图像预处理主要是对系统获取的原图像基本特征的信息进行相应的、有针对性的处理，以滤去干扰、噪声，作几何校正、色彩校正，以便于计算机的分析计算，一般包括滤波、图像增强、图像二值化、形态学运算、边缘检测等等。
3.1图像灰度化
将彩色图像转换成灰度图，一方面提高了图像的处理速度，另一方面更统一了多种颜色的车辆牌照。本文采用加权平均值法将图像灰度化，即根据重要性或其他指标给R 、G 、B 赋予不同的权值，并使R 、G 、B 等于它们的值的加权和平均
R=G=B=(W rR+W gG+W bB)/3
其中Wr 、Wg 、Wb 分别是R 、G 、B 的权值，取Wr ＝0.299、Wg ＝0.588、Wb ＝0.113，从而得到最合理的车牌灰度图像。
3.2中值滤波
接着要进行图像的去噪处理，用中值滤波方法可以有效去除图像中的噪声点，同时保护图像边缘的细节。中值滤波[2][3]是通过在图像上移动一个滑动窗口，窗口中心位置的象素值用窗口内部所有象素灰度的中值来代替。因此关键在于滑动窗口的选取，本文采用3x3方形窗口进行滤波，可以很好的消除图像中孤立噪声点的干扰，还能有效的保护边界信息。
3.3灰度变换
如果一幅图成像时由于光线过暗或曝光不足，则整幅图偏暗（如灰度范围从0到6 3）；光线过亮或曝光过度，则图像偏亮（如灰度范围从200到255），都会造成图像对比度偏低问题，即灰度都挤在一起了，没有拉开，这时可以采用灰度变换方法来增强图像对比度。本文采用分段线性灰度变换法进行灰度变换，根据经验值，对[30 200]之间的灰度值进行变换。
3.4直方图均衡化
直方图是用来表达一幅图像灰度等级分布情况的统计表。通过对图像中像素个数多的灰度值（及对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（及对画面不起主要作用的灰度值）进行归并，从而达到清晰图像的目的，其本质上是一个直方图变换，即将输入图像的直方图映射成一个最大平展的直方图。。经过直方图均衡化处理以后，图像的灰度分布变得均匀，原来偏暗的图像亮度明显增强，图像变得更为清晰。
3.5图像二值化
车牌二值化是识别图像的一个关键步骤，其目的是得到鲜明区分目标和背景的二值图。二值化就是用计算出来的阈值把原始图像分为对象物和背景两部分，关键在于阈值T 的选取，本文采用动态阈值法对车牌图像进行二值化处理，能够加快图像处理的速度，实验效果如图5所示。
3.6形态学处理
二值化后的车牌图像还存在许多干扰区域，若直接进行车牌定位，很容易出现误定位或增加了车牌定位的计算量，因此可以利用数学形态学算子，简化图像数据，保持图像的基本形状特征，去除不相干的结构。
数学形态学的基本运算有四个：膨胀（或扩张）、腐蚀（或侵蚀）、开运算和闭运算，其基本思想是利用结构元作为探针收集图像的信息，当探针在图像中不断移动时，即可根据图像各部分的相互关系来了解图像的结构特征。因此，利用形态学算子来处理图像时，结构元的设置非常重要。
图像预处理主要是对系统获取的原图像基本特征的信息进行相应的、有针对性的处理，以滤去干扰、噪声，作几何校正、色彩校正，以便于计算机的分析计算，一般包括滤波、图像增强、图像二值化、形态学运算、边缘检测等等。
3.1图像灰度化
将彩色图像转换成灰度图，一方面提高了图像的处理速度，另一方面更统一了多种颜色的车辆牌照。本文采用加权平均值法将图像灰度化，即根据重要性或其他指标给R 、G 、B 赋予不同的权值，并使R 、G 、B 等于它们的值的加权和平均
R=G=B=(W rR+W gG+W bB)/3
其中Wr 、Wg 、Wb 分别是R 、G 、B 的权值，取Wr ＝0.299、Wg ＝0.588、Wb ＝0.113，从而得到最合理的车牌灰度图像。
3.2中值滤波
接着要进行图像的去噪处理，用中值滤波方法可以有效去除图像中的噪声点，同时保护图像边缘的细节。中值滤波[2][3]是通过在图像上移动一个滑动窗口，窗口中心位置的象素值用窗口内部所有象素灰度的中值来代替。因此关键在于滑动窗口的选取，本文采用3x3方形窗口进行滤波，可以很好的消除图像中孤立噪声点的干扰，还能有效的保护边界信息。
3.3灰度变换
如果一幅图成像时由于光线过暗或曝光不足，则整幅图偏暗（如灰度范围从0到6 3）；光线过亮或曝光过度，则图像偏亮（如灰度范围从200到255），都会造成图像对比度偏低问题，即灰度都挤在一起了，没有拉开，这时可以采用灰度变换方法来增强图像对比度。本文采用分段线性灰度变换法进行灰度变换，根据经验值，对[30 200]之间的灰度值进行变换。
3.4直方图均衡化
直方图是用来表达一幅图像灰度等级分布情况的统计表。通过对图像中像素个数多的灰度值（及对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（及对画面不起主要作用的灰度值）进行归并，从而达到清晰图像的目的，其本质上是一个直方图变换，即将输入图像的直方图映射成一个最大平展的直方图。。经过直方图均衡化处理以后，图像的灰度分布变得均匀，原来偏暗的图像亮度明显增强，图像变得更为清晰。
3.5图像二值化
车牌二值化是识别图像的一个关键步骤，其目的是得到鲜明区分目标和背景的二值图。二值化就是用计算出来的阈值把原始图像分为对象物和背景两部分，关键在于阈值T 的选取，本文采用动态阈值法对车牌图像进行二值化处理，能够加快图像处理的速度，实验效果如图5所示。
3.6形态学处理
二值化后的车牌图像还存在许多干扰区域，若直接进行车牌定位，很容易出现误定位或增加了车牌定位的计算量，因此可以利用数学形态学算子，简化图像数据，保持图像的基本形状特征，去除不相干的结构。
数学形态学的基本运算有四个：膨胀（或扩张）、腐蚀（或侵蚀）、开运算和闭运算，其基本思想是利用结构元作为探针收集图像的信息，当探针在图像中不断移动时，即可根据图像各部分的相互关系来了解图像的结构特征。因此，利用形态学算子来处理图像时，结构元的设置非常重要。