圖像處理與識(shí)別的應(yīng)用研究

◆張 蓉

圖像處理與識(shí)別的應(yīng)用研究

◆張 蓉

（山西藥科職業(yè)學(xué)院 山西 030006）

隨著計(jì)算機(jī)處理器、運(yùn)行內(nèi)存、磁盤(pán)空間等硬件的不斷更新?lián)Q代，計(jì)算機(jī)的處理運(yùn)算和存儲(chǔ)能力得到飛躍，這為數(shù)字圖像處理與識(shí)別技術(shù)的發(fā)展提供了硬件基礎(chǔ)；圖像處理運(yùn)算算法得不斷完善使得圖像識(shí)別技術(shù)逐漸為人們所運(yùn)用。本文從圖像處理方法以及圖像識(shí)別在人臉識(shí)別、車(chē)牌識(shí)別中的應(yīng)用出發(fā)，對(duì)圖像處理技術(shù)與圖像識(shí)別的應(yīng)用進(jìn)行研究。

圖像處理；圖像識(shí)別；人臉識(shí)別

0 引言

圖像處理與識(shí)別技術(shù)的使用越來(lái)越廣泛，如醫(yī)學(xué)圖像處理MRI應(yīng)用、彩超圖像處理、制造業(yè)元器件檢測(cè)及瑕疵檢測(cè)、電影特技、指紋識(shí)別、車(chē)牌識(shí)別、人臉識(shí)別等，并且隨著社會(huì)的發(fā)展，對(duì)事物類(lèi)別分類(lèi)的需求在不斷增長(zhǎng)，人們需要進(jìn)行處理、識(shí)別的對(duì)象也變得更多，因此圖像處理技術(shù)是非常重要的一環(huán)。

1 圖像處理方法探究

圖像處理是為了達(dá)到人們對(duì)視覺(jué)效果的需求和具體實(shí)踐所需的條件，它把人作為最終的信息接收者，主要目的是改善圖像的質(zhì)量。圖像處理是計(jì)算機(jī)視覺(jué)的基礎(chǔ)。

（1）圖像增強(qiáng)

圖像處理與識(shí)別中所使用的處理方法就包括圖像增強(qiáng)這一部分，其中圖像增強(qiáng)又可細(xì)分為灰度增強(qiáng)、圖像銳化、中值濾波三個(gè)方面。圖像增強(qiáng)更加利于計(jì)算機(jī)和人工對(duì)圖像進(jìn)行分析處理操作。圖像增強(qiáng)這一圖像處理方法已經(jīng)在當(dāng)今社會(huì)得到了較為廣泛地運(yùn)用，這要?dú)w功于其操作簡(jiǎn)便、處理后效果顯著的優(yōu)勢(shì)，也因此能夠?qū)D像處理識(shí)別技術(shù)做出重要貢獻(xiàn)[1]。

首先對(duì)灰度增強(qiáng)這一技術(shù)進(jìn)行探究，這一技術(shù)的數(shù)學(xué)模型是：整體面積為A的連續(xù)圖像f（x,y）在經(jīng)過(guò)處理后變?yōu)橐粋€(gè)N行M列的數(shù)字圖像f(n,m）。對(duì)這個(gè)圖像而言，不同區(qū)域的像素?cái)?shù)量與圖像上區(qū)域的灰度值有一定的聯(lián)系，若選取灰度值較大的區(qū)域則像素的數(shù)量隨之增多，圖像整體表現(xiàn)出來(lái)的色彩及明暗程度就較亮；若取的灰度值較小，則圖像顯示出來(lái)給人的視覺(jué)效果就是偏暗的。

灰度增強(qiáng)的原理是根據(jù)一定的數(shù)學(xué)模型關(guān)系一點(diǎn)一點(diǎn)地去更改原始圖像里每一個(gè)像素的灰度值。假定原圖像的灰度值r=f（x，y），經(jīng)過(guò)增強(qiáng)處理后灰度值可以用r,=g（x,y）來(lái)表示，而灰度增強(qiáng)這一過(guò)程就可以用g（x,y）=T（f（x,y））來(lái)表示，有了灰度增強(qiáng)這一過(guò)程的表達(dá)公式也就有了灰度增強(qiáng)的運(yùn)算方法[2]。

