計算機圖像處理與識別技術的應用

仝瓊琳

（喀什大學 新疆維吾爾自治區喀什地區 844000）

1 計算機圖像處理技術與識別技術概述

1.1 基本概念

在各類圖像分析、處理過程中，通過計算機圖像處理技術的應用能夠使圖像信息利用率有效提升，其中應用過程中包括了以下幾方面：首先對需要處理的圖像進行分析和轉化，這個過程為計算機系統后續進行信息識別提供有力的參考依據，為提高圖像處理質量和效率提供強有力支撐；對所選定的圖像進行科學處理，并對圖像信息的有效性予以切實保障；對完成處理的圖像進行合理科學應用，從而使計算機圖像處理技術應用價值得以充分發揮，為各行業領域的可持續發展起到有效促進作用。另外在計算機圖像處理技術應用時，需要對各類圖像進行科學分類，如在不同行業領域中，對模擬圖像、數字化圖像等的應用方向及應用予以明確。

通過處理技術的有效應用，使圖像實現數據化處理，利用計算機專業軟件對圖像數據進行分析和處理，將完成處理后的數據進行還原，能夠將所需圖像進行有效提取。因此計算機數字圖像處理技術需要基于視覺信息技術，利用物體成像原理，借助計算機軟件工具，實現圖像的數據化轉化及處理，再對處理完成的圖像，通過算法處理方式的運用，使數據能夠轉化為圖像。

在計算機圖像處理與識別技術應用過程中，圖像作為最為常見的信息載體，能夠有效描述客觀對象的相似性和生動性。其中圖像包括了從相片、紙質、計算機、電視等方面所提取的視覺信息，并且可劃分為數字圖像與模擬圖像兩種。前者作為人們日常生活中常見圖像形式，其包含了龐大的信息量，同時也使數據信息處理量不斷增加，傳統的人工處理方式無法滿足圖像處理效率及準確性等要求，在此狀況下，需要對計算機圖像處理與識別技術應用加強重視，與人類圖像識別相較之下，兩者具有相似，如人們在進行圖像識別時，能夠直觀感受圖像的顏色、形狀、大小等信息，在借助大腦神經系統，對所獲取的信息進行處理和反饋，進而對相關圖像和信息進行初步認識及自動提取。但與人類圖像識別系統相較之下，計算機圖像識別在直觀感受方面仍存在一定差距，極容易影響后期圖像處理和識別結果的有效性和準確性。

1.2 計算機圖像處理技術分類

計算機圖像處理技術中包括了數字化圖像、模擬圖像兩種處理技術，其中數字化圖像在使圖像精度有效提升的同時，還能夠使操作步驟不斷簡化，使公眾圖像處理需求得以有效滿足；與數字化圖像相較之下，模擬圖像在操作靈活性、圖像處理精度等方面存在一定的不足。

計算機圖像識別技術包括了非線性降維圖像識別技術、神經網絡圖像識別技術等。非線性降維圖像識別技術主要針對圖像識別中存在的異常高維識別問題，通過此技術和算法的應用，能夠使較低分辨率的圖像獲得較高維度的數據，如針對像素為100×200 位于20000 的維度空間的圖像時，其圖像計算較為復雜，對存儲容量要求較大，在圖像識別上也加大了難度，此技術能夠保證圖像本征結構的完整性，在此基礎上，實現降維運算處理，對圖像進行最優化分割，能夠在較低維度下，對圖像進行最優化處理，有效提升圖像識別速率。神經網絡圖像識別技術是模仿人工神經網絡的新型圖像識別技術，在傳統圖像識別方法中對神經網絡算法進行有效融合，使計算統計得以有效簡化，使識別速度不斷提升。另外作為深度神經網絡圖像識別中的重要算法之一，卷積神經網絡與傳統神經網絡存在一定差異，其通過局部連接方式的運用，對多個卷積層進行合理設計，使圖像實現降維處理的同時，通過權值共享，使神經元之間連接的數量級大幅度減少。

2 計算機圖像處理技術要點分析

2.1 數字圖像化

現階段計算機圖像處理過程中，首先需要對樣本進行抽樣，并將其進行數字化處理。隨著計算機技術的廣泛應用，能夠實現圖片處理的應用軟件較多，包括了CD、Photoshop等軟件，通過各種圖像處理軟件，能夠實現圖像修飾和數字化轉換，有利于照片美化、編輯、修改等處理功能。

