1.基于图像处理的指针式仪表读数方法，其特征在于包括如下步骤：

步骤1：从仪表xml配置文件中读入事先标定的仪表图片文件名、仪表最小刻度值V1、仪表最小值识别区域R1＝(x1,y1,W1,H1)、仪表最大刻度值V2、仪表最大值识别区域R2＝(x2,y2,W2,H2)、表盘识别区域R3＝(x3,y3,W3,H3)和屏蔽区域R4＝(x4,y4,W4,H4)，其中，(x1,y1)表示仪表最小值识别区域的左上角坐标，W1和H1分别表示仪表最小值识别区域的宽度和高度，(x2,y2)表示仪表最大值识别区域的左上角坐标，W2和H2分别表示仪表最大值识别区域的宽度和高度，(x3,y3)表示表盘识别区域的左上角坐标，W3和H3分别表示表盘识别区域的宽度和高度，(x4,y4)表示屏蔽区域的左上角坐标，W4和H4分别表示屏蔽区域的宽度和高度；

步骤2：读入当前指针式仪表图像F1；

步骤3：计算仪表最小值和最大值刻度的斜率Kmin和Kmax；

步骤4：从步骤2)的图像F1中复制R3区域的子图像，称为表盘识别区域图像F3；

步骤5：对步骤4)的F3进行双边滤波，然后转化为灰度图，再采用OTSU方法进行二值化，并将其中R4区域信息删除，最后使用Canny算子得到表盘边缘信息图FC3；

步骤6：进行指针粗定位；

步骤7：对指针进行精确定位，计算指针所在直线的斜率Kp：

步骤8：计算指针指向刻度和最小量程之间的角度θ：

步骤9：指针式仪表图像F1中的读数为V：

2.根据权利要求1所述的基于图像处理的指针式仪表读数方法，其特征在于步骤3)中的计算仪表最小值和最大值刻度的斜率Kmin和Kmax，具体为：步骤3.1：从步骤2)的图像F1中复制R1区域的子图像，设为Fmin；

步骤3.2：将步骤3.1)的Fmin转化成灰度图，并采用OTSU方法进行二值化，然后采用Canny算子得到最小刻度的边缘图像FC1；

步骤3.3：采用Hough方法进行直线检测，提取步骤3.2)的图像FC1中的线段，得到最小值线段集合L1＝{li|i＝1,2,…,n1}，li表示L1中第i条线段，n1表示线段数量；

步骤3.4：计算步骤3.3)的集合L1中线段的斜率和中点，得集合P1＝{(li,ki,xi,yi)|i＝

1,2,…,n1}，ki表示线段li的斜率，(xi,yi)表示线段li中点的坐标；

步骤3.5：提取步骤3.4)的集合P1中的有效线段构成集合Peff＝{(lj,kj,xj,yj)|j＝1,

2,…,m1,(lj,kj,xj,yj)∈P1}，m1表示有效线段的数量；其中线段满足条件：(1)αmin≤kj≤βmin，αmin和βmin为事先给定的斜率阈值下限和上限；(2)min(xj,|xj–W1|)≥γ·W1且min(yj,|yj–H1|)≥γ·H1，其中γ为事先给定的线段位置判断系数；

步骤3.6：根据xml配置文件中表盘识别区域R3和最小值区域信息R1，根据式(1)计算最小值识别区域中心到表盘区域中心相连得到的直线的斜率k1，其对应的角度为θ1：步骤3.7：从集合Peff中找到满足刻度区域估计的线段集合Leff＝{le|e＝1,2,3,…,m2}，le表示Leff中第e条线段，且满足：le∈Peff且|θ1–θe|≤θthr，θthr为事先给定的角度估计阈值，θe表示线段le与水平向右方向的夹角；m2表示集合Leff中的线段数量；