除了灰度增強(qiáng)外，圖像增強(qiáng)還包括銳化這一技術(shù)，因攝像工具聚焦或傳輸通道問(wèn)題造成圖像中人或物的輪廓不清晰。采用銳化這一操作可以使原圖像的輪廓更加清晰，也更加能夠滿足人的視覺(jué)需求。銳化操作的原理是將原圖中人物輪廓像素的灰度值處于兩極分化，高灰度值變得更高，而低的則更加低，銳化這一操作一般由以下幾種方法來(lái)完成：第一種是梯度法，這里的梯度表示的是圖像中臨近像元亮度的變化情況，具體來(lái)講就是存在邊緣的圖像例如自然湖或是人工湖、小溪流的邊界，山川、公路、高架橋等，在其邊緣區(qū)域的顏色變化較為明顯因此梯度值也較大；而在圖像中亮度變化不是太劇烈的區(qū)域梯度值相應(yīng)的變小。由此可知，想要完成對(duì)圖像的銳化操作的過(guò)程便是檢測(cè)出圖像中梯度值較大的區(qū)域也就意味著邊緣，接著將圖像邊緣區(qū)域的像元值用合適的梯度值替換掉，這就將圖像的邊緣變得更加突出，也就完成了對(duì)圖像的銳化。

第二種是拉普拉斯算法，其在銳化操作中的實(shí)現(xiàn)原理和作用與梯度法有一些不同之處，這一算法不對(duì)圖像中亮度的平均變化進(jìn)行計(jì)算，而是對(duì)亮度變化率的變化率進(jìn)行計(jì)算，也就是二階導(dǎo)數(shù)，經(jīng)過(guò)拉普拉斯算法計(jì)算得出的圖像則是將亮度發(fā)生劇烈變化的區(qū)域更加劇烈[3]。

（2）邊緣檢測(cè)

對(duì)數(shù)字圖像的處理除了圖像增強(qiáng)還有對(duì)圖像的檢測(cè)，在圖像處理與識(shí)別技術(shù)的應(yīng)用中對(duì)圖像分析時(shí)的第一項(xiàng)工作就是邊緣檢測(cè)，它還是圖像分割處理、圖像中形狀識(shí)別和提取處理的基本內(nèi)容，邊緣是圖像中亮度變化率較高的區(qū)域；對(duì)邊緣檢測(cè)過(guò)程中可運(yùn)用一階和二階導(dǎo)數(shù)對(duì)圖像灰度值進(jìn)行測(cè)算，此外把形狀匹配技術(shù)與邊緣檢測(cè)共同運(yùn)用，以坐標(biāo)變換的形式將曲線上點(diǎn)固定形成峰點(diǎn)，這樣一來(lái)變可根據(jù)空間峰點(diǎn)完成對(duì)曲線的檢測(cè)。

2 圖像識(shí)別在人臉圖像識(shí)別中的應(yīng)用

人類(lèi)對(duì)人臉識(shí)別的研究和發(fā)展能夠分成三個(gè)階段。第一階段是分析要達(dá)到人臉識(shí)別這一目的所需要的面部的信息。研究伊始用一個(gè)簡(jiǎn)單的語(yǔ)句和儲(chǔ)存人臉信息的數(shù)據(jù)庫(kù)中的一張臉的信息聯(lián)系起來(lái)，后來(lái)又有研究人員利用計(jì)算機(jī)實(shí)現(xiàn)這一操作，但很明顯對(duì)人工操作的需求較高。第二階段相比第一階段有一定的進(jìn)步，實(shí)現(xiàn)了人機(jī)交互的模式，但仍需要人進(jìn)行輔助操作。第三階段才真正實(shí)現(xiàn)了人臉自動(dòng)識(shí)別，以計(jì)算機(jī)技術(shù)和圖像處理和識(shí)別技術(shù)作為基礎(chǔ)，使人臉識(shí)別系統(tǒng)更加成熟，下面對(duì)圖像識(shí)別在人臉圖像識(shí)別中的應(yīng)用進(jìn)行闡述[4]。

