基于計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)研究

李淵 趙金環(huán)

摘要：在我國(guó)市場(chǎng)經(jīng)濟(jì)不斷發(fā)展的背景下，人們對(duì)高品質(zhì)圖像的需求逐漸增加，因此，利用計(jì)算機(jī)視覺(jué)算法提升圖像處理工作效果已成為業(yè)內(nèi)首選。文章從計(jì)算機(jī)圖像處理技術(shù)的概念著手，分析了在計(jì)算機(jī)圖像處理工作中利用視覺(jué)算法的優(yōu)勢(shì)，并從多個(gè)角度闡述了基于計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)應(yīng)用路徑，以期為提升圖像處理工作的整體效果提供建議，從而為我國(guó)計(jì)算機(jī)應(yīng)用行業(yè)的發(fā)展做出一定貢獻(xiàn)。

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)算法；圖像處理；應(yīng)用探究

中圖法分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

在當(dāng)前的二維計(jì)算機(jī)圖片處理工作中，物體往往只能呈現(xiàn)出一個(gè)側(cè)面的投影，而隨著技術(shù)的進(jìn)步，人們對(duì)立體圖像的需求有所增加。本文介紹了一種利用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)三維立體顯示的計(jì)算機(jī)視覺(jué)方法。與ＢＰ 神經(jīng)網(wǎng)絡(luò)相比，該方法具有較高的校正準(zhǔn)確率，在圖像處理中具有較大的實(shí)用價(jià)值。

１ 計(jì)算機(jī)圖像處理技術(shù)概述

１．１ 圖像處理步驟

采用計(jì)算機(jī)技術(shù)對(duì)圖像進(jìn)行處理，首先，要對(duì)圖像進(jìn)行分析，獲取具體的圖像數(shù)據(jù)后才能得到要處理的圖像信息。其次，要做好圖像處理工作，并將處理后的圖像信息通過(guò)相關(guān)軟件轉(zhuǎn)換為計(jì)算機(jī)能夠采集的數(shù)據(jù)，接著將其存儲(chǔ)起來(lái)，以便以后可以利用不同的計(jì)算方法對(duì)儲(chǔ)存在計(jì)算機(jī)中的圖像信息進(jìn)行變換和分析處理。

１．２ 圖像類(lèi)別

在計(jì)算機(jī)進(jìn)行圖像處理時(shí)，可以將圖像分為如下２ 類(lèi)。（１）模擬圖像。其是指通過(guò)像素點(diǎn)位置進(jìn)行數(shù)據(jù)儲(chǔ)存。這類(lèi)圖像的傳輸具有快速、精確、不靈活等特點(diǎn)。（２）數(shù)碼影像。在技術(shù)進(jìn)步的同時(shí)，影像技術(shù)也逐漸向數(shù)碼技術(shù)方向發(fā)展。數(shù)字圖像是一種新興的技術(shù)，由計(jì)算機(jī)和計(jì)算機(jī)技術(shù)發(fā)展而來(lái)。與模擬圖像相比，數(shù)字圖像具有更高的準(zhǔn)確度［１］ 。

２ 計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用優(yōu)勢(shì)

２．１ 準(zhǔn)確性高

通過(guò)計(jì)算機(jī)圖像處理技術(shù)對(duì)數(shù)字圖像進(jìn)行分析后，可以獲取一個(gè)二維點(diǎn)陣陣列，它的二維陣列可以對(duì)任意尺寸的圖像進(jìn)行數(shù)字化處理。大部分人都會(huì)使用一種能夠分辨出像素的灰度級(jí)別的儀器，相關(guān)的處理數(shù)據(jù)儲(chǔ)存在１６ 位的字符中，其既能保證圖像的精度，又能滿足用戶對(duì)圖像處理的要求。

２．２ 再現(xiàn)能力強(qiáng)

從目前的圖像處理工作來(lái)看，客戶對(duì)圖像處理的結(jié)果要求依然較為簡(jiǎn)單，客戶最重要的目標(biāo)就是提高處理后圖片的真實(shí)感。然而，模擬圖像技術(shù)在很大程度上降低了圖像的原始質(zhì)量，難以保證整體的處理效果。利用數(shù)碼影像處理技術(shù)，可以更精確地還原原圖像，不管是否經(jīng)過(guò)處理，影像的品質(zhì)都不會(huì)受到太大影響。另外，利用計(jì)算機(jī)數(shù)碼影像信號(hào)處理技術(shù)，可以在不改變?cè)跋衿焚|(zhì)的前提下，對(duì)數(shù)碼影像進(jìn)行復(fù)制、傳送，并能實(shí)現(xiàn)圖片的高品質(zhì)再現(xiàn)。

