指针式仪表读数的实现过程可分成两部分，一是找到仪表在图像中的具体位置，二是刻度分析与计算指针位置所代表的读数。
对于第一部分，实现方法有两种，一是使用训练好的仪表模型，二是使用特征点匹配。第一种方法对环境的适应度更好，但需要大量图片去训练。第二种方法只需要一张模板图片，但是在复杂环境中可能效果没那么理想。根据实际使用场景，对于一个要检测的仪表，采集上百张图片进行标记，然后训练，不太现实。所以本文使用第二种方法。
对于第二部分，也有两种实现方法，一是使用训练好的姿态模型，二是识别刻度和指针，然后使用各种几何方法进行计算。同样的，要采集大量图片去标记和训练，也不太现实，所以本文使用第二种方法。
在本文中，所使用的方法皆为OpenCV本身具备，可查询具体实现算法。
一、模板图片的制作
要做特征点匹配，首先需要一张模板图片。可以对仪表进行一次正规化的拍摄（清晰，背景单调，无大量高光和阴影，无明显变形），然后进行简单的图像处理，作为模板图片。当然，这一过程也可以用程序去简化，只需要拍摄一张比较好的照片即可。
1、在拍摄照片上人工划定仪表所在矩形。
2、使用Grabcut算法，得到更准确的仪表范围。
3、进行形态学运算，处理细小孔洞和边刺。
4、生成最外围轮廓，得到最终的模板图片。
5、如图模板图拍摄有变形，可以根据刻度信息，进行圆拟合，然后对图片进行透视变换，尽量将圆盘校正为正圆。
原图如下图所示：
经过上述计算，得到的模板图如下图所示：
二、目标范围寻找
有了模板图片之后，就可以匹配模板图片和实际要检测图片的关键点，找出仪表的实际区域。
我们作为测试的图片如下图所示：
使用模板图片的关键点匹配情况如下图所示：
然后使用单应性投影算法，可得到模板图在待检测图中的对应区域。把该区域的图像提取出来，即为目标图像。实际过程中需要进行二值化和形态学运算，把毛刺和孔洞排除。由于测试图片的拍摄很可能变形，需要进行圆盘较正，否则在角度计算时偏差较大。
三、刻度与指针分析
我们用肉眼去看第二部分的结果图，读数大概是6.4。
分析刻度，第一步将图片转换成二值图。考虑到阴影和高光的影响，使用自适应二值化。得到如下结果：
然后检测图像中的直线，得到如下结果：
接着就是几何分析方法。
1、检测盘心。先假设盘心在图像中央，搜索出刻度，根据刻度拟合出圆，得到新的圆心。如果能够在图像中找到圆，可结合此信息对圆心进行进一步的校正。
2、搜索出刻度线条。刻度起点离盘心的距离基本是恒定的，根据这个信息可确定哪些线条是刻度。
3、搜索出指针线条。指针是长度比较长的线条，而且起点离盘心很近，根据这个信息确定哪些线条是刻度。
经过上面的计算，可得到如下结果：
刻度起点、刻度终点、指针与圆盘的交点，根据上面三个信息，可计算出指针划过了量程的比例。如上图，经过测试，计算出来的结果是0.237，乘以量程25，是5.925。这跟我们的目标6.4偏差还是比较大的。这是由于盘面发生变形，并不是准确的正圆导致的。
优化的方法是，不使用整个盘面刻度计算比例，使用临近的刻度去做计算。可以根据刻度长度，使用K-Means算法，得出最长一组刻度。然后根据常见划分份数，猜测这组刻度所对应的比例。在上图中，指针所指位置在5和10之间，以此两个刻度重新计算比例，得到的结果是0.256，乘以量程25，是6.4，跟肉眼所看结果一般无二。