車牌識別中的不利因素：
非車牌區域可能形成同車牌區域類似的色彩和紋理從而給識別帶來困難
採集誤差、噪聲和光線的影響使得圖像質量較差，而車輛運動又不同程度地造成了圖像的惡化，甚至產生了幾何變形，加上背景複雜多變使得圖像的預處理過程很複雜。
算法不能過於複雜，特別是禁用NP算法。而大多數的傳統方法計算量都偏大，根本無法達到實時的要求。
什麼是NP算法：
NP的英文全稱是Non-deterministic Polynomial的問題，即多項式複雜程度的非確定性問題。簡單的寫法是 NP=P？，問題就在這個問號上，到底是NP等於P，還是NP不等於P。
生成問題的一個解通常比驗證一個給定的解時間花費要多得多。
如果某人告訴你，數13,717,421可以寫成兩個較小的數的乘積，你可能不知道是否應該相信他，但是如果他告訴你他可以因式分解爲3607乘上3803，那麼你就可以用一個袖珍計算器容易驗證這是對的。
人們發現，所有的完全多項式非確定性問題，都可以轉換爲一類叫做滿足性問題的邏輯運算問題。既然這類問題的所有可能答案，都可以在多項式時間（指的是一個問題的計算時間m(n)不大於問題大小n的多項式倍數。數學描述爲：m(n)= o(n^k)）內計算，人們於是就猜想，是否這類問題，存在一個確定性算法，可以在多項式時間內，直接算出或是搜尋出正確的答案呢？這就是著名的NP=P？的猜想。
不管我們編寫程序是否靈巧，判定一個答案是可以很快利用內部知識來驗證，還是沒有這樣的提示而需要花費大量時間來求解，被看作邏輯和計算機科學中最突出的問題之一。它是斯蒂文·考克於1971年陳述的。
圖像的數字化表示
圖像在空間座標上的離散化稱爲採樣；圖像在灰度上的離散化則稱爲量化。經過採樣和量化，圖像可以用一個矩陣來表示，取行和列的交點標出圖像的每個像素，每一像素對應一個灰度值。爲實現數字化，灰度值必須離散，例如分成 個等級。
一般量化與採樣數值都取爲2的整數冪。如一幅圖像用512行 512列的矩陣來表示（即像素數爲512 512），灰度量化256（2的8次方），那麼其二進制信息量爲：512 512 8=2097152 bit
圖像處理涉及領域：人工智能、計算機視覺、模式識別、神經網絡、圖像變換、圖像增強、圖像復原、圖像壓縮編碼、圖像分析基礎。
現有車牌分類：
1.大型汽車號牌：黃底黑字黑框線。中型（含）以上載客、載貨汽車和專項作業車；半掛牽引車；電車。
2.掛車號牌：黃底黑字黑框線。全掛車和不與牽引車固定使用的半掛車。
3.小型汽車號牌：藍底白字白框線。中型以下載客、載貨汽車和專項作業車。
4.使、領館汽車號牌：黑底白字，紅“使”、“領”字，白框線。駐華使、領館汽車。
5.港澳入出境車號牌：黑底白字，白“港”、“澳”字，白框線。港澳地區入出內地的汽車。
6.教練汽車號牌：黃底黑字黑“學”字。黑框線。教練用汽車。
7.警用汽車號牌：白底黑字紅“警”字。黑框線。汽車類警車。
8.低速車號牌：黃底黑字黑框線。低速載貨汽車、三輪汽車和輪式自行機械車。
9.民航號牌：綠底白字。車牌以“民航”二字開頭，用於機場擺渡車，機場專用作業車等。
車牌辨識：
（藍）汽車普通牌照
（黃）農用車與工程車
（綠）民航專用車
（白）軍車或公安
（黑）涉外車輛：大使、領事館外資企業
標準車牌高爲140mm，寬爲440mm車牌的寬高比爲3.14。
車牌字符分別距車牌左右邊框和上下邊框的距離爲15.5mm和25mm，
標準車牌字符總長度爲409mm，各字符之間的間距爲12mm（第2字符與第3字符間距爲34mm）。
單一字符統一寬度爲45mm，字符高度爲90mm，也就是單個號碼的寬高比爲1/2。