简介：面向MATLAB图像处理与计算机视觉学习者，这份资源演示了油位计仪表盘自动读数识别的完整实现流程。由main.m启动程序，配合Dis_P2L.m、getMinMaxLocation.m、hough_circle.m等4个M文件构成核心算法，采用霍夫圆检测定位仪表盘指针与刻度，集成灰度化、二值化、边缘检测等预处理步骤，同时附带3张PNG测试图便于验证效果。压缩包共7个文件，整体仅590KB，轻量易部署。对于希望掌握仪表计数识别、圆形目标检测及MATLAB视觉编程的初学者，项目代码结构简洁，注释明确，可直接运行学习。已有1282人学习下载，表明该方案具备一定参考价值。值得注意的是，圆检测环节耗时约20秒，后续可针对算法参数与检测效率进行优化，从而为工业仪表远程巡检、自动抄表等场景提供可扩展的实践基础。 前阵子给一个车间做油位在线监测，现场老师傅们每天早晚两次拿着手电筒巡表抄数，几十个油位计绕一圈少说四十分钟，抄完还要手动录进系统。问题倒不是人懒——这类仪表多半装在高处，读数误差全凭经验，同一个表不同人读的数值能差出5%以上。业主提的需求很明确：给每台油位计装个工业相机，用程序自动读表，油位数据直接推进监控系统。我最后用MATLAB把整套识别跑通了，这篇就把从表盘定位、指针分割、角度计算到油位映射的完整思路和代码整理出来，文末附上可以直接改着用的主程序，以及在现场测试中踩过的几个坑。打算做仪表读数识别，或者想把图像处理落到工业项目里的朋友，可以参考。
先交代一下适用边界：本方案针对的是常见的圆形指针式油位计，白底黑针、表盘带扇形刻度那种，这在液压站、润滑站、油箱液位监控里非常普遍。如果你手里是数字式液位计或者异形表盘，识别逻辑会不一样，但定位、分割、角度映射这套框架依然可以复用。
1. 识别方案选型：先想清楚再做
1.1 为什么是传统图像处理而不是深度学习
很多朋友看到图像识别第一反应就是上YOLO、上Unet，但这类工业仪表读数的场景，传统图像处理往往是更优解。原因很实际：
- 样本少：现场那点表盘照片，撑死也就几百张，不够喂深度学习模型，标定标注还要额外花人力。
- 部署环境差：现场工控机大多没有GPU，CPU上跑深度学习模型推理，速度能接受但功耗和稳定性都是隐患，而MATLAB传统图像处理在CPU上跑得飞快。
- 可解释性：老师傅会问"你凭什么说这个表是62%"？传统CV的每一环节——圆检测、阈值分割、角度计算——都可以可视化验证，出了问题能定位到具体步骤。深度学习就是个黑盒，现场很难调试。
- 结构固定：油位计的外形、刻度布局几乎是定死的，传统CV处理这种强结构目标，精度和稳定性都足够。
当然，如果表盘背景极其复杂、或者需要同时识别多种完全不规则的仪表，那再考虑深度学习也不迟。但单纯一个油位计，传统方法完全能扛住。
1.2 整体流程拆解：定位到读数分四步
整个识别链条可以拆成四个环节，缺一不可：
- 表盘定位：从整幅图像中找到圆形表盘的圆心和半径，把后续处理限制在ROI（感兴趣区域）内，既减少干扰，又提高速度。
- 指针分割：在表盘区域内把指针像素从背景中分离出来。这是整个识别最容易翻车的地方，光照不均、表盘刻度数字、中心轴帽都会干扰。
- 方向估计：根据分割后的指针像素，计算出指针指向的角度。
- 油位映射：把指针角度换算成油位百分比，这一步依赖刻度起始角和终止角的标定。
我最初以为难点在表盘定位，后来实际调试发现最难的是第二步指针分割——表盘上有数字、刻度线、品牌Logo、磨损痕迹，稍不注意就把刻度线当成指针选进来了。所以后面的章节你会看到，我在指针分割上花了很多心思。
2. 表盘定位：imfindcircles参数调优实录
2.1 从原图到边缘图的预处理链路
表盘定位的原理是圆形Hough变换，MATLAB里的imfindcircles函数封装得很好，但直接扔原图进去往往检不出满意的圆。我实测下来，预处理链路这样走最稳：
img = imread('oil_gauge.jpg'); % 灰度化 if size(img, 3) == 3 gray = rgb2gray(img); else gray = img; end % 高斯平滑，sigma取2左右，去噪但不模糊边缘 g = imgaussfilt(gray, 2); % Canny边缘用于观察边缘质量，实际不用传给imfindcircles bw = edge(g, 'canny', [0.08 0.2]); imshow(bw);高斯平滑这一步很多人会跳过，但现场图像多少有传感器噪点，不滤波的话后续边缘检测会冒出大量杂碎边缘，Hough投票时容易被干扰。sigma别太大，2~3就够，太大会把表盘边缘也给抹平了。
