水表自动读数系统是人工智能技术在生活中的新应用，水表图像字符识别是它的重要组成部分。针对水表字符的特点，本文采用图像处理技术及神经网络方法通过图像预处理、特征提取、BP分类三个步骤来实现水表字符的自动识别。图像的预处理主要包括图像增强、二值化、倾斜校正。首先针对光照不均导致的水表图像模糊不清及采集过程中产生的各种噪声，本文采用直方图均衡化方法及中值滤波技术进行图像增强，从而改善图像质量，提高对比度。为了有效地将前景从背景中分割出来，分析比较了各种二值化方法，并采用基于canny的二值化方法来处理水表图像。接着对可能存在的图像倾斜不利于字符分割的问题，采用Hough变换检测直线进行倾斜校正，为了减少Hou曲变换的计算量，考虑到二值化后已经得到较好的边缘，采用梯度算子来检测边缘。最后根据先验知识及投影法分割出字符，并介绍了细化方法。关于字符的特征提取，首先总结了字符特征提取的常用方法，分析了水表字符的特点，并采用粗网格和线穿越次数相结合作为整字的特征；对于半字，先分割出两个半字分别用背景填充成整字大小，用整字的方法提取上下半字的特征，并和基线所在位置高度比一起作为半字的特征。关于分类器的设计，本文采用BP网络进行识别。首先说明了BP网络设计时的注意事项，对于本文的字符识别设计了三层BP网络，并进行了大量的实验和比较，实验证明本文的方法是可行的，且BP网络具有较强的分类性能。文章的最后对本文的工作做了总结和展望。