在电力系统中，指针式仪表作为主要的测量与检测工具仍被大量使用着，目前对于指针式仪表数据的采集主要依靠人工来完成，这种方法易受人主观因素的影响，工作效率低、可靠性不高，严重制约着电力系统的自动化水平。本课题是根据电力系统大型室外变电站的实际需求而设的预研项目，旨在研究基于机器视觉技术的指针式仪表的自动判读方法，以此代替人工判读，提高识别准确性及工作效率。　　本文采用机器视觉与图像处理的方法对指针式仪表示数的自动判读过程进行研究，给出了该方法的整体设计思路，重点研究了仪表图像预处理的方法、仪表图像的阈值分割方法以及仪表示值的自动识别三个方面。　　首先从指针式仪表的特性出发，结合数字图像处理的基本方法，对仪表图像进行灰度化、图像灰度拉伸、图像平滑等预处理，同时基于彩色特征提取出仪表的红色指针。然后通过对几种常见的图像阈值分割方法的比较，结合实验分析，得出了一种基于图像灰度拉伸的最大类间方差阈值分割法，完成了对仪表表盘图像的阈值分割，得到二值化图像。最后，利用模板细化算法和Hough变换法提取出了指针的特征参数，完成了对仪表表盘中的刻度线、数字及字母进行分离提取，并获取了长刻度线的角度参数。结合长刻度线的中点共圆的理论，完成了对仪表指针旋转圆心的定位，同时采用角度差值法，实现对仪表图像的自动判读。