图像处理技术正日益成为社会各研究领域不可或缺的核心技术之一。计算机视觉技术更是引发了图像处理技术在测量识别领域的飞速发展。本文采用了机器视觉、图像处理等技术实现了标签图像分割和仪表面板图像的自动处理和识别,并重点研究了标签表面图像的彩色分割、标签表面信息归类总结和表面字符识别以及仪表面板手写体数字的分割识别。在图像的彩色分割研究方面,国内外均取得了长足的研究进展,产生了一些比较成熟的处理方法。此外,手写字符的识别技术还未完全成熟,仍然是模式识别领域最具挑战性的课题之一。针对于产品标签表面图像、仪表表面手写体数字的图像的处理,在国内外的研究中仍然比较少见,研究资料匮乏。因此,基于机器视觉的标签和仪表表面图像的自动处理和识别研究,具有重要意义。本文主要以图像处理技术为主线,针对羽毛球标签的彩色分割、以及电工类仪表面板的手写体数字进行了研究。主要做以下几个方面的工作：1.研究了彩色图像预处理和分割方法：本文在分析相机、灯光位置和亮度对于颜色的影响,提出最佳的光照视觉角度最优方案基础之上,最终提出一种基于均匀颜色空间CIELAB色差改进公式,有效地实现边缘检测分割,最后实现标签与羽毛球底色的有效分割。2.对羽毛球标签进行分类归纳总结,包括等级、厂名、飞行轨迹、型号、图案等内容的分类；并初步研究了标签表面印刷体的字符识别,分析一些OCR无法识别字符的原因。3.对倾斜仪表表面的手写体数字编号进行研究,其中预处理和特征提取是手写体数字识别的关键环节。针对于粘连、模糊不清的手写体数字特点,采用直方图均衡化和同态滤波的图像增强、Otsu阈值分割、Hough变换倾斜矫正等方法,提出一种基于垂直投影曲线和字符尺寸相结合的切分方法,最终基于BP神经网络识别算法实现仪表手写体数字的识别研究。本文通过Matlab和VC6.0软件实现了上述算法和方法,对标签彩色图像和仪表面板手写体数字进行仿真分析和处理。最终经过实验验证,均取得良好的效果。