2.2 還原及增強功能開發

圖像處理技術基于各種邊緣學科交叉而形成，其中涉及了傳感器、計算機、信號處理、信息技術、模式識別、人工智能、應用對象等，有效借助計算機相關理論、技術和方法，對圖像進行復原、增強、去噪、增強、特征提取、分割等處理。其中能夠使受損圖像還原和增強，同時根據圖像品質退化的原因，利用復原技術能夠有效校正圖像，并確保不清楚、有噪聲、有破損的圖像能夠恢復原狀，解決這類問題時，首先需要對退化原因進行探尋和確定，充分借助復原技術對圖像進行修正和恢復，其中重要環節是需要對各退化位置進行模型構建，在基于數據和模型的基礎上，對退化影響最大程度消除，進而能夠獲得與理想成像系統相吻合的圖像品質。在實際復原過程中，需要對導致圖像存在缺陷的原因進行明確，在此基礎上進行盡可能修補，如照相機或攝像機在拍攝過程中，因曝光過度等原因，導致圖片品質受到影響，通常在進行圖像處理時，會根據曝光實際情況，適當增加算法進行部分彌補，使退化原因得以消除，最后借助理想成像系統，使圖像原貌得以修復。此外在進行運動拍攝時，針對數據不清晰的問題，可利用運動模型的連續幀、若干幀，對圖像進行恢復。通過圖像增強功能的實現，能夠使圖像質感增強，圖像質量有效改善，使不清晰、模糊的圖像，借助圖像增強手段和方式進行處理，如亮度、對比度增加，同時應注意圖像恢復與圖像增強的概念存在差異，與恢復原貌相較之下，增強只是針對圖像中有價值或感興趣的部分，通過技術手段使畫面質量增強，其無需滿足與原貌相同的修復要求，但在增強過程中，需要對圖像進行反復度驗，使其達到滿意的程度，同時對適合的處理方式進行確定。在實際應用過程中，可采用低通濾波器，有效減少人為干擾，使圖像清晰度有效提升，圖像質量增強，也采用灰度等級對直方圖進行展示和對比，使圖像細節化程度有鏟提升，進而使圖像細節更加真實。

2.3 圖像分割

為了實現圖像處理及識別目的，需要先按照一定規則對圖像進行分割，并根據分割區域或物體進行分析，并將無價值的部分剔除，對有利用價值的部分進行提取，如在車輛監控系統中，需要提取汽車牌照號，剔除汽車車身時可通過圖像分割的方式，對所需圖像區域或物體部分進行提取。其次圖像分割難度較大，計算機與人的視覺系統存在較大差異，難以快速對所需要目標進行捕獲和提取，而且由于提取場景往往具有復雜性和多變性，對計算機而言，要完成提取難度較大，因此在進行圖像分割時，需要對提高處理有效性和可靠性的技術手段加大研究力度的同時，還需要將各種處理方式進行有效融合。另外現階段人臉識別技術、汽車牌照識別技術在人們生活領域得以廣泛應用，使自動識別功能得以實現。

2.4 圖像分析

在計算機圖像處理技術應用中，需要充分利用圖像分析，對圖像進行特征提取、分割、表示等，為后續計算機進行圖像識別、分類、理解等提供有力支持。如通過醫學圖像處理應用，能夠對病變物體存在位置進行檢測，能夠對病變大小進行確定。

2.5 圖像重建

在圖像復原、圖像增強，以及圖像處理后輸出等環節，圖像作為處理對象，在圖像重建時，與上述幾種方式不同，其以數據為輸入對象，通過相關處理后進行圖像輸出，如醫療系統中常用CT，就是采用圖像重建方式，利用螺旋CT對人體進行掃描，將數據轉化為圖像進行輸出。

2.6 數據壓縮域編碼

圖像處理過程中，需要處理的數據量較大，因此需要對數據進行有效壓縮，使存儲數量最大程度減少，使數據率降低，使傳輸寬帶減少；對數據量進行有效壓縮，有利于進行特征提取，為后續識別奠定良好的基礎。另外圖像處理具有再現性好、處理精度高、處理綜合性較強等特點。

2.7 數字圖像處理流程

數字圖像處理包括了以下幾方面：圖像處理階段、圖像分析階段和圖像理解階段。其中圖像處理階段包括了以下環節：針對圖像像素級進行處理，可采用灰度變化、幾何校正、圖像銳化、圖像平滑等處理；圖像分析階段需要針對感興趣的目標進行分割、檢測，根據所檢測物體的周長、面積、紋理等，對測量特征進行有效提取。另外根據分析結果，能夠對目標特點和性質進行描述，進而用戶提供相關數據信息。最后在圖像理解階段，需要對圖像中所有要素性質及之間相互關系加大研究力度，其中通過對象描述，能夠對圖像內容進行了解，對客觀場景進行解釋，并對相應行為進行指導和規劃。