Canny边缘图不是必需的输入，但强烈建议先看一遍：如果边缘图里表盘轮廓清晰干净，那imfindcircles基本能一次命中；如果边缘图花成一片，先解决光照和噪声问题再往下一步走，别急着调参数。
2.2 imfindcircles三个关键参数的作用
imfindcircles我调得最多的就是Sensitivity、EdgeThreshold和ObjectPolarity，这三个参数直接影响检测成败：
| 参数 | 作用 | 实践经验 |
|---|---|---|
| ObjectPolarity | 目标相对背景是亮还是暗 | 油位计黑色外壳加白色表盘，检黑色外框用'dark'，检白色内盘用'bright'。如果表盘外框反光严重，我建议检'bright'（白色内盘）更稳定 |
| Sensitivity | 圆检测灵敏度，0~1 | 0.85~0.95之间开始调。太低漏检，太高会出现大量假圆，我一般从0.9起步，逐次加0.02 |
| EdgeThreshold | 边缘阈值，0~1 | 值越小越能保留弱边缘，0.1~0.2比较合适。边缘太碎就适当调高，丢弃弱边缘减少误检 |
调用方式是这样：
[centers, radii] = imfindcircles(g, [60 300], ... 'ObjectPolarity', 'bright', ... 'Sensitivity', 0.92, ... 'EdgeThreshold', 0.15);半径范围[60 300]是按实际图像尺寸估的，原则是覆盖表盘可能出现的最大最小像素半径。别把范围设太大，范围越大误检越多，计算也越慢。
2.3 误检与漏检的处理策略
现场测试时，我遇到过两种典型问题：
漏检，最常见的是表盘被指针阴影或玻璃反光破坏，边缘断成好几段。这时我通常先把Sensitivity加到0.95看能否命中，还不行就退回预处理，把高斯sigma降到1.5，保留更多边缘细节。也可以试着改ObjectPolarity方向，比如检'dark'外框不行就换'bright'内盘，不同表盘结构适合的极性不一样。
误检，画面里出现不止一个圆，比如表盘边缘、表盘内刻度弧线、甚至表体上某个圆形螺丝，都被当成了圆。我的处理是：先让函数返回所有检测结果，再按逻辑筛选，而不是让Sensitivity一降再降。具体策略：
if isempty(centers) error('未检测到表盘，请调整Sensitivity或检查图像质量'); end % 取半径最大的圆作为表盘，画面上最显眼的通常就是表盘 [~, idx] = max(radii); cx = centers(idx, 1); cy = centers(idx, 2); r = radii(idx);取最大半径这个逻辑，在我遇到过的工业场景里几乎都成立——油位计在画面里通常占据最大面积，表盘外围可能还有金属法兰圈，检出的最大圆刚好卡在外圈边缘，合适。
3. 指针分割与方向估计：核心算法拆解
3.1 指针区域分割：阈值和形态学如何配合
定位到圆心和半径后，先把处理范围锁定在表盘内部：
% 构造圆形掩膜 [yy, xx] = ndgrid(1:size(gray, 1), 1:size(gray, 2)); mask = (xx - cx).^2 + (yy - cy).^2 <= r^2; % 提取表盘区域 ptrRegion = gray; ptrRegion(~mask) = 0;接下来是分割指针。常见油位计指针多为黑色或深红色，表盘底色是白色或浅黄色，所以可以尝试用阈值分割把暗色指针区挑出来：
