直线与曲线是数字图像中构成被识别对象的重要元素，快速有效准确地从图像提取出直线与曲线对于准确构建识别对象模型具有很重要的意义，因此直线与曲线的检测是图像处理以及图像分析中重要的任务。Hough变换是检测与提取直线与曲线位置参数的常用工具，其优点是鲁棒性强，部分特征点的缺失不会影响到对象特征的提取。但是，利用Hough变换在复杂场景下检测直线与曲线却会出现虚假峰值，进而检测出虚假直线。而虚假峰值的形成则是二值图像纹理区域中特征点过多造成的。针对Hough变换的虚假峰值问题，本文提出了三种不同的Hough变换加权途径，以便达到抑制虚假峰值的目标，提高显著峰值中真实直线的检测率。第一个途径从原图像的基本特征入手，利用不同的三种数学方法Harris算子、SUSAN算子以及基于频率调整的视觉显著性方法对图像各像素点形成边缘的贡献值进行计算并将计算结果带入到Hough变换的投票过程中，使得处于边缘区域的像素点获得较大的权值而纹理以及背景区域获得较小的权值，最终达到抑制虚假直线的目的；第二个途径从二值图像特征点的邻域入手，通过对二值图像特征点的邻域进行观察发现，中心邻域的特征点如果大致落在一条通过中心的直线时，该中心特征点才更有可能是边缘直线的组成部分，在这种思想的基础上提出了二值图像的在线离线比（OOR）的概念，并依照此概念提出了基于OOR加权的Hough变换以及基于LVOOR加权的Hough变换，该种方法也达到了提高显著峰值真实直线检测率的目的；第三个途径从二值图像不同区域特征点的分布情况入手，在概率Hough变换对特征点随机抽样的基础上，采取对二值图像进行分块，并对不同分块区域得点采取不同的采样策略，即在特征点分布较多的分块内随机抽取较少的特征点，而在特征点分布较少的区域保证抽取的特征点具备一定数量，并在此基础上实现改进的概率Hough变换，该种方法也达到了有效抑制虚假峰值的目的，并且提高了算法的运算速度，可以用于实时性的直线检测。最后，本文在对比以上几种改进算法的之上利用改进的基于SUSAN算子加权的Hough变换对指针式仪表的指针进行提取，从而实现指针式仪表的自动读数。