在智能車牌識別系統中， 從人眼的視覺特性入手， 分析人眼的視覺生理模型和常用的計算機轉換算法， 在此基礎上提出了一種將 32 位彩色圖像轉換成 8 位灰度圖像的算法即HLS 模型轉換算法， 使得轉換后的灰度圖像邊緣亮度噪聲少， 平滑效果好。

　　智能車牌識別系統由汽車圖像的獲取、圖像的初分割、圖像的定位、車牌的割取以及數據庫管理等幾部分組成， 圖像獲取部分在整個系統中占有很重要的地位， 而圖像獲取中彩色圖像轉換成灰度圖像的質量好壞直接影響到后端處理和識別的效果， 所以對圖像獲取技術中彩色圖像轉換成灰度圖像的算法進行研究和討論尤有必要。

　　在智能車牌識別系統中攝像頭拍攝的汽車和背景是彩色的， 而攝像頭可以是彩色攝像頭也可以是黑白攝像頭。 攝像頭拍攝的視頻模擬信號需要用圖像采集卡來進行離散， 識別系統的顯示器一般為VGA 彩色顯示器， 它既可以顯示彩色圖像也可以顯示灰度圖像。 所以當只需要研究圖像的灰度即亮度特性時， 如果用黑白攝像頭和 8 位灰度圖像采集卡來直接獲得灰度圖像， 就不存在轉換的問題， 只需要一些修正矩陣來彌補信道中的非線形失真。 而在智能車牌識別系統中獲得的是彩色圖像， 為了后端更好地處理和識別， 就必須首先將彩色圖像轉換成灰度圖像。 人們提出了很多彩色圖像的轉換模型， 它們都是基于不同的工業標準來制定的。 而在計算機視覺研究領域， 因為需要模擬視覺的功能來理解圖像中的模式類， 則在圖像預處理中， 對圖像的轉換就要基于視覺功能的原理來進行， 使顯示器表現的灰度圖像在人的視覺系統中形成的亮度感知接近于彩色圖像直接在人的視覺系統中形成的效果。

　　下面首先分析人的視覺功能， 再用電視工業標準中一種彩色圖像與黑白圖像的轉換算法進行轉換， 從轉換的結果中找出其存在的不足， 然后提出一種適合人眼視覺特性的轉換算法即 HL S 模型轉換算法， 使得轉換后的灰度圖像邊緣平滑且亮度噪聲少， 從而獲得滿意的效果。