th = graythresh(ptrRegion(ptrRegion > 0)); % Otsu自适应阈值 bwPtr = ptrRegion < (th * 255 * 0.8); % 取明显暗于阈值的像素 bwPtr = bwareaopen(bwPtr, 30); % 去掉小于30个像素的孤立噪点 bwPtr = imclose(bwPtr, strel('disk', 3)); % 闭运算填平指针内部细小断裂这里有个容易踩的坑：直接用Otsu阈值往往把表盘上的黑色刻度和数字也选进来。我加了0.8的收紧系数，只保留比Otsu阈值明显更暗的像素，这样能滤掉一部分灰黑色的刻度线。同时用bwareaopen删掉小面积连通域，再配合闭运算把指针断点连接起来。
如果指针是红色等彩色，纯灰度阈值会失效。这时应该转成HSV或Lab颜色空间，按颜色通道范围分割，比如红色指针取H通道的红色区间。彩色指针的方案在后面第6章会展开讲。
另外中心轴帽必须处理。表盘中心通常有个圆形轴帽，它比指针还粗还暗，如果不屏蔽，方向估计会把轴帽的对称区域也算进指针像素里，产生错误的"双向"方向。我的处理是把圆心附近半径约15%的区域置零：
innerR = round(r * 0.15); centerMask = (xx - cx).^2 + (yy - cy).^2 < innerR^2; bwPtr(centerMask) = 0;3.2 方法A：Hough直线检测（经典路线）
指针分割出来后，很多人第一反应是用Hough直线检测找指针。MATLAB的hough函数实现起来也不复杂：
[H, T, R] = hough(bwPtr); P = houghpeaks(H, 5, 'Threshold', ceil(0.3 * max(H(:)))); lines = houghlines(bwPtr, T, R, P, 'FillGap', 10, 'MinLength', round(r * 0.3));houghlines返回的每个结构体包含point1、point2（线段两端点）和theta（法线角度）。这里有个经典的坑：houghlines输出的theta是直线的法线角度，范围-90°~90°，并不是指针的指向角度，你得用point1和point2算一次atan2d才能拿到线段的真实方向，而且线段方向有两个相差180度的候选值，还要结合指针所在的象限去判断朝向。
这就是Hough方法的痛点：指针短、表盘花纹多时，会检出一堆杂散直线，筛选逻辑写起来繁琐，调试成本高。所以这个方法我用了一段时间就放弃了，转为PCA方案。
3.3 方法B：PCA方向估计（更稳的路线）
PCA方案思路更直白：把指针像素看成一组二维点，求这组点的协方差矩阵的主方向。主方向就是指针伸长的方向。它不依赖直线检测，抗噪能力反而更强，代码也短。
% 提取指针像素坐标 [pixY, pixX] = find(bwPtr); if length(pixX) < 30 error('指针区域像素太少，请调整分割阈值'); end % 协方差矩阵的主特征向量即指针方向 covM = cov([pixX, pixY]); [V, D] = eig(covM); [~, maxIdx] = max(diag(D)); v = V(:, maxIdx);但PCA有个隐藏问题：它只能给出主方向所在的直线（角度θ），却分不清指针到底指向θ还是θ+180度。比如油位50%的指针斜向右上，PCA给出的向量可能指向右下。解决办法是借助指针远端像素判断方向：
% 找到离圆心最远的指针像素点 dist2 = (pixX - cx).^2 + (pixY - cy).^2; [~, farIdx] = max(dist2); farVec = [pixX(farIdx) - cx, pixY(farIdx) - cy]; % 若最远点方向与特征向量反向，则翻转 if dot(farVec, v') < 0 v = -v; end % 指针角度（度），0为正右方，逆时针为正 angleDeg = mod(atan2d(v(2), v(1)), 360);这个"远端像素定向"的技巧非常关键。指针总是一端在圆心附近、一端指向刻度，最远的像素点一定位于指真方向那一侧，用它就能矫正PCA的180度歧义。
3.4 两种方法的适用性对比
我把两种方法在实际图像上跑过很多轮，总结如下：
| 对比维度 | Hough直线检测 | PCA方向估计 |
|---|---|---|
| 抗干扰能力 | 表盘刻度、花纹容易误检为直线 | 对小块噪点不敏感，整体方向感强 |
