识别速度决定了一个车牌识别系统是否能够满足实时实际应用的要求。一个识别率很高的系统，如果需要几秒钟，甚至几分钟才能识别出结果，那么这个系统就会因为满足不了实际应用中的实时要求而毫无实用意义。例如，在高速公路收费中车牌识别应用的作用之一是减少通行时间，速度是这一类应用里减少通行时间、避免车道堵车的有力保障。
图形检索，定位车牌图片处理到这一步，来了——车牌检索。动脑筋的朋友可能已经意识到了，车牌是规则的长方形，我们只要找二值化后图片里的长方形就好了。问题来了，你找长方形，问题是有些车辆的撒热窗就是长方形。爱动脑筋的小伙伴已经注意到了，车牌的长宽比与车身其他位置的形状长宽比不同。掌握了上面的基本常识，那么我们距离找到车牌就更近了。计算机扫描整个二值化的图片，由左到右，由上到下，把颜色从黑到白或者由白到黑的像素全部记录下来。然后根据这些像素来计算哪个区域是长方形，并且符合车牌的比例。
车牌字符切割在上一步中，我们成功找到了车牌，并把它从原图（不是二值化的图）截取出来了。对截取的车牌图片进行上一步的灰度化、二值化、降噪处理，尤其是边缘降噪。如果降噪后，干扰的噪声还是比较大，可以采取腐蚀、膨胀算法来模糊噪声。如果降噪后的车牌图片有倾斜现象，就需要对图片做错切变换（就是倾斜角度调整）。我们知道，有些车牌是上下结构的，这很容易通过对二值化的图片做像素扫描来检测上下两部分是否中间不粘连，如果不粘连，那就是上下结构车牌。如果不是上下结构，那就是单行结构的新车牌。