圖像處理與識別技術(shù)的發(fā)展及應用分析

王彥超

（平頂山教育學院 計算機系，河南 平頂山 467000）

圖像處理與識別二者之間是相互聯(lián)系的，圖像處理是圖像識別的基礎(chǔ)條件，圖像識別又促進了圖像處理技術(shù)的提升。通過計算機對圖像進行處理、分析，最終達到需要的技術(shù)效果，能夠?qū)μ幚韺ο筮M行識別。圖像處理與識別的最終目的是識別，文字識別、數(shù)字圖像識別、物體識別是圖像識別經(jīng)歷的3個階段。在我國的很多領(lǐng)域中，對于很精細的對象用肉眼是無法滿足需求的，此時就需要利用計算機的圖像處理與識別技術(shù)，通過精細的技術(shù)代替人類處理大量的物理信息，提高識別效率，降低錯誤率。

1 圖像處理與識別技術(shù)的原理及優(yōu)勢

圖像處理與識別技術(shù)其實與人類的圖像識別原理相似，人類的圖像處理與識別也是先對看到的事物有一個直觀感受，然后經(jīng)過大腦的加工和處理將這些信息存儲起來，再次看到相同的事物時就會從大腦中提取出來，這就是人類的圖像處理與識別的過程。計算機的圖像處理與識別過程與人類相似，只是在觀察圖像時沒有人類的感受，利用計算機的優(yōu)勢，在信息加工、存儲以及提取的速度方面更快，容量更大，細節(jié)更加精細。所以用計算機圖像處理與識別技術(shù)可以代替人類處理大量繁瑣的事物，效率更高。利用計算機進行圖像處理與識別技術(shù)還有重要的模式識別，運用數(shù)學思想中的統(tǒng)計與概率進行統(tǒng)計模式識別、句法模式識別、模糊模式識別，與人腦相比具有很大的優(yōu)勢[1]。

2 圖像識別技術(shù)的過程

計算機圖像處理與識別技術(shù)的過程與人類的圖像識別原理相似，主要有信息的獲取、預處理、特征抽取和選擇、分類器設(shè)計和分類決策幾個步驟。信息的獲取是通過傳感器將光或者聲音等信息轉(zhuǎn)換為電信息，將研究對象的基本信息轉(zhuǎn)換為機器可以識別的信息；在獲取信息后，要對圖像進行去燥、平滑以及變換等處理，從而突出圖像中的重要特征，便于下一步的特征抽?。辉陬A處理后，圖像中的重要特征都會顯示出來，然后通過設(shè)定的程序?qū)@些特征進行識別，識別后要分別抽取不同的特征，在實際操作中，會根據(jù)需要選擇有用的特征。特征的抽取與選擇是圖像識別中最為重要的環(huán)節(jié)，直接關(guān)系到圖像識別的結(jié)果。分類器設(shè)計是指通過訓練而得到一種識別規(guī)則，通過此識別規(guī)則可以得到一種特征分類，使圖像識別技術(shù)能夠得到高識別率。分類決策是指在特征空間中對被識別對象進行分類，從而更好地識別所研究的對象具體屬于哪一類[2]。

3 計算機圖像處理與識別技術(shù)的應用

3.1 計算機圖像處理與識別技術(shù)在交通領(lǐng)域的應用

為了確保交通系統(tǒng)的高效運行，應用圖像處理與識別技術(shù)可構(gòu)建全方位、動態(tài)、高效的地面運行管理系統(tǒng)，促進質(zhì)量交通的發(fā)展，有效改善交通混亂的現(xiàn)象。車輛收費、道路擁擠、車輛失竊、車輛違章都是現(xiàn)代交通系統(tǒng)中存在的問題，利用圖像處理與識別技術(shù)對車牌和車身進行識別，可高效處理這些問題，在促進智能交通的發(fā)展中發(fā)揮了重要的作用。

3.1.1 圖像處理與識別在車身顏色和形狀識別方面存在的問題

在對車身進行顏色識別時，基于實驗室的環(huán)境因素，會取得較好的成效，但是由于車輛的實際行駛環(huán)境會受到諸多因素的影響，比如天氣、光線、灰塵、噪聲等，都會對識別率造成一定的影響。所以處于室外中運動的車輛因為顏色的非恒定性、運動目標不完全分割以及目標本身顏色的復雜性，都是影響車身顏色識別的重要因素，這是智能交通中圖像處理與識別應該解決的問題。在對車身形狀識別方面也存在一定的問題，由于車輛本身在尺度、方向以及位置上會發(fā)生相對變化，行駛的過程中受到不均勻速度的影響，其形狀和大小在角度上會發(fā)生一定的偏差。同時，車輛間的遮擋、光照條件的變化等，都會對車身形狀識別增加難度，所以對車身顏色和形狀識別是圖像處理與識別技術(shù)需要解決的重要問題，才能夠更好地應用于智能交通領(lǐng)域中。

