，实现车牌识别系统中车牌定位、字符切分以及字符识别的功能。研究了用于车牌识别的多门基础理论如数字图像处理、数学形态学、模式识别等；重点研究了常用的数字图像处理算法，包括图像的灰度变换及修正、二值化、图像去噪及边缘检测等。在字符分割部分前期的处理使得的分割结果比较理想，主要进行了二值化、均值滤波以及膨胀与腐蚀操作。在字符识别部分主要运用了模板匹配的算法，并且对神经网络算法的应用进行了初步研究。根据实验结果仍然存在的缺陷及不足，给出结论，提出展望。
车牌识别系统目前已经成熟应用于各类的智能交通、安防系统中，对图像、视频中的车辆号牌进行自动的检测识别.典型的应用系统为:闯红灯自动监测系统，机动车超速监测系统，机动车逆行、压线监测系统，移动电子警察系统，治安卡口系统等智能交通系统。较为典型的应用为治安卡口系统，该系统如果没有车牌识别技术，就没有真正意义上的自动化智能。一个完善的治安卡口管理系统应该具备车牌自动识别、卡口应用系统和中心联网管理三个主要功能。车牌识别是其中为重要的一部分，只有达到实用识别技术的卡口系统才能有效的实现自动比对报警，避免出现大量的误报。同时，识别速度快，系统需要占用的系统资源就少、人工介入的可能性就小，系统网络的运行负担也相应减小。车牌识别的优劣直接影响的卡口系统的整体性能。
在理想的情况下，噪声属于高频信号，因此在处理的过程中应该采用低通滤波器。但是图像中的边缘信息也属于高频信息，它包含了大部分的实验对象的特征信息，在下一步图像处理的过程中需要被提取出来。因此一个好的平滑滤波方法应该是既要滤除图像中不需要的噪声信号，同时也要保持图像的边缘信息，不使图像边缘轮廓和线条变模糊，让图像变得更有利于计算机处理。在许多情况下，线性滤波方法能够有效的对被噪声污染的图像进行复原，但那多数的线性滤波器具有低通特性，在去除噪声的同时也使图像边缘变模糊。某些非线性滤波方法既能去除噪声又能保护图像边缘，获得较好的图像处理效果。
依靠科技求发展，不断为用户提供满意的智能化系统，优质的产品、适中的价格、专业的技术和一流的服务是我们永恒的追求。在机会和挑战并存的竞争环境中，为满足市场不断增长的需求，公司将一直站在行业高新技术的尖端，秉承“理性务实、创新发展”的宗旨，奉行“进取、求实、严谨、团结”的方针，不断开拓创新，以技术为核心、视质量为生命、奉用户为上帝，竭诚为您提供性价比最高的智能产品、高质量的工程设计改造及无微不至的售后服务。