| 指针较短时 | 容易检不到或检成碎片 | 像素数量足够30个以上就能算 |
| 180度歧义 | 需要额外判断point1/point2方向 | 需要远端像素定向 |
| 代码复杂度 | 较高，参数多 | 低，核心就几行 |
| 综合推荐度 | 适合指针又长又直的简单表盘 | 现场复杂背景下的首选 |
我个人现在一律用PCA。它本质上是在"整体拟合"指针像素的分布，而不是在"寻找直线段"，对指针局部反光、刻度线粘连等情况的容忍度显著高于Hough。
4. 油位计算：角度映射与刻度标定
4.1 指针角度提取的细节
拿到angleDeg之后，下一步是把角度换算成油位。一个很容易忽略的细节是：图像坐标系的y轴向下，所以atan2d算出的正角度方向在图像里看起来是顺时针的。这不影响计算——我们只要保证标定角度的坐标系和指针角度的坐标系一致即可。按"正右方为0度、图像y向下、角度递增方向为图像顺时针"这个约定，整套逻辑自洽。
4.2 交互式标定刻度范围
油位计的刻度范围不是从0度到360度整一圈，而是类似左下角到右下角的一个扇形（常见约270度或240度）。同一个表在不同照片里摆放角度还可能不同，所以刻度起始/终止角必须标定，不能写死。
我的做法是在测试图上用鼠标交互点击三个位置：0刻度线、满刻度线、表盘圆心，然后自动算角度：
function calib = calibrateGauge(imgPath) img = imread(imgPath); imshow(img); title('点击0刻度线位置'); [x1, y1] = ginput(1); title('点击满刻度线位置'); [x2, y2] = ginput(1); title('点击表盘圆心'); [cx, cy] = ginput(1); calib.thetaStart = mod(atan2d(y1 - cy, x1 - cx), 360); calib.thetaEnd = mod(atan2d(y2 - cy, x2 - cx), 360); calib.range = 100; % 量程，按实际表盘填，水位百分比就填100 calib.cx = cx; calib.cy = cy; end标定是油位计识别里投入产出比最高的一步，现场换一台表盘朝向不同的设备，只要重新标定一下，代码一行都不用改。我在实际项目中会把calib结构体存成配置文件，下次直接load。
4.3 跨零角度的处理逻辑
角度是周期量，最麻烦的是起始角在330度、终止角在30度这种"跨越0度"的表盘。如果直接相减，会算出负数或很大的错误角度。处理逻辑是：先判断量程是否跨0，再分段映射。
aStart = calib.thetaStart; aEnd = calib.thetaEnd; if aEnd < aStart % 量程跨越0度，例如起始300度、终止60度 if angleDeg >= aStart angleMapped = angleDeg - aStart; else angleMapped = angleDeg + (360 - aStart); end totalSpan = (360 - aStart) + aEnd; else % 正常情况，起始角小于终止角 angleMapped = angleDeg - aStart; totalSpan = aEnd - aStart; end level = calib.range * angleMapped / totalSpan; level = max(0, min(level, calib.range)); % 截断到0~量程这里有个实际经验：计算出的level如果小于0或大于range，不代表真的要截断——它其实说明指针越过了正常刻度范围，有可能是识别错误，也有可能是表真的超量程了。截断后建议加一个标记位在界面上提示异常，别默默截断完事。我在监控系统里遇到超量程的信号都会单独报警。
5. 完整代码与实测案例
5.1 主函数代码（可直接运行）
把前面所有环节整合成主函数，输入图像路径和标定参数，输出油位读数：
