指针式仪表由于有着数字式仪表不可替代的优势,尽管在电子技术非常发达的今天,其仍然在工业生产中得到了广泛的应用。随着工业4.0的大力发展,传统的人工读取方式渐渐的被视觉读取系统取代,而机器视觉在指针式仪表方面的应用通常需要一个稳定的光源,保证系统采集环境不会有大的波动,这在一些老设备、不方便改装的设备上通常很难应用,而且建立一个比较封闭的系统对人员的检测、设备的检查以及更换也带来了许多不便。因此对在常规照明条件下的指针式仪表示值的读取研究就很有现实意义了。在常规照明条件下,因为光源环境的变化、人员行走给仪表表盘造成阴影等干扰,传统的指针式仪表示值读取系统在指针提取方面就很容易出现差错,而且现有研究并没有给出在提取错误等情况下的判别方法。相比于利用HOUGH变换定位仪表盘,然后利用边缘检测、图像分割、差影法等方法提取出指针的连通域,接着利用图像细化、HOUGH直线检测以及最小二乘法拟合等指针提取算法提取指针,本文使用手动的设定的方式,通过设定好拟合刻度盘的圆的位置以及大小,确定仪表示值读取的起始点与终止点在圆弧上的位置,最后通过统计圆弧点与圆心之间连线的灰度值和的特征提取出仪表指针,并给出了一种基于阈值分割的指针提取错误判别方法。本文的算法实现语言采用C++,图像处理库采用开源的OpenCV,系统的UI界面搭建是基于Qt设计的,方便手动的设定拟合刻度盘圆的位置、大小以及仪表量程,其中圆的生成算法与直线的生成算法都是采用的Bresenham算法,基于直线最小灰度值和原理的指针提取也是基于的Bresenham直线生成算法。对于仪表的示值求取本文使用了角度法与比例法做对比,通过求取的示值与标准值对比,最后采用了角度法求取示值,并对两种方法求取出的示值做出了误差的原理分析。本文实验使用的图片均是在没有专业光源的照射下采集的图像,且对白天没有光源干扰、有光源干扰以及暗光条件下使用普通的LED点状光源作为照射光源等条件下进行了相关实验,实验的结果也很好的证明了本文算法的可靠性与高抗干扰能力。本文为指针式仪表的智能读数系统搭建的方便性与提高系统的抗干扰能力提供了理论基础,为老工业设备走向工业4.0提供了有力的帮助。