光学字符识别技术(Optical Character Recognition,OCR)于1929年首次提出,经过近90年的发展,它得到了广泛的运用,其理论体系也趋于成熟。越来越多的行业希望引入OCR技术以提高效率,减少人力成本。本文目的即是研究一种电缆编码字符识别算法,用计算机代替人工识别电缆编码,帮助厂家提高生产效率,减轻员工工作负担。本文研究对象电缆编码字符图像有以下特点:局部区域反光严重、部分字符有不同程度磨损、易沾染毛屑等杂质等。因此在字符识别之前结合中值滤波和双边滤波对电缆图像进行去噪,并尽量保留了字符细节。针对电缆区域和背景区域区分度大的特点,本文提出基于邻域均值二值化的电缆区域提取方法,先使用邻域均值法对图像进行二值化操作,然后用形态学方法定位电缆区域并提取。该方法简单快速且具有鲁棒性,在提取电缆区域的同时也获得了字符清晰、噪声少的字符区域二值图像。在字符分割阶段,本文采用投影法进行分割,并利用字符大小进行一个分割修正操作,以解决少量存在的粘连、断裂等问题。该分割方法对于干扰较多的电缆图像也能精确地分割出电缆编码各个字符,具有较强抗干扰性。电缆编码字符只包含数字、大写英文字母以及分隔符‘/’,字符结构很简单;同时字符分割得出的结果较为精确统一,因此采用简单有效的网格特征作为字符特征进行识别。分类器方面,由于样本量有限,本文选用具有很强的泛化能力,并且可以较好的解决小样本、高维度、非线性等问题的SVM分类器,采用一对一方法组合SVM分类器得到一个基于SVM的多分类器进行字符分类识别。最终该识别算法取得令人满意的结果,识别率与速度均满足要求,并且具有较好的鲁棒性,对于部分磨损的字符也能较好识别。