２．３ 可以滿足社會(huì)對(duì)高品質(zhì)圖像的需求

圖像的格式直接影響圖像的處理，相較于以往的模擬圖像，利用計(jì)算機(jī)視覺(jué)算法處理的圖像要豐富得多，不管是光圖像，流行圖像，還是航空?qǐng)D像，都可以通過(guò)數(shù)碼圖像編碼設(shè)備進(jìn)行轉(zhuǎn)換。因此，計(jì)算機(jī)視覺(jué)算法在進(jìn)行圖片處理時(shí)有著較高的適用性。不管是哪一種類(lèi)型的信息處理工具，都能實(shí)現(xiàn)對(duì)圖像的數(shù)字化，利用網(wǎng)絡(luò)技術(shù)可以實(shí)現(xiàn)對(duì)圖像的快速處理。

３ 基于計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)的應(yīng)用路徑

隨著信息時(shí)代的來(lái)臨，計(jì)算機(jī)視覺(jué)技術(shù)在圖像處理技術(shù)中得到了越來(lái)越多的應(yīng)用，它能使圖像的質(zhì)量得到提高，利用三維體素映射出目標(biāo)的三維坐標(biāo)，能夠真實(shí)地反映出目標(biāo)在空間中的位置，控制體素的亮度、色彩，從而獲取立體影像信息。為防止立體投影儀造成的影像畸變，必須應(yīng)用比ＢＰ 神經(jīng)網(wǎng)絡(luò)更精確的影像運(yùn)算和影像處理技術(shù)，并利用高速投影機(jī)、散射屏、基于ＣＮＮ 模型的深度學(xué)習(xí)方法，以實(shí)現(xiàn)較好的影像復(fù)原效果［２］ 。

３．１ 計(jì)算機(jī)視覺(jué)顯示系統(tǒng)設(shè)計(jì)

３．１．１ 光場(chǎng)重構(gòu)

與傳統(tǒng)的２Ｄ 顯示方法相比，為獲得更加逼真的３Ｄ顯示效果，必須使用更加復(fù)雜和先進(jìn)的處理技術(shù)，才能獲得理想的像素處理效果。在三維數(shù)據(jù)分析中，要構(gòu)造出一個(gè)完整的三維空間，在此基礎(chǔ)上，將三維空間中的各個(gè)基本單元作為一個(gè)像素點(diǎn)，并采用三維坐標(biāo)來(lái)表示，而真實(shí)的三維影像則是由許多立體的像素點(diǎn)組成。光場(chǎng)的重建需要借助光機(jī)和機(jī)構(gòu)的運(yùn)動(dòng)來(lái)完成。

例如，目前主要通過(guò)五維光場(chǎng)函數(shù)進(jìn)行圖像處理，利用該函數(shù)，能對(duì)三維空間中的圖像內(nèi)容進(jìn)行分析，目前圖像的３ 位坐標(biāo)主要使用Ｆ：Ｌ∈Ｒ５→∈Ｒ３ 來(lái)描述，Ｌ ＝［ｘ，ｙ，ｚ］為下方向，數(shù)字圖像色彩的數(shù)據(jù)信息是Ｙ ＝［ｒ、ｇ、ｂ］。在三維模型和紋理的顯示過(guò)程中，采用了離散的集合形式，利用Ｌｉ ＝［Ｐｉ，Ｙｉ］來(lái)表達(dá)３Ｄ 空間中的色彩和位置，并基于光場(chǎng)的擴(kuò)散曲線來(lái)確定光場(chǎng)視覺(jué)算法。然后，利用３Ｄ 光場(chǎng)重建了ｈ 深度的子集，在不同的深度情況下，將其分割為若干子集合，利用二維投影、散射屏幕重建光場(chǎng)，從而獲得三維影像。

目前，相關(guān)技術(shù)研究人員認(rèn)為，利用二維投影技術(shù)可以重建快速轉(zhuǎn)動(dòng)的影像，從而使影像在三維光場(chǎng)中得到重建。

３．１．２ 顯示系統(tǒng)設(shè)計(jì)

