計算機圖像處理的應用與發展探究

金雪

摘要：信息時代各種新興技術得到空前發展，計算機網絡技術進入高速發展階段，智能化圖像處理技術被廣泛應用到人類生活中。隨著計算機圖像處理技術應用領域不斷拓展，人類對該技術的應用也逐漸成熟。本文通過簡要分析計算機圖像概念和分類，為研究圖像技術在不同領域應用提供依據，并深入探討圖像處理技術在各方面的應用，希望能夠提高計算機圖像處理技術應用效率。

關鍵詞：計算機;圖像處理;應用;發展

中圖分類號：TP311? ? ? ?文獻標識碼：A

文章編號：1009-3044（2021）25-0137-02

信息化時代，計算機技術給人類生活帶來極大便利，社會生產和日常生活都離不開計算機技術。計算機憑借高速計算速度和優異穩定性完成人力不可能完成的工作，大大提高工作效率。圖像處理技術能夠實現數據圖像處理簡單化、同時處理多個圖像的特點，具有很高的應用價值，能夠極大提高圖像處理效率。

1 計算機圖像處理技術概述

1.1 概念

計算機圖像處理技術指的是借助計算機技術或計算機平臺系統對圖像進行處理分析，能夠進一步提取出處理圖像包含的信息[1]。目前，該技術已經滲透到社會各個領域，通過利用優秀的計算能力完成二維、三維圖像設計和存儲，能夠增強圖像展示完美性。計算機圖像處理技術能夠產生兩種效果圖，分別是數字化圖像和模擬圖像[2]。其中，數字化圖像具有較高精確度，且具有處理方式簡單的特點;模擬圖像具有輸出簡單的特點，但具有較大局限性。計算機圖像處理技術的主要工作內容：運用光學對圖片進行預處理，然后再進行數字化處理，通過幾何變換、數字建模、明暗處理等方式增強圖像識別性和清晰度。目前的計算機圖像處理技術已經趨向于成熟，可以應用到各領域的科研、開發、生產過程中。

1.2 計算機圖像處理技術分類

第一，圖像去噪技術。顧名思義是去掉圖像的噪聲干擾，是圖像復原技術的重要組成部分。在圖像采集過程中，由于系統硬件等物理因素干擾，會導致圖像采集過程中出現噪音，去噪技術是通過同態濾波操作和維納濾波操作提升已退化的圖像質量，進而達到去噪效果。

第二，圖像增強技術。該技術能夠幫助工作人員有效提取圖像關鍵信息，削弱無關無用信息，主要針對原有圖像畫質差、目標對象與背景較為模糊的圖像，能夠提升圖像對比度，提高圖像畫質清晰度和色彩明艷度。主要通過直方圖增強法、偽色彩增強法等來增強圖像的需求信息和必要信息，在不修改圖像信息的基礎上凸顯圖像的有用信息和數據，順利完成目標對象和目標區域分類。

第三，圖像壓縮技術。該技術能夠有效提取采集的圖像信息和減少圖片占用存儲空間，有效刪除無用信息和冗余信息[3]。例如，電視圖像會產生較大圖像數據率，通過采用圖像壓縮技術傳播圖像，能夠避免傳輸過程中損傷圖像，從而提高圖像對比度和清晰度，進而提高圖像應用效果。

第四，圖像識別技術。該技術指的是對圖像進行準確識別和分類，主要應用于人工智能方面。通過應用該技術，能夠對數據對象按照一定特征進行分組，并可以記住降維、聚類等方法找到數據共同點，提高對象分組效率。常見的圖像識別算法有卷積神經網、K-means、YOLO算法等。

2 計算機圖像處理技術的發展歷程

20世紀20年代，海底電纜的Bartlane電纜圖片傳輸系統大大提高了圖片傳輸效率，在3小時內完成傳輸一幅圖片任務，是人類首次采用計算機技術進行圖片處理。到了50年代，美國科研人員研發出一種多種設備配合的圖像處理裝置，主要設備有電子管計算機、平板式、滾筒式繪圖設備，開始開啟計算機圖像處理技術之旅。60-70年代，計算機圖像處理技術搭上計算機技術發展快車道，這時的計算機圖像處理技術已經實現信息提取、圖片壓縮、圖片傳輸等功能，應用領域涉及醫學研究、通訊、辦公自動化、衛星遙感等方面。

3 現代計算機圖像處理技術的應用發展

3.1 農業方面應用

計算機圖像處理技術在農業方面的應用主要表現在農作物選種、種植、采摘、加工等環節。第一，選種方面。主要通過該技術進行種子質量檢驗，種子的質量將直接關系到農作物發芽率和發育情況，進行種子成活率檢測，能夠為后期農作物生產管理提供數據依據。第二，農作物種植。通過利用圖像處理技術，能夠實現自動化播種，有效節省人工成本和時間成本。第三，農作物采摘。隨著自動化技術不斷發展，不少農民也具備自動化生產意識，通過借助采摘機器人進行農產品采摘工作，能夠很大程度上減輕人工操作壓力。

3.2 工業方面應用

工業發展與計算機網絡技術有不可分割的聯系，計算機工業革命是工業科技第三次革命。隨著工業實現自動化生產，自動化發展成為工業生產發展的必然趨勢，最具代表性的就是影視文化印刷行業和零部件生產。通過運用圖像處理技術進行產品印刷和產品質量檢測，能夠從細節上把控印刷品質量，提高印刷品出版質量。在零部件生產方面，通過將零部件結構和規格信息傳入計算機操作系統中，能夠通過圖像處理技術有效掌握產品的特點和優勢，進而提高數據信息的精確度。

3.3 化學工業方面應用

主要針對各種復合材料進行研究，例如碳纖維增強水泥基復合材料，該材料被廣泛應用到建筑工程施工。例如，碳纖維混凝土（carbon fiber reinforced concrete，CFRC），可以用于路面除冰、電磁屏蔽及建筑物健康監測等方面。例如，通過運用卷積神經網絡（Convolutional Neural Network，CNN）能夠加強圖像分割和目標識別效果。目前，CNN已經成為化學工業方面的主要圖像處理技術，利用CNN進行圖像分割和多尺度特征編碼，能夠提取圖像和視頻中行人、汽車等性能。將其應用到瀝青路面和水泥砂漿裂縫提取中，可以對現實復雜環境進行提取和分析，進而為碳纖維混凝土在建筑物健康監測、路面除冰加熱等方面應用提供數據依據。在實際分析中，CNN具有分析不同尺度下SEM圖像的能力，能夠識別定位CF簇和分割CF簇，也就是說可以通過電鏡掃描對圖像中的CFRC進行定量表征碳纖維分布，并結合不同碳纖維SEM圖像數據庫進行編碼、解碼，從而了解碳纖維的分布與碳纖維混凝土屬性之間的關系。圖像處理技術在化學工業的應用主要依賴于計算方法的自動化、魯棒性特征，從而有效提高圖像識別處理能力。