步骤3.8：求Leff中长度最长线段llmax的斜率，即为最小刻度的斜率Kmin；

步骤3.9：根据步骤3.1到步骤3.8相同的方法计算仪表最大值刻度的斜率Kmax。

3.根据权利要求1所述的基于图像处理的指针式仪表读数方法，其特征在于步骤6)中对进行指针粗定位具体过程如下：步骤6.1：在表盘边缘信息图FC3中查找连通域，得连通域最小外接矩形集合C1＝{(xi,yi,wi,hi)|i＝1,2,3,…,n3}，其中(xi,yi)表示最小外接矩形左上角的坐标，wi和hi分别表示最小外接矩形的宽度和高度，n3表示连通域数量，矩形中点坐标表示为(xci,yci)：步骤6.2：提取仪表量程中的连通域，具体如下：找到集合C1中的有效外接矩形并构成集合Cin＝{(xj,yj,wj,hj)|j＝1,2,3,…,nin}，Cin中矩形须满足条件：(1)xcj

步骤6.3：在集合Cin中找到面积最大的外接矩形，记为rmax＝(xmax,ymax,wmax,hmax)，(xmax,ymax)为矩形rmax左上角的坐标，wmax和hmax分别为矩形rmax的宽度和高度；

步骤6.4：根据式(5)确定矩形rmax在图像F3中的象限qr：

4.根据权利要求1所述的基于图像处理的指针式仪表读数方法，其特征在于步骤7)中计算指针所在直线的斜率Kp的具体过程为：步骤7.1：从图像F3中复制矩形rmax区域的子图像F5；

步骤7.2：根据步骤3.2中的相同方法对图像F5进行图像预处理，得定位后的边缘图像FC5；

步骤7.3：采用Hough变换方法对图像FC5进行直线检测，得到指针线段集合LP＝{li|i＝

1,2,…,np}，其中，li表示LP中第i条线段，np表示检测出的线段数量；

步骤7.4：对LP中线段进行聚类，得到满足式(6)～(10)的q个子集的集合L＝{Lv|v＝1,

2,3,…,q}，其中第v个子集为Lv＝{lvi|i＝1,2,3,…,qv}，qv表示子集Lv中的元素个数，且当i≠j时Li∩Lj＝φ,Li∈L,Lj∈L,|θvi-θvj|≤θ0   (7)

|θui-θvj|＞θ0,u≠v   (8)

dis(lvi,lvj)≤λ0,lvi∈Lv,lvj∈Lv   (9)

dis(lui,lvj)＞λ0,lui∈Lu,lvj∈Lv  (10)

其中，θvi表示第v个子集中第i条线段lvi与水平向右方向的夹角，θvj表示第v个子集中第j条线段lvj与水平向右方向的夹角，θui表示第u个子集中第i条线段lui与水平向右方向的夹角，θ0表示事先给定的角度阈值，λ0表示事先给定的线段距离判断阈值； 表示线段lui中点到线段lvj的垂直距离， 表示线段lvj中点到线段lui的垂直距离；

步骤7.5：按如下步骤进行线段合并：

步骤7.5.1：将Lv中元素按线段最左点的横坐标按从小到大进行排序；对Lv中线段lv1和lv2进行合并，令合并后的线段为lvr，其中，kvr和bvr分别表示lvr的斜率和截距， 和分别表示线段lvr的左右两个端点的坐标，根据斜率kvr的取值采用式(14)或(15)进行计算；从Lv中删除线段lv1和lv2，并将lvr加入到集合Lv中；

其中，kv1和kv2分别表示线段lv1和lv2的斜率，θv1表示lv1与水平向右方向的夹角，θv2表示lv2与水平向右方向的夹角，dv1和dv2分别表示线段lv1和lv2的长度，bv1和bv2分别表示lv1和lv2的截距； 表示lv1的最左点， 表示线段lv1和lv2上所有点中的最右点；重复这一过程直到Lv中无线段可合并，得集合Lv合并后线段lv；

步骤7.5.2：得到集合Lafter＝{lv|v＝1,2,3,…,q}，其中lv即为子集Lv通过步骤7.5.1进行线段合并后得到的线段；

步骤7.6：从Lafter中筛选出长线段并构建集合Llong＝{(x1j,y1j,x2j,y2j,kj)|j＝1,2,

3,…,qL}，qL表示Llong中的线段数量，其中的长线段满足：(x1j-x2j)2+(y1j-y2j)2≥(λlong·wmax)2，λlong为事先给定的长线段判断系数，(x1j,y1j)表示第j条长线段的起点坐标，(x2j,y2j)表示第j条长线段的终点坐标；kj表示第j条长线段的斜率；

步骤7.7：计算指针所在直线斜率Kp，即长线段集合Llong中的平均斜率：