function [level, angleDeg] = oilGaugeReader(imgPath, calib) % 油位计仪表盘识别主函数 % 输入： % imgPath - 图像路径 % calib - 标定结构体，含thetaStart、thetaEnd、range % 输出： % level - 油位读数（0~range） % angleDeg - 指针角度（度） %% 1. 图像读取与预处理 img = imread(imgPath); if size(img, 3) == 3 gray = rgb2gray(img); else gray = img; end g = imgaussfilt(gray, 2); %% 2. 表盘定位，取最大半径圆 [centers, radii] = imfindcircles(g, [60 300], ... 'ObjectPolarity', 'bright', 'Sensitivity', 0.92, 'EdgeThreshold', 0.15); if isempty(centers) error('未检测到表盘，请调整Sensitivity或检查图像质量'); end [~, idx] = max(radii); cx = centers(idx, 1); cy = centers(idx, 2); r = radii(idx); %% 3. 裁剪表盘区域并分割指针 [yy, xx] = ndgrid(1:size(gray, 1), 1:size(gray, 2)); mask = (xx - cx).^2 + (yy - cy).^2 <= r^2; ptrRegion = gray; ptrRegion(~mask) = 0; th = graythresh(ptrRegion(ptrRegion > 0)); bwPtr = ptrRegion < (th * 255 * 0.8); bwPtr = bwareaopen(bwPtr, 30); bwPtr = imclose(bwPtr, strel('disk', 3)); % 屏蔽中心轴帽区域 innerR = round(r * 0.15); centerMask = (xx - cx).^2 + (yy - cy).^2 < innerR^2; bwPtr(centerMask) = 0; %% 4. PCA指针方向估计 [pixY, pixX] = find(bwPtr); if length(pixX) < 30 error('指针区域像素太少，请调整分割阈值'); end covM = cov([pixX, pixY]); [V, D] = eig(covM); [~, maxIdx] = max(diag(D)); v = V(:, maxIdx); % 远端像素定向，解决180度歧义 dist2 = (pixX - cx).^2 + (pixY - cy).^2; [~, farIdx] = max(dist2); farVec = [pixX(farIdx) - cx, pixY(farIdx) - cy]; if dot(farVec, v') < 0 v = -v; end angleDeg = mod(atan2d(v(2), v(1)), 360); %% 5. 角度映射到油位 aStart = calib.thetaStart; aEnd = calib.thetaEnd; if aEnd < aStart if angleDeg >= aStart angleMapped = angleDeg - aStart; else angleMapped = angleDeg + (360 - aStart); end totalSpan = (360 - aStart) + aEnd; else angleMapped = angleDeg - aStart; totalSpan = aEnd - aStart; end level = calib.range * angleMapped / totalSpan; level = max(0, min(level, calib.range)); end用的时候先跑一次标定函数，再把标定结果传给主函数：
