测量仪表是工业测量以及控制领域中的常用工具,主要用来测量各种电量或者非电量的信号,常见的仪表可以分为数字仪表和指针仪表。在之前的各种工业测量中,主要依靠人工抄表等方式读取记录仪表数据,伴随着自动化的日益普及和图像处理技术的发展,仪表的自动识别在工业领域中就变得越来越重要,对仪表的自动读数技术的需求也越来越迫切。在仪表自动识别过程中,因为要识别的区域就是仪表的表盘,而采集到的图像往往是整个仪表,并且可能包含复杂的背景或噪声,这些无用的信息都会对图像处理造成干扰,所以如何排除这些无用信息、正确获取的感兴趣区域成为后续识别的关键。所以在仪表识别之前,能否准确获取仪表面盘位置,将直接影响到后续仪表数据的正确识别,因此仪表的定位技术成为仪表识别的基础。程序中使用的主要是OpenCV的库函数,OpenCV作为一款开源的跨平台计算机视觉库,具有轻量且高效的特点,它由一些列C函数和C抖类构成,实现了图像处理以及计算机视觉的通用算法,本文使用OpenCV的这些库函数设计了一种实用的矩形仪表定位方法。目前自动定位技术主要包括基于纹理特征、数学形态学、遗传算法和神经网络等算法,在仪表智能监控识别系统中,鉴于所使用仪表具有明显矩形轮廓的几何特征,本文设计了一种基于矩形轮廓匹配思想的定位技术来实现对矩形仪表的定位技术。该方法具有原理简单易懂,实现起来比较容易,并且计算量小、耗费资源少且对矩形仪表的定位准确性高的等优点。该方法主要是通过对获取到的仪表图像进行预处理,并获取图像的轮廓,再对轮廓进行四边形估计和矩形匹配以及长宽比匹配,排除不合要求的轮廓从而获取到最后的仪表表盘轮廓,有效的实现了对特定的具有矩形边框的仪表的准确定位。同时由于在获取仪表图像的过程中,存在外界环境的干扰,如光照不均等,在光照条件不理想的情况以及成像环境不佳的时候,导致获取到的图像质量也并不理想,图像预处理之后会造成有效信息的损失,最终不能正确获取仪表表盘的准确位置,也就直接影响了后续的识别,这就需要在仪表定位以前对仪表图像进行预处理操作。本文设计了一种有效的图像预处理方法,能够较好的实现对仪表的二值化,进而通过上述的定位技术实现对光照不均仪表的定位。同时,由于图像拍摄角度或者仪表摆放位置的关系,导致获取的表盘并不一定是标准的水平位置,而后续的识别是建立在字符都是在水平位置的基础上的,所以对于这种图像就要对其进行倾斜矫正,本文采用仿射变换的思想,对倾斜的表盘进行了矫正,并分割出了的感兴趣区域,也就是表盘区域。获取到表盘区域后,需要针对感兴趣区域进行进一步的预处理,本文采用基于同态滤波思想的频域滤波器对光照不均匀的图像ROI进行预处理,分离入射分离与反射分量,通过高频滤波器来增强图像细节,滤除噪声等干扰信息,从而得到效果更好的二值图像。