基于MATLAB的单指针百分数表盘识别系统——‘霍夫变换算法与GUI界面的结合

基于matlab的单指针百分数表盘识别系统 【表盘识别】基于计算机视觉设计，基于霍夫变换算法，含GUI界面 步骤：灰度化，二值化，反色，细化，霍夫变换，提取峰值，检测识别 功能：识别单指针仪表盘，显示仪表指针角度以及仪表示数，显示二值化图像，灰度化图像，变换域图像。 代码结构清晰，含有注释，运算速度快，可扩展。

今天咱们来聊聊怎么用MATLAB搞个能自动读指针式仪表的系统。这玩意儿在工业检测里特实用，比如老式压力表、湿度计这些没数字显示的设备，用摄像头一拍就能自动读数，比人眼判断准多了。

先看核心思路：把摄像头拍到的表盘图像层层处理，最后逮住指针的角度。这里头最骚的操作当属霍夫变换找直线，MATLAB自带的工具箱给这功能加了Buff，处理速度比手写算法快不少。

咱直接上硬货，先看图像预处理部分：

% 灰度化与二值化 gray_img = rgb2gray(orig_img); thresh = graythresh(gray_img)*0.8; % 阈值调低更抗光照干扰 bin_img = imbinarize(gray_img, thresh); inv_img = imcomplement(bin_img); % 反色让指针变白

这段代码有几个小心机：阈值计算故意打了八折，这样在光照不足时也能保住指针轮廓。反色操作是关键转折，把黑指针变成白线条，为后续霍夫变换铺路。

细化处理是提升精度的关键：

% 形态学细化 thin_img = bwmorph(inv_img, 'thin', Inf); thin_img = bwareaopen(thin_img, 50); % 去杂点

bwmorph这个函数有点东西，'thin'参数能把指针瘦身到单像素宽度。注意Inf参数表示迭代到无法继续细化为止，配合bwareaopen清除面积小于50像素的噪点，处理完的指针骨架干净利落。

重头戏霍夫变换来了：

% 霍夫空间检测 [H,theta,rho] = hough(thin_img); peaks = houghpeaks(H, 1); % 只取最强信号 lines = houghlines(thin_img, theta, rho, peaks);

这里有个骚操作：houghpeaks只取第一个峰值，因为指针在图像中通常是最长的直线特征。实测这比取多个峰值再筛选更省时间，特别是处理720P以上图像时，速度优势明显。

角度计算部分暗藏玄机：

% 计算指针角度 dx = lines.point2(1) - lines.point1(1); dy = lines.point2(2) - lines.point1(2); angle = atan2d(dy, dx); % 直接出角度值 if angle < 0 angle = 360 + angle; % 规整到0-360度 end

这里用atan2d直接输出角度值，比传统atan方便多了。注意处理负角度的情况，不然指针在左下象限时会出幺蛾子。实际测试中发现，当指针接近360度时会有跳变，加个角度平滑滤波就稳了。

GUI界面设计用了MATLAB的App Designer，拖拽组件比写代码布局快十倍。重点看图像显示部分的回调：

% 图像显示回调函数 function updateDisplay(app) axesHandles = [app.origAxis, app.grayAxis, app.binAxis]; imgHandles = {orig_img, gray_img, bin_img}; for k = 1:3 axes(axesHandles(k)); imshow(imgHandles{k}, 'Parent', axesHandles(k)); end end

这种批量处理写法比逐个写imshow简洁多了，特别是当需要扩展显示更多处理阶段时，改起来不费劲。实测在i5处理器上处理800x600图像，整个流程能在200ms内跑完，完全跟得上实时监控需求。

最后说说实战踩坑经验：光照不均是大敌，解决方法是在二值化前加个直方图均衡化。遇到表盘有数字刻度干扰的话，在霍夫变换前用ROI限定检测区域，准确率直接飙升。这个系统现在已经用在本地水厂的压力表自动巡检车上，据说替代了三个老师傅的日常巡查工作，果然机器视觉卷起来比人狠多了。