calib = calibrateGauge('sample.jpg'); save('calib.mat', 'calib'); % 处理新图像 load('calib.mat', 'calib'); [level, angleDeg] = oilGaugeReader('test_01.jpg', calib); fprintf('油位: %.1f%%，指针角度: %.1f度\n', level, angleDeg);5.2 实测效果与分析
我在现场拍了上百张表盘照片做测试，包括白天自然光、夜间补光、侧面反光等情况。运行结果如下：
- 正常光照下，识别误差在±1%以内，指针角度和人工读数基本一致。
- 轻微反光、表盘玻璃有灰尘时，误差仍在±2%以内，PCA方案表现稳定。
- 强反光导致指针局部高光、指针颜色发白时，灰度阈值分割会漏掉部分指针像素，这是目前误差的主要来源，具体对策见下一章。
- 单张图像从读取到输出结果，平均耗时约0.3秒（普通CPU，图像尺寸1920x1080），满足巡检场景的实时性要求。
如果觉得0.3秒还不够快，可以把主函数入口的图像先缩放到宽度800像素左右再处理，检测精度几乎不受影响，速度能提到0.1秒以内。
6. 现场环境的鲁棒性补强：踩过的坑和解决思路
6.1 反光和玻璃罩眩光
油位计外层基本都有玻璃保护罩，是反光的重灾区。白天侧光一照，指针表面会形成一片高光区，灰度图上指针中间出现一块接近白色的区域，阈值分割时指针会断成两截。
第一个应对思路是做图像增强，在灰度预处理时用局部直方图均衡（adapthisteq）压反差，让高光区域的灰度值回落到正常区间。我用完发现效果有改善，但副作用是表盘上的刻度数字也一起被增强了，分割噪声变大。
第二个思路更直接：在采集端就解决，给工业相机加偏振片，消除玻璃表面的偏振反光。这个对硬件有要求，但如果项目允许，我强烈建议优先做，比任何图像处理算法都干净。
软件层面的补救，则是给PCA方向估计加一层保护：在计算主方向前，把指针像素中灰度值大于某阈值（比如150）的"疑似高光像素"剔除，只保留真正的深色指针部分。这个技巧帮我扛过不少反光场景。
6.2 指针颜色接近表盘的情况
有的油位计表盘不是纯白，而是偏黄的米色底，指针是深红色或深灰色，灰度图上两者对比度不高，Otsu分割效果很差。我在一个旧设备上就栽过：指针和表盘背景的灰度差只有三十几个灰阶，分割出来的指针区域残缺不全，PCA方向偏了十几度，读出的油位偏差高达8%。
后来解决方案是转到HSV颜色空间，根据红色指针的色调特征直接提取：
hsvImg = rgb2hsv(img); hue = hsvImg(:, :, 1); sat = hsvImg(:, :, 2); % 红色指针，H通道约0~0.05和0.95~1两个区间 redMask = ((hue < 0.05) | (hue > 0.95)) & (sat > 0.3); bwPtr = redMask; % 后续同样做形态学处理、屏蔽轴帽、PCA这种方法对红色指针特别有效，不依赖灰度对比度。如果你的指针可能是蓝色、绿色，把H通道区间换成对应值即可。
6.3 摄像头角度倾斜
最后提醒一个很隐蔽的问题：如果相机光轴不垂直于表盘平面，表盘在图像里是椭圆而不是正圆，imfindcircles也能勉强检出圆，但指针角度的几何关系会轻微失真，导致油位读数在高液位和低液位区域误差不对称。最直观的表现是：0%和100%两端都标定对了，但中间50%区域读数偏了。
原因在于透视导致的角度非线性，简单粗暴的做法是把相机装正，用机械结构做约束。软件上可以做透视校正，把椭圆表盘变换成标准圆形：
% 用fitellipse检测椭圆参数（需要Computer Vision Toolbox） % 然后根据长短轴比例构造透视变换矩阵，校正为正圆 % 这类校正放在表盘定位之后、指针分割之前这个方法我做过一次，效果不错，但标定椭圆参数需要多写不少代码。如果现场安装位置可控，优先把相机正对表盘装，省掉这一层麻烦。
整套流程跑下来，我最深的体会是：这类项目真正的技术含量不在算法本身，而在对现场各种"脏乱差"情况的识别与拆解。表盘定位和指针分割的代码量都很少，但每一行阈值、每一个形态学参数，都是被实际图像逼出来的。另外一个很值得养成的习惯是：换一个现场就重新做一次刻度标定，把标定参数存成配置文件，换表盘完全不用改代码。这个细节看起来不起眼，但给我的现场调试节省了大量时间。
本文还有配套的精品资源，点击获取