目前，利用旋轉(zhuǎn)式液晶顯示點(diǎn)陣系統(tǒng)進(jìn)行圖像分析的結(jié)果表明，利用成像方法重建三維立體光場(chǎng)，只能形成圓柱形，無(wú)法獲得良好的視覺(jué)位置和分辨率。利用ＡＲＭ 芯片的優(yōu)良性能，計(jì)算機(jī)視覺(jué)算法能夠?qū)崿F(xiàn)與圖像信息的智能交互，從而形成一個(gè)真實(shí)的立體顯示器，可以從不同的角度觀測(cè)所形成的立體影像，并進(jìn)一步提高圖像的像素和清晰度，使體素的存儲(chǔ)容量達(dá)到３０ＭＢ。具體的設(shè)計(jì)過(guò)程是：采用３ＤＳＭＡ 進(jìn)行數(shù)字模型化、圖像格式轉(zhuǎn)換、紋理貼圖，提取坐標(biāo)色彩信息，組織技術(shù)人員進(jìn)行交叉分析、抽取像素色彩信息。

在圖像處理的過(guò)程中，將人體的三維數(shù)據(jù)通過(guò)ＵＳＢ 接口發(fā)送到ＳＤＲＡＭ 中，然后由ＦＰＧＡ 對(duì)圖像進(jìn)行處理，最后將圖像信息發(fā)送到ＡＲＭ。在旋轉(zhuǎn)物體的圖像顯示中，ＡＲＭ 處理后的影像信息被傳輸至旋轉(zhuǎn)物體顯示裝置，ＦＰＧＡ 將轉(zhuǎn)換后的影像信息投影到散射屏上，由馬達(dá)和編碼器對(duì)其進(jìn)行調(diào)解，并將調(diào)節(jié)位置反饋至ＦＰＧＡ，由該編碼馬達(dá)向驅(qū)動(dòng)模塊發(fā)送定位信息［３］ 。

在三維場(chǎng)景中拍攝物體時(shí)，要從立體角度顯示物體，對(duì)存儲(chǔ)在物體上的數(shù)據(jù)進(jìn)行掃描，利用視頻獲取技術(shù)將物體的編號(hào)輸入物體中，從而判斷出物體所要處理的圖像數(shù)據(jù)。然后通過(guò)ＤＭＤ 控制設(shè)備、投影機(jī)等對(duì)數(shù)據(jù)和圖像進(jìn)行處理與投射，通過(guò)傳輸方向散射實(shí)現(xiàn)圖像的投射。

在高速圖像處理中，編碼馬達(dá)是一個(gè)必不可少的先決條件，它既能監(jiān)測(cè)轉(zhuǎn)臺(tái)的角度和速度，又能把監(jiān)測(cè)信號(hào)傳輸?shù)娇刂破鳎瑥亩_(dá)到閉環(huán)控制的目的。在高速運(yùn)行時(shí)，由同步控制裝置獲取編碼電機(jī)的位置信息，并與ＤＶＩ 視頻信號(hào)相結(jié)合，使控制器能夠依據(jù)編碼器的信號(hào)狀態(tài)生成幀頻率信號(hào)，從而保證了散射屏的位置和投影儀同步。散射屏采用方位型，傾斜角度為４５°，與投影機(jī)、光學(xué)系統(tǒng)保持同步。

步進(jìn)馬達(dá)能實(shí)現(xiàn)對(duì)散射屏幕方向和速度的定向調(diào)整，以及使底座旋轉(zhuǎn)。在開(kāi)展展覽、會(huì)議等活動(dòng)時(shí)，通過(guò)此裝置結(jié)合遙控方式進(jìn)行精密地旋轉(zhuǎn)，并安裝黑色的吸光片，可以防止投射時(shí)的光線泄露。通過(guò)在玻璃罩子上放置光電傳感器，可以將運(yùn)動(dòng)的仿真信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，然后通過(guò)ＡＲＭ 處理器將處理后的數(shù)據(jù)傳送到步進(jìn)電機(jī)，繼而實(shí)現(xiàn)對(duì)３Ｄ 圖像的精確旋轉(zhuǎn)，以滿足用戶對(duì)３Ｄ 圖像的需求，從而達(dá)到與用戶互動(dòng)的目的。

上轉(zhuǎn)臺(tái)是用來(lái)帶動(dòng)方向散射屏幕轉(zhuǎn)動(dòng)的，從而達(dá)到立體投影的效果，而下轉(zhuǎn)臺(tái)則是用來(lái)驅(qū)動(dòng)整個(gè)設(shè)備，通過(guò)藍(lán)牙、局域網(wǎng)等方式采集控制信號(hào)，然后把控制信號(hào)傳送到步進(jìn)電機(jī)。在展覽、會(huì)議等場(chǎng)合，通過(guò)遠(yuǎn)程控制設(shè)備，實(shí)現(xiàn)３６０°全方位的展示［４］ 。

