本论文的研究主题是利用机器视觉技术对字符实时进行识别，通过介绍字符识别技术的关键步骤，分析如何提高字符识别的实时性。认为在字符定位、特征提取和字符匹配等阶段采用相应的改进方法，可以提高识别速度。　　 本文首先介绍了图像处理的基础理论，利用图像处理技术对采集来的图像进行滤波、去噪。图像二值化采用实时迭代来求全局阈值的方法。采用中值滤波来进行滤去噪声。研究了在图像中进行字符定位的相关技术，在此基础之上，结合现有定位算法理论，提出了针对标签字符的两种可行的定位算法，同时分析比较了两种算法的优缺点，出于对字符检测的实时性考虑，本文选择基于抗旋转模板匹配的定位与校正方法分离出字符区域，并将字符旋转到水平位置，以便实现单个字符分割。在仔细分析数字和大写英文字母的特点后，采用字符特殊节点特征和外围轮廓特征相结合作为字符特征来进行字符识别。在识别阶段，针对工业器件上的字符，采用多级分类的模板匹配，选择端点个数作为整体特征对10个数字字符和26个大写英文字母进行初次分类，将特殊节点特征作为主要的细节特征对字符进行识别，在出现拒识和相似字符时在进行进一步的外围轮廓特征区分。最后设计了一个工件标签字符识别系统，验证了所提出的算法的可行性。　　 实验结果表明：本文提出的算法是可行的，系统对打印体数字的识别率平均为98.49[％]，而对打印体字母的识别率平均为98.32[％]。，同时整个系统的算法简单、复杂度低，工件标签字符图像识别所用的时间约为54ms/幅，能够满足快速识别的要求，具有广阔的应用前景。