分析計算機圖像處理的應用與發展

張家偉

摘要：計算機圖像處理的出現對我們的日常生活產生了重要的影響，在動漫、醫療、航空、公安等領域得到了廣泛的應用。隨著計算機科學技術的快速發展，計算機圖像處理技術也在不斷地更新變化中，與其他學科相互穿插、相互融合，被賦予了新的內涵。本文就此展開對計算機圖像處理的應用以及未來發展趨勢的探究，以期能夠進一步豐富與計算機圖像處理相關的理論性研究。

關鍵詞：計算機;圖像處理;車牌識別

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）30-0104-02

開放科學（資源服務）標識碼（OSID）：

1 計算機圖像處理的內涵

計算機圖像處理一經出現就以其廣泛的應用、良好的發展前景，成為廣大科研工作者以及學者們所關注的焦點之一。關于計算機圖像處理的內涵很多期刊和相關資料都對其進行了闡述。張穎（2011）在關于計算機圖像處理技術的應用的研究一文中指出：“所謂的計算機圖像處理技術就是指把圖像信號進行轉換，成為數字信號并且利用計算機對其進行處理”。呂勇謀（2020）也在淺談計算機圖像處理技術的發展與未來創新一文中指出“計算機圖像處理實際上就是利用計算機進行圖像的顯示、儲存、修改等工作”。而根據百度百科的相關資料指出“計算機圖像處理從廣義上來說，泛指一切利用計算機來進行與圖像相關的過程、技術或系統”。

因此，根據以上資料以及相關文獻，可以得知計算機圖像處理本質上是指，利用計算機以及相關軟件，對原始圖像進行特定的處理譬如說去除噪聲、增強、復原等以得到符合需求的圖像的過程。計算機圖像處理的主要內容主要包括了以下幾個方面：

1.1 圖像識別

圖像識別是計算機圖像處理中重要的技術之一，主要是指在圖像進行分析處理之前，對圖像進行識別、認知與分類的任務。人工智能方向研究中一般均具有圖像識別功能，通過將數據對象按照一定的特征對對象進行分組的聚類方法和通過降維找到數據的共同點減少數據集的變量。對圖像進行分類并識別目標，常用的算法有K-means、卷積神經網絡、YOLO 算法等。

1.2 圖像分割

圖像分割是計算機圖像處理實現過程中必不可少的關鍵步驟之一，是圖像識別的預處理，只有經過正確的圖像分割才能確保正確的圖像識別。實際上，圖像分割指的是將圖像劃分成不同的具有獨特意義的區域的過程。目前，圖像分割主要有五種分割方式，即閾值分割、區域分割、分水嶺分割、邊緣分割、直方圖法，其中閾值分割在實際應用中最為常見。

1.3 圖像增強

圖像增強是計算圖像處理中的一個重要分支，在圖像傳遞的過程中，每一個部分都可能會出現圖像質量降低的情況，導致無法準確地識別和判斷圖像所傳遞的信息。而圖像增強則是為了使不清晰的原始圖像變得清晰或者強調其中的某些特征，從而通過直方圖加強法、偽色彩增強法等方法增強圖像質量與必要圖像信息，以滿足特殊需求，提高圖像可懂度。圖像增強技術經過不斷地完善與發展，已經融入了生活中的方方面面。

1.4 圖像壓縮和編碼

由于圖像存在冗余譬如空間冗余、時間冗余、頻譜冗余等，而在圖像處理過程中，圖像數據中的冗余信息過多會導致圖像應用效果下降，而數據壓縮和編碼的目的就是在不會造成圖像失真的前提下對圖像數據進行壓縮、編碼，刪除其中的冗余信息、減少圖像所占空間以更加高效、便利地進行圖像的存儲與傳輸。

1.5 圖像復原

在計算機圖像處理過程中由于系統的特性以及高斯噪聲、斑點噪聲、椒鹽噪聲等噪聲因素會導致圖像的退化，針對退化圖像需要進行圖像復原處理。圖像復原和圖像增強的目的相似，都是為了提高圖像的質量，但圖像復原是基于去模糊函數對已退化的圖像進行修復或者重建，并對修復或重建的模型進行不斷地修正，去掉圖像的模糊與噪聲干擾，一步步將其復原到理想狀態的過程。