３．２ 圖像畸變矯正算法

３．２．１ 畸變矯正

基于計(jì)算機(jī)視覺(jué)的方法，可以充分發(fā)揮計(jì)算機(jī)圖像處理技術(shù)的優(yōu)點(diǎn)，使處理畸變圖像更加方便靈活。

采用投射裝置進(jìn)行垂直投影，但由于視場(chǎng)變化，垂軸的放大倍數(shù)會(huì)逐漸增大，從而導(dǎo)致像素點(diǎn)發(fā)生明顯的偏移。當(dāng)偏差距離超過(guò)規(guī)定范圍時(shí)，會(huì)產(chǎn)生失真的問(wèn)題，因此，必須采取相應(yīng)的圖像處理技術(shù)，以確保恢復(fù)后的圖像的保真度，避免因畸變嚴(yán)重而導(dǎo)致的失真。

目前，徑向畸變和切向畸變是主要的畸變類(lèi)型，切向畸變導(dǎo)致的畸變并不明顯，所以在處理畸變時(shí)應(yīng)把徑向畸變作為研究的重點(diǎn)，而軸向畸變有桶形和枕形畸變。

人們普遍認(rèn)為，造成圖像失真的原因是空間狀態(tài)的扭曲，即所謂的曲線失真。利用二次多項(xiàng)式矩陣來(lái)確定失真系數(shù)，當(dāng)有較大的失真時(shí)，這種方法不能采用。

然而，由于多項(xiàng)式的數(shù)目越來(lái)越多，在處理失真時(shí)所使用的矩陣的反演也就越大，因此使用程序設(shè)計(jì)技術(shù)來(lái)解決和處理這類(lèi)問(wèn)題將會(huì)很困難。利用ＢＰ 神經(jīng)網(wǎng)絡(luò)的方法校正圖像的失真，可以進(jìn)一步提高處理的準(zhǔn)確率，并與計(jì)算機(jī)視覺(jué)相結(jié)合，實(shí)現(xiàn)更深層次的校正。卷積神經(jīng)網(wǎng)絡(luò)具有較好的圖像失真處理能力，它類(lèi)似于生物神經(jīng)網(wǎng)絡(luò)，利用相似權(quán)重構(gòu)建了一個(gè)共享網(wǎng)絡(luò)，進(jìn)而利用網(wǎng)絡(luò)模型降低了圖像處理的難度，也減少了相應(yīng)的權(quán)重，具有更強(qiáng)的識(shí)別和概括能力。

３．２．２ 畸變圖像處理

ＣＮＮ 卷積神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的圖像處理能力，以及優(yōu)秀的稀疏連接性和權(quán)重分享性，同時(shí)具有較強(qiáng)的學(xué)習(xí)和訓(xùn)練能力。在處理變形圖像時(shí)，其具有良好的連接模式，只要一次輸入足夠多的圖像信息，便能有效提升ＡＩ 的圖像處理能力，且不需要重新抽取圖像信息，就能有效提升圖像處理效果。

通過(guò)權(quán)值分配，用戶能夠獲得較好的學(xué)習(xí)效果，降低了學(xué)習(xí)和訓(xùn)練的難度，便于對(duì)數(shù)據(jù)的容量進(jìn)行控制，并能更精準(zhǔn)地發(fā)現(xiàn)問(wèn)題。卷積神經(jīng)網(wǎng)絡(luò)算法采用卷積層和池化層，不會(huì)出現(xiàn)明顯的特征采樣，利用卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重來(lái)進(jìn)行深度學(xué)習(xí)，并利用卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重來(lái)減少訓(xùn)練參數(shù)，使其易于調(diào)節(jié)和控制，從而提高失真處理的普遍性［５］ 。

利用卷積神經(jīng)網(wǎng)絡(luò)的解析度來(lái)表示圖像數(shù)據(jù)，它和數(shù)字圖像的處理方法一致，但由于圖像會(huì)發(fā)生幾何變形，因此要進(jìn)行正確的判別和訓(xùn)練，只需要對(duì)變形的形狀進(jìn)行預(yù)測(cè)和分析，就可以得到正確的測(cè)量窗口，從而實(shí)現(xiàn)精確的切割。比如，一個(gè)數(shù)碼格式的影像分辨率僅為２２７×２２７，經(jīng)過(guò)相減運(yùn)算，其由２ 個(gè)全連接層和５個(gè)卷積層組成，然后將影像資料轉(zhuǎn)換成符合卷積神經(jīng)網(wǎng)絡(luò)運(yùn)算的條件，并將其設(shè)定成同樣的解析度。

