社会经济的快速发展,带来城市规模的不断扩大,人们的生活也更加便利。但同时,城市发展过程中的交通管理问题也在日益突出,时时刻刻在影响着我们的生活。解决交通管理问题的有效手段是引入智能化交通管理系统,以减少人工成本和提高执法效率。目前,智能交通系统已经得到了较为广泛的应用,在高速公路卡口、雷达测速等方面应用众多。车牌类似于车的名字,若能够识别出道路上车辆的牌照,就能够确定车辆的信息,也就有了交通执法的基础。因此,车牌识别系统也是智能交通管理方案的重要组成部分。车牌识别算法有很多实现的途径,但总的来看大部分的思路都是由整体图像预处理、在全图中定位车牌、将车牌分割成字符块、用分类器进行字符识别这几个部分组成,其中车牌分割是车牌定位和字符识别的中间步骤,起着承上启下的重要作用。本文对预处理算法中的图像灰度化和二值化算法进行了研究。并且对车牌分割算法进行研究,实现了一种基于类间方差的车牌分割算法。在进行车牌图像灰度化的步骤中,根据车牌图像的特点,突出了图像的绿色特征,另外还测试了常用的最大值法和取平均值法的效果,并进行了比较。在二值化算法部分,本文提出了混合二值化算法,首先计算出图像的全局阈值,作为对整幅图像降噪的基础,然后结合局部阈值法对图像进行二值化处理,最终获得了不错的实验效果。在车牌字符提取部分,本文分别采用区域生长法和MSER算法对车牌上的字符进行提取。区域生长法是以一个种子点为起点,通过聚类算法获得所属的像素块。MSER算法是一种提取图像中最稳定区域的算法,本文首先研究了阈值步长、最大区域变化率与字符块的关系,以此探索较好的参数取值。接下来,还需要对得到的字符块进行筛选,以获得合适的字符块。最后,本文对区域生长法和MSER算法的提取效果进行了比较和分析。在车牌字符分割部分,本文首先提取车牌上的单一字符作为基准字符,然后消除车牌的分隔点,以减小对后续步骤的影响。然后通过计算基准字符与分隔点的位置关系来获得字符的序数,接下来建立相应的车牌模板,最后通过类间方差法估计出最优的车牌字符分割组合,取得了不错的分割效果。本文的研究内容主要是基于灰度化方法、混合二值化算法、字符块提取算法、基于类间方差法的车牌字符分割算法等多种处理技术,与传统方法相比,在实验效果上取得了较好的提升。