伴随着科学技术的飞速发展、日常生活质量的全面提高,汽车的数量在各个国家的总体数量都出现出了快速的增长。目前我国的汽车数量已经增加到一亿两千万辆,是世界汽车总数量的12％,已经成为了世界上第二大的汽车国家,并且其数量仍然在快速的增长当中。当然,随着汽车数量的不断增多,马路的不断加宽加长,对这些汽车的管理也就是现在的交通问题越来越被人们所关注,从而使其成为了一门很重要的学科来研究。在这门学科中主要研究的问题又依赖于对车辆的识别,车辆识别也就是车牌的识别。　　一般车牌识别的步骤主要有三部分内容:车牌定位,车牌字符分割,车牌字符识别。这三个部分组成了一个完整的车牌识别的过程。由于精力有限,本文只对三个步骤中的车牌定位和字符分割进行相应的仿真研究。　　本文用到的定位方法是根据车牌的字符本身的横向和纵向扫面特征、车牌的字符和底板的色彩差别特征,再结合其他的特征,通过特定算法的筛选过程来确定车牌位置并提取出车牌图像。主要算法是通过比较决定使用Prewitt算子边缘检测提取车牌的边缘信息,根据车牌的垂直方向扫面特征和周边色彩区别特点去除一定的干扰边缘信息,连接边缘点,标记连通域,根据车牌的形状特征并采用Adaboost方法继续去除干扰信息凸显车牌信息以分离出车牌图像,对分离出来的车牌图像倾斜校正,去除上下边界与左右边界得到精确的车牌字符区域。经过仿真分析,本文算法能够很好的定位出车牌图像,对单车牌图像和多车牌图像都适用,定位成功率高,通用性好。　　本文的另外一部分是车牌分割,这部分内容第一步先分析了几种典型的字符分割的方法,使用了基于车牌垂直方向投影法与先验知识作为模板匹配结合的车牌字符分割方法来将前面经过精确定位的车牌字符图片分割成单独的字符。