3 計算機圖像處理與識別技術的優勢

隨著計算機圖像處理與識別技術的快速發展和不斷實踐應用，其應用優勢也日益凸顯，主要體現在以下幾方面：

3.1 處理速度快

隨著互聯網的快速發展及普遍應用，借助技術圖片處理與識別技術，能夠對海量數據信息進行處理，此技術具有良好的配合性及適應性，能夠在較短時間內對數據進行分析和處理。

3.2 精確度高

與以往的人工圖像處理方式以及傳統的計算機圖像處理識別技術相較之下，現階段所使用的處理和識別技術已日趨成熟，且能夠實現多張、多類型圖像同時處理，并對完整，具有價值的圖像數據進行篩選。

3.3 靈活性高

在進行圖像處理時，通過此技術的應用，利用相關系統和數據庫，能夠對圖像進行智能化設置及處理，相關操作人員能夠借助相關技術，對圖像進行自動判像，并對精度進行有效調整，使精度要求得以有效滿足，進而使圖像自動化處理得以實現。

4 計算機圖像處理與識別技術應用原理及應用流程分析

通過此技術的應用，能夠對海量數據信息實現快速化、高效化、精準化處理，特別是隨著大數據技術的發展和應用，此技術在各行業領域中得到廣泛應用，因此需要從應用原理及應用步驟等方面加大研究力度。

4.1 技術原理

與人類視覺的圖像感知原理相較之下，計算機圖像處理與識別技術應用原理有一定的相似性。在人類視覺形成過程中，首先能夠對客觀事物的顏色、形狀、尺寸等產生直接認知，在此基礎上，將所形成客觀事物認知向大腦中樞神經進行反饋和儲存，進而能夠在大腦中具備客觀事物相應的初始印象。因此如果再次遇到相類似的事物，人們能夠直接從大腦中樞神經中對相應的信息進行提取，進而對事物進行處理和識別。此技術將上述處理和識別原理進行了結合，但與人類視覺圖像感知相較之下，計算機處理能夠更加客觀，所以在生成的圖像數據等信息中通常缺乏主觀性描述。

4.2 技術應用流程

此技術應用流程主要包括了以下幾方面：圖像信息獲取、預處理、特征選取、選擇以及分類決策等。首先在信息獲取階段，借助計算機及各種傳感設備對信息進行獲取，將傳感器所獲取信息進行轉化形成電信號后，再將電信號進行轉化，有利于計算機進行識別和處理；其次在信息預處理階段，將計算機所獲取的圖像信息通過預處理的方式，從大量信息中分析提取具有應用價值的信息，并對所有信息進行分析和匯總，并將匯總信息傳送至圖像識別模塊，此階段處理工作重點為了將海量信息中無意義、無價值的信息進行清除，使信息數據實現價值化、精簡化。另外在選擇和選取圖像信息特征階段，由于所涉及的圖像信息特征較多，需要根據使用者實際需求，在應用過程中需要確保選取程序的有針對性，使所提取的特征與對識別要求相符合。最后在圖像信息進行分類決策階段，應遵循相應的規則，嚴格按照圖像信息特征進行識別和分類，因此需要對具體對象制定相應的識別規則，確保能夠在海量圖像中，對特定對象的圖像信息進行準確識別。

5 計算機圖像處理與識別技術具體應用策略

隨著近年來互聯網技術、計算機技術等先進技術的不斷發展，以及在社會各行業領域中得到廣泛應用，為人們工作和生活提供便利的同時，也能夠有效提升社會經濟利益，推動社會可持續穩定發展?，F階段計算機圖像處理和識別技術應用范圍不斷擴大，其中具體應用領域包括了以下幾方面：

5.1 智能交通領域

此技術在智能交通領域中加以應用時，能夠對該領域的可持續發展起到一定促進作用，其主要應用于智能膠條、駕駛輔助、車輛定位等方面，能夠充分發揮技術的快速、精準判斷優勢，充分體現技術應用成效。由于現階段我國機動車數量持續增長，加劇了道路交通擁堵的問題，同時也使各種交通安全事故發生率居高不下，其中交通管理中需要對交通事故責任方進行合理鑒定，這也是現階段亟待解決的難題。此技術的應用，不僅能夠在如駕駛輔助方面加以應用，使車輛偏離車道的情況最大程度減少，并且一旦出現偏離車道的情況，會通過相應的預警信號，提高車輛駕駛員人員的注意力。同時還能夠鑒定交通事故責任中，通過對比識別違章車輛車牌號進行，對責任方進行準確判斷。另外現階段針對車輛車牌顏色、尺寸等，會制定和出臺相應的規章制度，對其加以規范，能夠進一步推動此技術在智能交通領域中的廣泛應用。

