目前，世界正处在经济全球化与信息技术高速发展的时代，汽车产业也随之爆发式增长，汽车正越来越成为大众消费品。与此同时，越来越多的交通阻塞、交通违规、交通事故等问题使得交通系统承受着越来越大的压力。在此背景下，智能交通领域越来越受到人们的关注，同时作为智能交通领域的核心，车牌识别系统正发挥着越来越重要的作用，它被广泛地应用在车辆智能监控、车辆流量监测、车辆跟踪等重要场景。车牌字符分割是车牌识别系统的重要步骤，同时由于车牌图像的质量参差不齐，通常需要对车牌图像进行预处理来提高车牌图像的质量。因此，对车牌图像的预处理及字符分割的研究是具有实际应用价值的。　　本文详细总结了图像预处理中常用的图像增强、图像边缘检测、图像二值化等图像处理技术，在阐述各自原理的基础上对各自的优缺点进行了分析与比较，并说明了各自的应用场景。在图像预处理相关理论研究的基础上，同时结合美国车牌字符分割算法的研发与测试，本文提出了非规则车牌的预处理及字符分割相关方法的优化研究，主要有如下工作:　　1.针对车牌倾斜提出了一种优化的车牌倾斜校正算法，有效解决了车牌因倾斜而车牌字符无法正常分割的问题。　　2.提出了一种综合二值化算法，该算法综合了彩色空间二值化、OTSU二值化及Niblack二值化算法的优点，二值化效果显著提升。　　3.为了进一步优化二值图像，提出了一种车牌二值图像去噪的方法，分别针对离散噪声点和连续噪声块进行去除。　　4.在优化经典的垂直投影分割算法和连通域分割算法的基础上提出了适用于特定类型车牌的模版匹配字符分割算法，解决了缺失字符补全、伪字符去除、分割错位等问题。　　5.提出了一系列车牌字符分割的辅助方法，包括车牌二次分割、粘连字符拆分、伪字符去除等。以上方法都能保证在不影响分割结果的前提下使正确率得以提升，并且时间性能上也满足实际需求。　　最后，本文利用美国10个州的车牌图像对本文提出的研究方法进行实验测试与分析，实验结果表明经过优化的字符分割算法在各个州上测试稳定，有较高的字符分割准确率，平均分割准确率达86.72％，能够满足实际应用的需求。