2計算機圖像處理應用現狀

隨著科學技術的快速發展，計算機圖像處理的相關研究不斷地完善與進步，并且計算機圖像處理技術在許多應用領域譬如航空航天、林木、農業、人工智能、化學工程、土木工程、公安司法等都受到了廣泛的重視并取得了開拓性的成果。

2.1車牌識別

計算機圖像處理技術被廣泛應用于車牌識別系統，借助于計算機圖像處理技術能夠實現車牌的定位和識別，在日益龐大的交通網中發揮了重要的作用，成為了交通管理中的有力幫手。計算機圖像處理技術參與到車牌識別的過程重要由對圖像的預處理、車牌的定位、車牌字符的分割、車牌字符識別所構成。1）圖像預處理：交通部門在各個道路上設置由照相機以及環形線圈檢測器所構成的“電子眼”。“電子眼”捕捉經過的車輛，采集車牌圖像。而在采集過程中難免因為環境的差異以及硬件問題導致原始圖像的質量較低，難以識別。因此，需要對“電子眼”所采集到的圖像進行預處理。首先，為了減小圖像原始數據量，便于后續處理時計算量更少，需要對采集的彩色圖像灰度化;其次，為了確保圖像的有效性與可靠性，抽取圖像中的所需特征，需要通過圖像濾波對所采集的圖像進一步預處理，以在最大化地保留原始圖像特征的基礎上消除圖像噪聲;最后，對圖像進行邊緣檢測，根據具體條件選擇Prewitt算子、Canny算子、Sobel算子、Roberts算子中最為合適的一種算法進行邊緣定位，為獲取有效的信息區域奠定基礎。2）車牌的定位。圖像預處理之后，需要對車牌區域進行定位，將含有車牌信息的子區域提取出來。首先對圖像進行粗定位，篩選出候選區域，然后，為了能夠更快地提取出目標圖像，進一步地提升分析識別圖像的效率，需要對候選區域圖像進行二值化處理，通過調整閾值將圖像分為黑白兩部分，進一步縮小圖像數據大小的同時使得圖像中目標物體的細節更加一目了然，與此同時對其進行掃描，利用其像素的黑白跳變規律最終確定車牌區域，實現車牌精定位。3）糾正歪曲的車牌。由于實際道路中車流情況變化莫測，拍攝目標車輛時的方向不可能是完全一致的，很有可能是從側面拍攝，導致提取的車牌是歪曲的。根據，寧蒙等人發表在《計算機工程與設計》中的自然場景下的車牌分割方法%Method of license plate segmentation in natural scene一文可知車牌的傾斜分為三種：水平傾斜，垂直傾斜，復合傾斜。可以根據不同的情況采用Hough變換法、TILT算法、貪心算法對其進行糾正。4）車牌分割。當對車牌進行校正后，需要對車牌上的字符進行分割，即將車牌中字符子圖像塊提取出來以便后續的車牌識別。目前有很多種方法可以實現車牌分割，譬如垂直投影法、區域生長法、基于漢字結構特征的分割法等，在實際的應用中，可以根據處理的目標車牌圖像的不同進行選擇，最終得到分割后的字符。5）車牌識別。將提取的字符與所設置的字符庫進行一一比對，得出最為匹配的結果，最終實現對車牌的有效識別。

2.2 遙感衛星

計算機圖像技術在遙感衛星領域也有著較為廣泛的應用。譬如據相關資料顯示，60年代末時期發射了LANDSAT系列以及SKYLAB資源遙感衛星，而衛星所傳回的圖像由于環境因素圖像質量較低，很難從圖像中獲取有用的信息。而隨著計算機圖像處理技術在該領域的逐漸應用，遙感衛星在空中將采集的原始圖像進行數字化編碼后轉化為數字信號傳輸至處理中心，通過計算機圖像處理將圖像進行壓縮編碼、圖像增強、圖像復原、圖像分割、圖像識別，最終從傳回的圖像中獲取出有效的清晰的信息。另外，計算機圖像技術在遙感衛星中的應用在資源勘探、氣象觀察、地形勘查等方面都發揮了重要的作用，譬如說在鐵路建造設計中，就可以利用遙感衛星獲取目標區域的圖像，進行圖像處理后對圖像進行判讀，更加精確地根據所得的高質量圖像進行鐵路設計，進一步提升了鐵路建設的效率與安全程度。