3.1.2 圖像處理與識別技術(shù)在車牌識別中的應用

車身顏色識別、車身形狀識別以及車牌識別都是圖像處理與識別技術(shù)在交通系統(tǒng)中的重要應用，經(jīng)過圖像處理與識別技術(shù)的發(fā)展，在車身顏色和形狀方面的識別水平得到了大幅的提升，而對于車牌的識別包括了定位技術(shù)以及字符識別技術(shù)。車牌自動識別主要包括定位、分割以及字符識別幾個部分，首先進行車牌特征提取，車牌像素特征提取是最為簡單的方式，在圖像掃描的過程中，對于黑色像素取值1、白色像素取值0，就能夠得到維數(shù)與圖像中像素點數(shù)相同的向量矩陣。但是這種方法的適應性不佳，所以還需要在適應性方面進行改善。對骨架特征進行提取具有較好的適應性，因為對圖像線條進行統(tǒng)一寬度后會縮小差異性，通過計算機算法能夠提取到車牌骨架的特征并得到向量矩陣。對車牌圖像的特征點進行提取可以有效彌補其他方法中適應性差這個缺點，通過13點特征提取法能夠降低因為角度變化而造成字符傾斜產(chǎn)生的誤差。除了上述提車牌特征提取方法之外，圖像處理與識別技術(shù)中還有梯度統(tǒng)計、弧度統(tǒng)計、角點提取等一系列特征向量提取方法。

車牌分割也是車牌識別技術(shù)中的重要部分，灰度轉(zhuǎn)化是車牌分割的首要環(huán)節(jié)，通過車牌定位能夠得到256色位圖的圖像，灰度轉(zhuǎn)化能夠避免因為顏色差異帶來的不便，為下一步操作提供依據(jù)；經(jīng)過灰度處理的車牌圖像再進行二值化處理，可將圖像灰度值處理為黑白兩種顏色；車牌大多都是有攝像頭拍攝的，所以會受到環(huán)境的影響而造成圖像模糊的情況，通過梯度銳化處理能夠使模糊的圖像變得清晰；為了保證車牌識別的清晰度，還要去除離散的噪聲。在攝像頭拍攝車牌時，會因為角度問題而出現(xiàn)車牌傾斜的現(xiàn)象，對于這種現(xiàn)象，如果提示車牌字符像素的平均位置有較大差異，可通過圖像左右像素得到平均高度，求出斜率后得到偏轉(zhuǎn)角，然后重新組織坐標。車牌字符分割算法主要有垂直投影法、靜態(tài)邊界法以及連通區(qū)域法。這3種方法能夠確定車牌字符的邊界、分割得到車牌的清晰圖像，但是各存在其優(yōu)缺點，在實際使用中應該有所選擇[3]。

3.2 計算機圖像處理與識別技術(shù)在安防領(lǐng)域中的應用

圖像處理與識別技術(shù)在安防領(lǐng)域的應用，大大提高了安防效率。視頻監(jiān)控系統(tǒng)在安防工作中應用較為廣泛，圖像處理與識別在視頻監(jiān)控系統(tǒng)中的應用，能夠?qū)崿F(xiàn)自動監(jiān)控，通過視頻圖像的采集，經(jīng)過識別后能夠為安防工作帶來重要的參考依據(jù)。一方面大大減輕了工作人員的工作量，另一方面也有效提高了安防工作效率。

3.3 計算機圖像處理與識別技術(shù)在農(nóng)業(yè)領(lǐng)域中的應用

將計算機圖像識別技術(shù)應用到農(nóng)業(yè)生產(chǎn)當中，可以對植物的生長進行相應的監(jiān)測與評價，同時還能夠?qū)r(nóng)產(chǎn)品進行質(zhì)檢，對植物的生長進行全景圖像的監(jiān)控。當農(nóng)作物發(fā)生病蟲害時，可以通過計算機圖像識別技術(shù)對病蟲害的圖像進行診斷，比如茶葉種類分類、田間雜草識別、水果缺陷識別、糧蟲檢測技術(shù)等。糧食害蟲會嚴重影響到糧食的質(zhì)量，而傳統(tǒng)的取樣法、誘捕法、聲測法、近紅外反射光譜識別法都存在不同程度的缺陷，利用圖像處理與識別技術(shù)，對糧食害蟲進行檢測可提高檢測效率。

