金属冲压字符在工业自动化中有着广泛地应用,对其自动识别是十分重要的环节。但是金属冲压字符与其背景之间的对比度低,并且在长期使用的过程中会出现油渍、锈蚀等干扰,这些因素极大的增加了字符分割的难度,继而严重影响字符识别成功率。针对该问题,本文展开以下三个部分的研究:首先,提出了一种多光源照明成像系统,利用该系统可依次采集各照明方向下的图像序列。在对所采集图像中平坦与凹陷区域内灰度值变化特性的分析基础上,提出了一种能有效提高冲压字符和背景之间的对比度,并能有效抑制油渍、锈蚀等背景干扰的图像融合算法,继而通过实验对所提出的融合算法所获取的图像及单光源条件下采集的单一图像进行了对比,结果表明图像中字符对比度有了非常明显的提高。然后,对融合后的图像进行预处理和字符分割。在预处理阶段,首先采用均值滤波算法对融合后的图像进行平滑化处理,并通过二值化处理来获取背景信息较少的图像;然后运用连通域标记法消除经二值化处理后所得图像中的小面积干扰区域,并利用形态学闭运算来填充字符笔画内的中空部分;最后结合连通域标记法和直线拟合法进行字符倾斜角度检测,实现字符串的倾斜矫正。在字符分割阶段,结合连通域标记和灰度投影法对预处理后的字符串图像进行预分割和精分割,并对分割后的单一字符进行归一化处理,以便字符识别阶段的应用。最后,对经归一化处理后的单个字符采用灰度投影直方图和方向梯度直方图(Histogram of Oriented Gradients,HOG)进行特征表示,分别运用模板匹配算法和BP神经网络算法在不同字符特征基础上实现了字符的图像识别,并对不同算法结果进行了对比。实验表明,采用HOG特征的BP神经网络算法优于模板匹配算法,且对利用本文算法处理后的字符可达到99.6%的识别率,优于目前此类字符识别的研究算法。