３．３ 圖像處理技術(shù)程序的實(shí)現(xiàn)

相關(guān)人員可以利用Ｍａｔｌａｂ 軟件建立圖像的數(shù)學(xué)模型，并利用程序?qū)D像的畸變進(jìn)行分析和計(jì)算。在確定和處理圖像的過(guò)程中，為提升卷積神經(jīng)網(wǎng)絡(luò)的處理能力，以１ ０００ 個(gè)畸變和標(biāo)準(zhǔn)圖像作為ＡＩ 處理樣本。該系統(tǒng)采用了基于ＤｅｅｐＬｅａｒｎｉｎｇ 的計(jì)算機(jī)視覺(jué)算法，對(duì)畸變圖像進(jìn)行了處理和校正，在進(jìn)行校正時(shí)，首先要將圖像中的各個(gè)像素點(diǎn)進(jìn)行映射，然后根據(jù)不同的灰度差來(lái)確定灰度。它具有低通濾波器的特性，校正精度高，沒(méi)有灰度的缺陷。因此，利用二次線性內(nèi)插方法，可以分析和計(jì)算出４ 個(gè)失真點(diǎn)周?chē)模?個(gè)灰度值的畸變值。

在對(duì)圖像進(jìn)行幾何變形的情況下，利用計(jì)算機(jī)視覺(jué)方法構(gòu)建ＣＮＮ 模型，對(duì)卷積和下降取樣層數(shù)進(jìn)行適當(dāng)?shù)姆峙洌⒋_定下降的取樣幅度，并將其與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合。利用灰度差中的雙線性插值方法，可對(duì)畸變圖像的點(diǎn)位灰度進(jìn)行優(yōu)化，并對(duì)各畸變點(diǎn)進(jìn)行處理，使１ ０００ 張圖像中的畸變點(diǎn)全部被處理，從而獲得校正后的完整圖像。

為降低卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)算難度和縮短變形處理的時(shí)間，將變形校正圖像分為２ 個(gè)階段，第１ 階段采用ＣＮＮ 模型進(jìn)行校正，第２ 階段合理分配校正參數(shù)。在進(jìn)行參數(shù)修正時(shí)，首先要建立１ 張查詢表，并將它作為一種常用的形式，確保其有足夠的存儲(chǔ)空間。然后，將已錄入的圖像數(shù)據(jù)與相應(yīng)的灰度值相結(jié)合，將當(dāng)前的灰度值設(shè)定為設(shè)定值，從而能夠進(jìn)行數(shù)字圖像的處理和修正。通過(guò)這種方法，可以在初始化階段根據(jù)映射表建立數(shù)字圖像的ＣＭＭ 模型，并通過(guò)此模型對(duì)圖像的變形進(jìn)行處理，并實(shí)現(xiàn)檢索表的自動(dòng)生成［６］ 。

４ 結(jié)束語(yǔ)

利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行變形校正，并在此基礎(chǔ)上構(gòu)造一種新的自適應(yīng)算法，能有效提升計(jì)算機(jī)圖像處理的效果，在目前的計(jì)算機(jī)圖像處理方面有著較為廣闊的應(yīng)用前景，該方法在實(shí)際應(yīng)用中比多項(xiàng)模型和ＢＰ 神經(jīng)網(wǎng)絡(luò)的處理效果更理想，具有很好的穩(wěn)定性和推廣能力，有著較好的應(yīng)用前景。

參考文獻(xiàn)：

［１］ 王麗．計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用及其發(fā)展趨勢(shì)展望［Ｊ］．信息系統(tǒng)工程，２０２２（１２）：１０１?１０４．

［２］ 謝曉旦．計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)研究［Ｊ］．無(wú)線互聯(lián)科技，２０２２，１９（３）：１０３?１０４．

［３］ 付正廣．計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的應(yīng)用研究［Ｊ］．黑龍江科學(xué)，２０２１，１２（２４）：１１０?１１２．

［４］ 葉一帆．基于計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)研究［Ｊ］．長(zhǎng)江信息通信，２０２１，３４（１０）：７３?７５．

［５］ 楊璐．基于計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)研究［Ｊ］．信息記錄材料，２０２１，２２（９）：１３４?１３５．

［６］ 賀銀平．計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)的探究［Ｊ］．電子世界，２０２１（４）：９６?９７．

作者簡(jiǎn)介：李淵（１９９６—），碩士，助教，研究方向：機(jī)器學(xué)習(xí)、圖像處理。