轮毂大多是铸件,采用混流的生产方式,因此需要对轮毂进行分类存放以便后期加工。随着现代制造业科技水平及生产效率要求的提高,设计一套对轮毂型号自动识别分类的视觉实时识别系统已经成为行业内的迫切需求。轮毂侧面有一串压印的凸起的字符,由字母和数字组成,是该轮毂的型号代码,通过金属模具直接压印在轮毂侧面,字符与轮毂无色差,借用已有的光学字符识别方法并不能满足轮毂压印字符的识别要求。因此,本文针对轮毂压印字符的识别技术做了以下研究。首先针对轮毂压印字符为曲面凸起字符的特点,采用了 FPGA（Field-Programmable Gate Array,FPGA）驱动线阵CCD（Charge-coupled Device,CCD）对轮毂字符图像进行采集的方案,并根据本课题的要求选取了合适的硬件。为了提高轮毂压印字符与背景的对比度,在分析了光照对压印字符图像的影响后,设计了使用线阵LED小灯采用低角度照亮方式的照明方案。采集到的轮毂压印字符图像存在噪声多,字符本身与背景对比度差,字符存在倾斜的问题。本文首先针对图像噪声多的问题,尝试了四种常用的滤波方式,并通过对比分析采用了具有保边效果的双边滤波。为了提高字符与背景的对比度,采用Retinex算法对滤波后的图像进行增强处理,并针对多尺度Retinex算法在光照不均时容易产生光晕伪影的现象对算法进行了改进,得到了边缘清晰且对比度良好的字符图像。字符的倾斜会影响定位效果降低字符的识别率,本文采用Radon变换计算字符图像的倾斜角度,并使用双线性插值法对旋转后图像的灰度级进行赋值。目前的字符识别算法主要是针对二值图像,在对字符图像阈值分割时采用了 Otsu算法和Bernsen算法,并针对Otsu算法产生字符断裂以及Bernsen算法噪声干扰较多的问题,对Bernsen算法进行了改进,将Bernsen算法与高斯滤波相结合,去除大部分噪声的同时得到了连续且光滑的二值字符图像。为了提高字符识别速度,需要对字符区域进行精确定位,本文采用了数学形态学与投影法相结合的轮毂字符区域定位算法。对字符识别时,提出了一种基于模板匹配和字符结构特征相结合的字符识别方法,减少了字符识别错误的情况。并使用C#.NET设计了轮毂字符识别系统的界面,操作简单且可视化好。并通过实验验证了该系统对不同倾斜角度的轮毂字符都有好的识别效果。