計算機圖像處理和識別技術的應用

蘇羚鳳

摘要：在大數據和人工智能等技術的支持下，計算機圖像識別精度和處理效率得到了大幅度提升，在各個行業得到了廣泛應用。該文首先概述了計算機圖像處理與識別技術的基本原理，隨后分別從圖像信息的獲取、預處理、特征提取和分類決策等方面，介紹了計算機圖像處理與識別的應用流程。最后結合實際情況，分析了該技術在交通領域、有色金屬領域、農業生產領域、工業安全領域的具體應用。

關鍵詞：計算機圖像處理特征信息提取車牌自動識別

中圖分類號：TP391.41文獻標識碼：A ? ? ? ?文章編號：1672-3791（2022）01（a）-0000-00

Application of Computer Image Processing and Recognition Technology

SU Lingfeng

（Shandong Polytechnic Vocational College，Jining，Shandong Province，272067China）

Abstract：With the support of big data and artificial intelligence technology， computer image recognition accuracy and processing efficiency have been greatly improved and widely used in various industries. This paper first summarizes the basic principle of computer image processing and recognition technology， and then introduces the application process of computer image processing and recognition from the aspects of image information acquisition， preprocessing， feature extraction and classification decision-making. Finally， combined with the actual situation， the specific applications of the technology in the fields of transportation， non-ferrous metals， agricultural production and industrial safety are analyzed.

Key Words：Computer; Image processing; Feature information extraction; Automatic license plate recognition

在信息時代，數據成為一種寶貴的資源，但是如何從海量的數據中提取出有價值的信息，是亟需解決的關鍵問題。隨著信息技術在各行各業的推廣使用，計算機圖像處理和識別技術的發展前景廣闊。在這一背景下探究不同領域應用該技術的方法、技巧，既可以促進行業的創新發展，還能夠創造更高的經濟價值和社會效益。

1計算機圖像處理與識別技術原理

在整個信息系統中，前端的傳感裝置、掃描裝置、攝像裝置等，會獲取待測目標的圖像信息。然后經過通信設備，將圖像信息從前端傳輸到終端計算機上。由于計算機只能識別二進制數據，因此需要對采集到的圖像進行數字化加工處理。另外，在處理環節，還會根據圖像本身的情況，采取諸如降噪、去重、除霧等處理技術，以提高圖像信息的清晰度，保證圖像內容的真實性。完成處理后，計算機通過識別數據獲取圖像信息，然后利用大數據分析技術、人工智能決策技術等，做出相應的判斷，下達相應的指令，完成圖像自動處理和系統智能控制。由此可見，在計算機圖像處理與識別技術的幫助下，在某些特定的場合，可以代替人工完成操作管理，在降低人工成本、提高管理效率等方面發揮了顯著優勢[1-2]。

2計算機圖像處理與識別技術的應用流程

2.1圖像信息的獲取

獲取圖像信息是計算機圖像處理與識別的第一步。計算機獲取圖像信息的方式主要是借助于前端的掃描儀或傳感器。其中，傳感器又可以分成多種類型，例如用于識別光信號的光傳感器、用于識別聲音信號的聲傳感器等。在一些比較復雜的系統中，可能會同時使用多種類型的傳感裝置，為了實現圖像信息的統一，必須要將傳感器獲取的聲音信號、溫度信號等，統一轉化成電信號。另外，對于采集到的圖像信息，還會自動存儲到數據庫中，并且由系統生成備份文件。在后續的圖像信息處理環節，只對原件做相應處理，而備份文件被保存起來，防止重要信息丟失的情況[3-4]。