5.2 有色金屬領域

作為工業生產以及人們生活中常見的金屬類特色，有色金屬種類較多，為了提高有色金屬檢測和提取精度，需要對此技術應用加強重視。其中銅作為最為常見的有色金屬之一，在工業生產中得到廣泛應用，主要以銅礦的形式在自然界中存在，并且金屬類型較多，性質狀態各不相同，使銅礦石檢測難度增加。通過此技術的應用，能夠充分借助現代化儀器設備，以及成像技術，采用物理化學檢測識別法，檢測銅礦石中的X 線熒光光譜數據，并進行系統錄入，并對銅礦石的特征進行提取和總結，在此基礎上獲取相應的數據信息，從而有效提升銅礦石檢測精確度，能夠使工作難度降低，工作時間縮短。

5.3 醫學醫療領域

近年來我國醫學醫療技術得到快速發展和進步，相關領域中涉及的數據信息不斷增加，為了更好地應對行業發展要求，此技術應用的重要性提高了認識。由于醫學醫療領域中各種圖像處理要求具有一定的復雜性，為了確保處理結果的有效性和可靠，需要針對不同圖片類型采用不同的處理方式。如針對細胞染色體，在進行分類處理過程中，通過此技術應用，能夠將其通過與系統數據庫中相關數據進行對比，從微觀層面入手，對細胞染色體進行有效辨別，能夠為醫護人員提供更高效、更準確、更可靠的數據支撐。其次此技術還可在核磁共振影像分析、虛擬內窺鏡等方面加以應用，可有效提高處理結果的精準度。另外為了提高患者治療的精準性和實效性，可在3D 建模、2D 斷層圖像排水、解剖圖像分析等方面加強技術應用，使醫護人員能夠對相關數據信息進行準確、全面、及時獲取，切實保障治療工作的順利開展。

5.4 公安偵探領域

此技術應用優勢的充分發揮，在公安偵探領域中得到廣泛應用，能夠為偵探工作的順利開展、提高破案效率提供有力的技術支持。如為了有效識別和確定犯罪嫌疑人時，在查詢過程中，可利用此技術，將嫌疑犯以往的圖像與犯罪現場視頻進行對比分析，為破案工作提供重要依據，在破案工作中發揮至關重要的作用。另外在公安偵探領域中，還可通過此技術的應用，對失真或復雜圖像進行有效處理，提高圖像的清晰度和完整度，在刑事案件偵破中發揮重要應用價值。

5.5 農產品采摘領域

隨著我國農業生長領域中科學技術的快速發展和應用，不少地區農業生產中，開始使機器人進行識別，從而能夠完成對農產品進行采摘作業。應用過程中需要利用此技術對農產品空間位置進行精準把握和定位，同時通過計算機系統，對各類農產品信息資源進行廣泛收集和整理。其次根據所有農產品信息資源，對農產品果實進行分辨。在農產品采摘過程中，如識別果實為紅色時，機器人會自動進行采摘。另外在此技術應用時，可將背景顏色設置為綠色，有利于系統對果實顏色進行有效識別。

5.6 植物生長監測領域

在農業領域中，此技術還能夠對農作物生長狀況進行監測，一旦農作物出現病蟲害現象，能夠對病蟲害圖像進行及時診斷，其中包括了：水果缺陷識別、田間雜草識別、糧蟲檢測等技術。在糧蟲圖像預處理環節中，可運用的技術包括了二值化、灰度化、銳化、平滑化等，其中灰度化中又包括了加權平均法、最大值法、平均值等方法。在應用時，首先可將彩色糧蟲圖像轉化為灰色，通過三原色的應用，以及目標圖像和背景圖像采用0、1 進行代表，采用二值化方式，對糧蟲圖像進行處理，進而使對象區域范圍能夠清晰顯示。另外完成圖像預處理操作后，針對所獲得的高質量圖像，利用邊緣檢測技術，能夠對目標圖像和背景圖像進行有效區分，同時還可采用局部差分算法，對邊緣進行檢測，從而對相應閾值的邊緣圖像進行提取。

5.7 工業領域

在工業領域中，能夠使工業生產安全性和生產質量有效提升?，F階段工業零部件生產加工通常采用流水線作業模式，并且零件加工環節中進行了自動識別系統的安裝。在實際生產過程中能夠使零部件實現自動化生產，使生產效率有效提升。此外能夠將零部件的所有生產細節信息通過圖像的形式進行展示，進而在零部件生產過程中，對各個零部件實現實時檢測，有效提升零部件生產質量。

6 結束語

隨著互聯網技術、計算機技術等先進技術的快速發展和廣泛應用，為人們的生活和生產提供了極大的便利，同時也進一步推動了計算機圖像處理和識別技術的應用力度，現階段此技術在各行業領域獲取得了良好的應用成效，能夠對海量數據信息進行有效處理，并且能夠切實保障處理效率和處理精確度。另外為了進一步提高技術應用效果，使技術應用更加成熟，需要對技術應用過程加強探索和創新，使此技術與其他技術之間加強融合，使此技術的應用前景更加廣闊。