目前，在城镇居民用气的绝大部分地方，煤气表的抄表方式与收费方式主要有三种[1]：一种个是非常传统的人工抄表方法，第二个是使用IC卡预付费抄表方法，第三个是基于智能网络化的煤气计量及收费抄表系统[2]。这三种方法都各有优势，但是，在实际使用中，精度高的费时费力，比较智能的虽然省时但是经常出现错误，可靠性差。

为了改变以上问题，科研人员正在积极探索和研究更有效的抄表方法，本课题的研究方向就是对煤气表的图像处理和字符识别。

1。2国内外研究现状

1。3本文的主要内容

本文以煤气表的数字显示部分为媒介，进行字符识别的算法研究，包括彩转灰、图像滤波、图像增强、二值化、字符分割和字符识别这六部分，对这些算法进行对比组合，以达到更好的字符识别的功能，并将这些算法使用c++语言编写，开发可以在MFC平台上运行的程序，以达到可以识别出煤气表数字部分的目的。字符识别的可以分为以下六步：

（1）彩色图象转灰度图像：因为彩色图像中每个像素包含红、绿、蓝三个分量，数据量非常大，因此，对图像进行灰度化，使每个像素只有一个采样颜色，可以简化运算，节省时间。

（2）图像滤波：在得到的图像中，可能会有一些噪声，影响图像处理效果，因此，要尽可能的去除图像中的各种噪声，本研究中使用几种滤波方法对图像进行去噪处理。

（3）图像增强：我们在图像中只希望得到相关的数字信息，其他的信息都可以不要，所以要对图像的数字信息进行增强，使其他的不需要的信息尽量减少。图像增强可分为点增强和空域增强两大类，在本研究中使用了对比度拉伸和直方图均衡化这两种点增强，空域增强则使用了梯度锐化[11]。

（4）二值化：图像的二值化处理[12]可以大大减少程序的运算量，是图像处理过程中事半功倍的一步。首先设定一个阈值，将图像中的所有灰度值与该阈值进行比较，大于该阈值的设为255，低于的设为0。由于本文处理的图像是黑底白字，为方便识别，本实验中待处理图像背景是黑色的，要识别的数字是白色的，为了处理方便要进行反色处理，即将所有黑色点换成白色点，将白色点换成黑色点，这样大大减少了数据运算量。

（5）字符分割：字符识别要对每一个数字进行识别，因此要先将每一个数字分割出来，以便于后续的运算。

（6）字符识别：将分割出来的每一个数字图像进行归一化处理，使其与要比较的模板相同，在将每一个数字图像与各个模板比较，就可以识别出该数字。

本文共分为五个章节来进行论述：

第一章[绪论]主要介绍了本文的研究背景、国内外研究现状以及本文的主要研究内容与论文结构组织的安排。

第二章[图像滤波模块]主要研究图像去噪的相关算法，其中有运用平均模板均值滤波和运用加权平均模板的高斯滤波以及运用快速排序法的中值滤波，并提出了对于本研究对象煤气表数字部分适用的去除散粒噪声算法。文献综述

第三章[图像增强模块]主要研究与图像增强有关的算法，增强算法可以分为点增强和空域增强，其中点增强包括灰度阈值变换、灰度拉伸和直方图均衡化；而空域增强主要包括梯度锐化。

第四章[字符识别模块]主要研究字符分割有关的算法，通过逐行和逐列的检测黑色像素点来确定每个字符的位置，将每一个字符独立分割成单个的图像，然后把这些包含单一字符的图像映射成规定的大小，最后把每一个字符与准备好的每一个模板一一进行对比，从而识别出图像中相应的字符的算法。