2.3 醫療領域

計算機圖像處理技術在超聲圖像、CT技術、體視化技術等方面都有著廣泛的應用。在超聲成像過程中，利用圖像復原技術將超聲拍攝下的圖像采用維納濾波解卷算法進行圖像斑點去噪，以提高目標超聲圖像的分辨率，并利用圖像增強技術將成像的邊緣清晰化，并且突出圖像的高頻部分，更加便于醫生將正常組織與病灶區域分開，從而進一步增強醫療診斷的正確率。在醫療CT技術中，計算圖像處理技術亦發揮了十分重要的作用。對于CT影像來說，最為重要的就是圖像質量，因此，在實際應用過程中，必須通過計算機圖像處理，獲得高清的數據圖像，保證整個成像系統在很寬的動態范圍內自動獲得最佳密度和對比度的圖像，并通過圖像復原、圖像增強、圖像分割對所需區域進行適當處理，使其密度、對比度、邊緣銳利度最優化，便于醫生診斷。在醫療領域，體視化技術也同樣離不開計算機圖像處理。體視化技術能夠將二維斷層圖像重建為三維圖像，借用圖像處理中濾波和變換方法來濾除體數據中的噪聲和校準成像過程中帶來的畸變;利用計算機視覺的分割法區分不同物質的體數據，最終實現所需的人體組織與器官顯示出來，病灶區域充分暴露，以幫助醫生更好地分析處理病體。

3 結論與展望

綜上所述，計算機圖像處理技術在各個領域都扮演了非常重要的角色，從以上計算機圖像處理在車牌識別、衛星遙感、醫療輔助中的應用可以看出，在未來發展進程中，計算機圖像處理出現多學科交叉融合的趨勢，計算機圖像處理的作用與功能逐漸多元化。另外，隨著科學技術的進步，計算機圖像處理也朝著智能化、高速傳輸、高清晰度等方向發展。譬如，基于深度學習的圖像識別，利用卷積神經網絡（Convolutional Neural Network， CNN） 等深層神經網絡實現高效且精準地識別，在圖像處理領域獲得了極大關注，這勢必將提升現有計算機圖像處理系統的性能并開創新的應用領域。

參考文獻：

[1] 肖小奎，黎紹發.加強邊緣保護的Curvelet圖像去噪方法[J].通信學報，2004，25（2）：9-15.

[2] 殷夫，紀震，周家銳，等.PET/CT圖像質量主觀評價與感知模型[J].深圳大學學報（理工版），2015，32（2）：205-212.

[3] 仇樂.網頁設計中計算機圖像處理技術應用解析[J].煤炭技術，2013，32（3）：204-205.

[4] 鄧飛，祁亨年，趙光武.基于計算機圖像處理技術評估杉木和馬尾松種子活力[J].農業工程學報，2012，28（S2）：274-279.

[5] 王晨.高職高專院校計算機圖像處理與應用課程教學策略[J].教育與職業，2014（27）：161-162.

[6] 周凌翱，車金慶.淺談項目教學法在《計算機圖像處理》課程教學中的應用[J].價值工程，2012，31（16）：278.

[7] 黃園.試析計算機圖像處理課堂中的情境體驗教學法的運用[J].中國科教創新導刊，2013（22）：156.

[8] 宋曉玲.基于計算機圖像處理的板形識別探析[J].計算機光盤軟件與應用，2014，17（15）：221，223.

[9] 湯敏，王惠南.彩色視網膜血管圖像的自動分割算法[J].儀器儀表學報，2007，28（7）：1281-1285.

【通聯編輯：李雅琪】