机器视觉是一门用机器来模仿生物识别过程的学科,通过摄像头采集图像,由计算机对图像进行分析处理,从而提取特征通过相关算法识别出物体属性、状态等信息。工业生产中,为了更好地监测各项数据,需要用到大量的仪表设备。而在老式工厂和一些特殊场所指针式仪表仍占据主导地位。目前,仪表读数大多采用人工读数这种方式。人工读数不但效率低下,而且受主观因素影响较大,长时间工作势必会造成读数不准。因此,将机器视觉技术与仪表读数相结合是非常有必要的。本文将机器视觉应用在指针式仪表读数自动识别当中,通过摄像头采集到仪表图像。通常由于仪表所处环境复杂和摄像头自身的原因,采集到的仪表图像对比度低、噪点多。针对图像对比度低这一问题,本文从机器视觉角度出发,结合数字图像处理相关技术,采用直方图均衡化来提高图像对比度,使得表盘区域和指针对比度增强。运用图像平滑技术对图像进行处理,滤掉图像的噪声。采用最大类间方差法对图像进行阈值分割,得到二值图像。在指针直线检测阶段本文提出了以下两点创新:1.通过建立搜索圆,快速确定指针位置;2.本文在传统Hough变换的基础上,提出了一种基于ROI定位的改进Hough变换算法。通过建立矩形ROI框住指针,之后只需在该区域进行检测,并对检测到的直线加以约束,求出指针中轴线所在方程。最后通过方向—值这种映射关系求出仪表当前读数。该系统可依次对多块仪表实现自动巡检。本文共选取30个状态的温度表作为测试对象,分别用传统算法和本文算法进行读数识别。从测试结果可以看出,本文算法最大引用误差为0.4%,接近0.5级准确度,满足该仪表1.0级精确度要求。在检测速度和检测精度上都要好于传统Hough直线检测。