2.2圖像信息的預處理

對于獲取的圖像信息，還要通過預處理進行篩選、分類。由于初步獲取的圖像信息數量較多，并且其中很多圖像可能存在畫面不清晰、內容不完整，或者是不符合使用要求。在預處理環節，計算機會自動識別出這類信息并將其刪除，從而實現數據“瘦身”，極大地降低了后續數據特征提取與計算分析的工作量。圖像預處理中使用到的技術有多種，例如幾何規范化技術、灰度級插值技術、高斯濾波技術等。另外，在圖像預處理環節，還可以采用人工自定義的方式，設置信息篩選的指標。例如，以圖像分辨率作為篩選指標，由計算機自動計算每一幅圖像的分辨率，如果分辨率達不到設定的最低要求，則默認為圖像畫面模糊，進而將這些不符合要求的圖像過濾掉。經過一遍預處理后，剩余的圖像信息均具有較強的可靠性和較高的利用價值[5-6]。

2.3圖像信息的特征提取

經過預處理篩選后，數據信息的總量大幅度減少，但是對于人工處理來說仍然有一定的壓力。除此之外，由于前端傳感器會源源不斷地采集并傳輸被測目標的圖像信息，因此會存在大量完全一致或者高度相似的圖像。為了進一步降低系統運算的工作量，還需要應用到特征提取技術。特征提取步驟主要包括：第一，定義特征類型。在獲取的圖像中確定特征類型，例如邊、角、顏色、形狀等。第二，尋找特征。根據上一步確定的特征類型，由計算機按照順序依次對數據庫中保存的海量圖像進行檢索，尋找符合定義的特征。第三，特征信息集合。當所有圖像均完成特征提取處理后，將提取到的特征信息進行匯總，制作成一個或多個集合。這樣一來，每一個集合都保留了具有共性特征的數據信息，為下一步的圖像信息分析決策提供了必要的支持。

2.4圖像信息的分析決策

計算機圖像處理和識別技術的核心作用，在于通過圖像提供的信息，了解被測對象的實際情況，進而由計算機發出相應的指令，完成相應的控制，實現管理的自動化。因此，在計算機圖像處理和識別技術的整個應用流程中，圖像信息的分析決策是至關重要的環節。在這一過程中，可能會應用到的技術有計算機深度學習技術、人工神經網絡技術等。當然，根據具體應用領域的不同，圖像信息分析決策的結果也存在明顯差異。例如：在電氣系統故障自檢中，分析決策結果是電氣設備有無故障，以及故障的類型、發生的位置和解決建議等;如果是在機械自動控制系統中，分析決策結果是最佳運行方式等。除此之外，由計算機圖像處理和識別系統做出的最終決策，還能夠自動生成一份分析報告，提供給技術人員或管理人員，用于參考。

3計算機圖像處理與識別技術的應用

在大數據、人工智能等相關技術日益成熟的背景下，計算機圖像處理和識別技術也得到了快速發展，并且在諸多領域均發揮了技術應用優勢，在推動管理智能化、生產自動化等方面扮演了不可替代的重要角色。綜合來看，智慧交通、農業生產、工業安全等領域，計算機圖像處理和識別技術的成熟度較高、應用效果較好。

3.1在交通領域的應用

在機動車保有量不斷增加的背景下，“停車難”成為一類社會問題，相應的對停車管理也提出了更高的要求。尤其是對于醫院、商場、小區這類車輛頻繁出入的場所，人工進行停車管理難度較大，基于計算機圖像處理和識別技術的車牌自動識別系統得到了推廣使用。通過安裝車牌自動識別系統，實現了對進出車輛的自動化管理。

當車輛進入到RFID射頻識別區域中，裝置會自動掃描車牌號碼，并提取號碼信息。然后將采集到的車輛號牌信息，與系統數據庫中已經錄入并存儲的車輛號牌信息進行配對。如果能夠順利完成配對，說明該車輛屬于小區業主或者醫院或商場的工作人員，語音播報車輛類別及繳費情況后，系統自動抬桿放行;相反，如果未能完成配對，則說明該車輛屬于沒有登記的臨時車輛，同樣由系統進行語音播報，并開始計時。此時由人工控制或系統自動控制抬起欄桿放行，車輛進入停車場。