首先對糧蟲圖像進行預處理，預處理包括灰度化、二值化、平滑以及銳化幾種方法。灰度化處理是利用最大值法、加權(quán)平均法以及平均值法將糧蟲圖像從彩色轉(zhuǎn)換為灰色，方法操作簡單，用三原色來描述灰度值。因為灰度化處理的目標圖像與背景圖像存在較大的差別，所以可用0和1分別表示目標圖像和背景圖像，這樣有利于灰色圖像與二值圖像之間的轉(zhuǎn)換。利用二值化進行糧蟲圖像處理，對象區(qū)域能夠更加明顯地顯示出來，為后續(xù)工作的開展提供有利的依據(jù)。對圖像進行平滑處理就是在相同的窗口放置圖像，保證所有像素的灰度值平均，對中心部位像素的灰度值進行替代，即可完成平滑處理。通過加深圖像的灰度顏色以及對比外援色彩數(shù)值，可有效提升圖像的清晰度，達到圖像銳化的目的。

在對圖像進行預處理后，可得到高質(zhì)量的圖像，還需要利用邊緣檢測技術(shù)將圖像中的目標和背景區(qū)分開來。利用局部差分算法進行Roberts邊緣檢測算子，通過互相垂直方向上的差分，Roberts邊緣檢測算子能夠計算梯度，在得到合適的閾值后，將梯度幅度和閾值比較，可得到階躍邊緣點，最終獲取邊緣圖像。Sobel邊緣檢測算子是對各個像素的領(lǐng)域加權(quán)差進行考察，加權(quán)差最大的點即為邊緣點，Sobel是檢測效果最好的邊緣檢測。

對糧蟲進行圖像特征提取為糧蟲識別提供數(shù)據(jù)支持，其中區(qū)域描述子特征的效果最好，一般包括以下8種區(qū)域描述子特征：圖像中待識別對象面積像素點個數(shù)總和，待識別對象的周長，待識別對象面積占圖像總體比例，待識別糧蟲圖像的最小外接矩形的寬度比上長度值，待識別對象緊湊性，反應待識別對象的復雜程度，等效面積圓半徑，待識別對象長短軸長度之比。通過對糧蟲圖像的幾何形態(tài)特征進行識別，可有效防止蟲害，提高糧食存儲質(zhì)量。

4 計算機圖像處理與識別技術(shù)的發(fā)展

4.1 趨于標準化和高速化

計算機圖像處理與識別技術(shù)在多個領(lǐng)域的應用，大大提高了人們的生活質(zhì)量，同時也帶動了相關(guān)產(chǎn)業(yè)的進一步發(fā)展。在計算機圖像處理與識別技術(shù)中，還有很多瓶頸需要克服，為了更好地發(fā)揮圖像處理與識別的功能，不僅要在硬件方面有所升級，還需要在軟件方面不斷研發(fā)。為圖像處理與識別系統(tǒng)配置最好的硬件，便于處理程序時在速度和容量方面的提升，逐漸向標準化和高速化方面發(fā)展。在軟件方面，要在圖像獲取、分析、處理、存儲這些方面加速研發(fā)，加快對三維景物的識別，更好地發(fā)揮圖像處理與識別技術(shù)的優(yōu)勢。

4.2 朝著多維化方向發(fā)展

基于二維處理的計算機智能化圖像識別技術(shù)正在向三維處理甚至是多維處理轉(zhuǎn)變，這就預示著日后的圖像識別處理將會更加準確。當下，計算機的硬件水平處于上升的過程，這就使得計算機智能化圖像識別技術(shù)被廣泛應用到生活中的每個領(lǐng)域，在今后的發(fā)展過程中，分類、整理被識別圖像的詳細信息并轉(zhuǎn)化成清晰度較高的圖片將是計算機智能化圖像識別技術(shù)的發(fā)展重點。

5 結(jié)語

計算機圖像處理與識別技術(shù)在我國很多領(lǐng)域中都得到了有效的應用，為促進社會的發(fā)展做出了重要的貢獻。圖像處理與識別是信息技術(shù)發(fā)展的必然產(chǎn)物，隨著科學技術(shù)的快速發(fā)展，圖像處理與識別技術(shù)水平還會提升，會更加標準化、高速化、多維化，為促進社會主義和諧社會的可持續(xù)發(fā)展奠定堅實的基礎(chǔ)。

[1]朱安琪.數(shù)字圖像處理與識別系統(tǒng)的開發(fā)研究[J].電子測試，2016（9）：95-96.

[2]郭元戎.圖像處理與識別技術(shù)的發(fā)展應用[J].電子技術(shù)與軟件工程，2018（1）：58-59.

[3]寧彬.圖像處理技術(shù)在機動車車牌自動識別技術(shù)中的應用[J].科學技術(shù)與工程，2013（2）：366-371.