车牌的识别在智能交通系统中有着十分重要的应用价值，它是智能交通系统中基础和关键。国内外很多的专家和学者都对车牌的识别展开了深入的研究，并涌现了很多具有突出贡献的理论和算法。车牌识别结合了图像处理和模式识别等多项技术，能够被广泛的应用在停车场管理、高速收费管理中，节省了大量的人力和物力资源。本文主要对车牌识别系统所涉及的车牌定位、车牌分割和车牌识别三个必要环节展开研究，并利用C语言和OPECNV库实现了一个简单的车牌识别系统。总结全文的工作，有以下几点：第一，本文阐述本课题研究的背景、意义。通过分析课题研究的背景，研究意义说明了研究和实现一套基于图像的车牌识别系统具有一定必要性；第二，本文对车牌的定位方法展开一些研究。车牌定位是车牌分割和车牌识别的前提，因此车牌定位的准确性直接影响着车牌分割和车牌识别的准确性。本文介绍了常用的四种定位方法：基于边缘检测的方法、基于形态学的方法、基于颜色划分的方法和基于纹理特征的方法。并通过分析发现，单一的车牌定位方法不能够满足定位准确性的需求，因此本文最终确定使用基于颜色划分和基于投影方法相结合的车牌定位方法，并在算法的试验中发现，这两种方法的融合能够很好的对车牌进行定位；第三，本文对车牌分割方法展开了一些研究。本文介绍了两种简单的车牌分割方法：基于连通域的方法和基于垂直投影的方法。在对这两种方法分析时发现，基于垂直投影的方法具有算法速度快，处理效果好。第四，本文对车牌识别展开了一些研究，本文介绍了三种车牌识别的常用方法：基于神经网络的方法、基于特征统计的方法和基于模板匹配的方法。通过原理和实验方面的分析发现基于神经网络的方法具有更好的识别准确率和抗干扰能力，非常适用于实现高准确度的车牌识别系统。第五，通过对车牌定位、车牌分割和车牌识别方法的研究，本文实现了一个简单的基于图像的车牌识别系统，在识别系统中，车牌的定位使用了基于颜色划分和基于投影法相融合的方法；车牌的分割使用了简单的基于垂直投影的方法；车牌的识别使用了基于BP神经网络的方法。在实验测试中，本文所实现的系统能够很好的对车牌进行定位、分割和识别。