3.2在有色金屬領域的應用

有色金屬包含了銅、鉛、鋁、銀等多種金屬，進行有色金屬的開采和利用對我國工業、制造業的發展有重要影響。以銅為例，自然界中的銅，多以銅礦石的形式存在，例如輝銅礦、黃銅礦等。從化學成分上來看，以硫化亞銅（Cu2S）、二硫化鐵銅（CuFeS2）等為主。除此之外，在一些多金屬共生礦中，由于銅的含量較少，或者同時含有多種金屬元素，導致銅的檢測難度較大，不利于銅的開采和利用。將計算機圖像處理和識別技術應用到找礦工作中，技術人員首先利用X射線技術對待測區域采集到的礦石進行掃描，提取礦石的成分信息，例如密度、組分等。然后將所有信息保存起來，最后提取礦石中金屬銅的特征信息。將提取信息與數據庫中存儲的特征信息進行對比，如果配對成功，則說明該礦石中含有銅元素，并且進一步測定銅的含量，為精確找礦提供了技術支持。

3.3在農業生產領域的應用

在農業機械化的推動下，近年來設施農業得到了快速發展。相比于以往的農業生產管理模式，基于計算機圖像處理和識別技術的采摘機器人，可以代替人工完成對農作物果實的自動收獲，顯著提高了作業效率，并且極大地減輕了農民的勞作壓力。智能采摘機器人的工作原理為：在機器人的上方有一臺攝像裝置，可以實時拍攝農作物的圖像。將采集到的圖像信息進行預處理后，由后臺計算機進行農作物特征提取。將提取到的信息，與數據庫中存儲的農作物特征信息進行匹配。如果匹配成功，則準確定位農作物的位置，然后計算機發送指令，利用機器人的采摘裝置，完成農作物的摘取。另外，基于人工智能的計算機圖像處理和識別技術，還可以將農作物的顏色作為特征信息。例如作物為蘋果時，果實為紅色時才進行采摘，如果為青色則不采摘。

3.4在工業安全領域的應用

在工業自動化背景下，工業控制系統中包含了若干電氣設備。整個系統只有密切配合才能保證工業流水線作業的順利進行，而一旦某個電氣設備出現故障，輕則影響產品質量安全，嚴重時還會導致整個生產線被迫停止運作。基于計算機圖像處理與識別技術的故障自檢系統，可以在工業流水線運行過程中，實時監測每臺裝置的運行工況。通過分析采集到的圖像信息，進行故障特征信息提取，如果設備零件有磨損現象、過熱問題等，系統能夠自動識別并進行告警，將缺陷問題或故障信息反饋給技術人員。這樣一來，技術人員就能夠第一時間了解問題所在，并進行故障維修，使工業生產系統保持穩定運行?；谟嬎銠C圖像處理與識別技術的工業故障自檢系統運行流程如圖1所示。

4結語

在現代信息技術、大數據分析和人工智能技術的推動下，計算機圖像處理和識別技術在農業生產、工業安全、交通管理等各個行業均得到了推廣應用。在應用這一技術時，需要重點把握好圖像信息采集、預處理，以及特征信息提取與決策分析等一系列要點。根據分析結果，由計算機做出最佳決策，進行自動控制或者為管理人員手動控制提供參考。

參考文獻

[1] 周錚，戴昀.計算機圖像處理與識別技術的應用與研究——評《圖像處理、分析與機器視覺》（第3版）[J].機械設計，2020，37（11）：155.

[2] 張晶飛，湯亮，黃志剛.基于MATLAB圖像處理的智能控制路徑識別算法研究[C]//2020中國汽車工程學會年會論文集（1）.2020：199-202.

[3] 王山海，劉謙，馬鑫鑫.基于圖像識別的人工影響天氣業務的研究[J].計算機技術與發展，2019，29（5）：172-177.

[4] 楊楚皙.小波變換域基于圖像數據集的圖像編碼算法研究[D].長春：吉林大學，2020.

[5] 劉華明.基于多分辨率技術的圖像修復方法研究[D].南京：南京郵電大學，2020.

[6] 盧巖.寬視場高分辨率拼接成像及片上網絡多核快速處理技術研究[D].北京：北京理工大學，2018.