對(duì)人臉進(jìn)行識(shí)別是一項(xiàng)復(fù)雜的工程，計(jì)算機(jī)對(duì)人臉圖像識(shí)別的流程如圖1。

圖1 人臉圖像識(shí)別流程

人臉識(shí)別這一過(guò)程首先是圖像的采集，對(duì)人臉圖像數(shù)字化處理后檢測(cè)圖像中的人臉信息、執(zhí)行人臉檢測(cè)、定位、識(shí)別等一系列計(jì)算操作，進(jìn)而通過(guò)運(yùn)算結(jié)果和取得的特征進(jìn)行身份判斷。在對(duì)人臉進(jìn)行識(shí)別時(shí)主要涉及到對(duì)人臉的檢測(cè)定位和識(shí)別算法。人臉圖像檢測(cè)定位處理有顯式和隱式特征兩種。以顯式特征為基礎(chǔ)的方法又有三種：一是膚色模型、二是模板匹配、三是先驗(yàn)知識(shí)。在人臉的圖像中，皮膚的顏色是圖像整體上最明顯的特點(diǎn)之一，因此可利用膚色模型這一方法根據(jù)區(qū)域圖像中顏色的不同能夠輕易分辨人臉與其他物體，運(yùn)用圖像處理手段對(duì)圖像中的像素點(diǎn)進(jìn)行分析處理，找到人類(lèi)面部膚色的區(qū)域從而完成以顯式特征為基礎(chǔ)的檢測(cè)定位。

3 圖像識(shí)別在車(chē)牌識(shí)別中的應(yīng)用

隨著社會(huì)不斷發(fā)展，人們的需求也在日益增長(zhǎng)，許多行業(yè)對(duì)圖像處理識(shí)別系統(tǒng)需求迫切，需要一種能同時(shí)兼顧效率與安全的驗(yàn)證方式，在此以車(chē)牌識(shí)別為例對(duì)數(shù)字圖像的識(shí)別處理進(jìn)行分析。圖像處理與識(shí)別在車(chē)牌識(shí)別中應(yīng)用如下：首先是由攝像系統(tǒng)將車(chē)輛牌照信息拍攝記錄下后以數(shù)字圖像的格式儲(chǔ)存，因外界環(huán)境因素和和系統(tǒng)本身因素影響無(wú)法確保圖像的質(zhì)量，所以接著要對(duì)圖像進(jìn)行預(yù)處理操作，處理操作包括對(duì)彩色數(shù)字圖像進(jìn)行灰度處理來(lái)提高系統(tǒng)對(duì)圖像的處理速度；中值濾波來(lái)降低圖像噪聲；圖像增強(qiáng)來(lái)改善車(chē)牌數(shù)字圖像的顯示效果；對(duì)處理后的圖像執(zhí)行車(chē)牌定位操作，最后實(shí)現(xiàn)對(duì)車(chē)牌的識(shí)別功能。

4 結(jié)束語(yǔ)

綜上所述，圖像處理和識(shí)別技術(shù)自產(chǎn)生以來(lái)就在不斷發(fā)展，隨著各方面技術(shù)的提升，圖像識(shí)別也在生活中有了更加廣泛的應(yīng)用。在對(duì)圖像處理和識(shí)別應(yīng)用研究中，只有將提高圖像處理和識(shí)別的硬軟件技術(shù)和生活的需求相結(jié)合，才能使其得到更加深層次的應(yīng)用和更加廣闊的發(fā)展空間。

[1]朱安琪.圖像處理與識(shí)別系統(tǒng)的開(kāi)發(fā)研究[J].電子測(cè)試, 2016.

[2]張蕓峰.檢測(cè)自動(dòng)化中的圖像處理及識(shí)別探討[J].同行, 2016.

[3]解士瑤, 梁洪晶, 高凱.基于圖像處理的路面裂紋識(shí)別系統(tǒng)的圖像配準(zhǔn)[J].電子制作, 2016.

[4]田靜, 杜云明, 周思宇.圖像處理演示系統(tǒng)設(shè)計(jì)[J].中國(guó)科技信息, 2017.