計算機圖像分析算法研究

侯玲

【摘 要】伴隨信息技術的不斷發展，如今人們對計算機圖像處理技術越來越關注。計算機圖像處理技術是一種綜合圖像處理技術，基于對圖像處理算法的運用能夠顯著改善圖像的清晰度。文章通過闡述計算機圖像處理的內涵特征，分析對計算機圖像分析算法開展研究的意義。對計算機圖像分析算法展開探討，旨在為研究如何促進計算機數字化技術的健康穩定發展提供借鑒。

【關鍵詞】計算機;圖像處理;關鍵算法

【中圖分類號】TP391.41 【文獻標識碼】A 【文章編號】1674-0688（2019）02-0111-02

0 引言

現如今，計算機在生活、生產中的應用變得越來越多樣，諸如信息采集、數據分析、圖像處理等，以其中十分常見的計算機圖像處理為例，在眾多的研究與實踐中，不管是圖像處理相關技術，還是圖像處理算法，均呈現出多樣化的發展趨勢。現代社會中，人們溝通處理事物的方式變得多樣豐富，圖像處理技術的誕生使人們可更深入地感受生活，而圖像要想更好地呈現于人們眼前，相關技術人員必須對圖像進行有效的處理，然而現階段針對圖像處理的技術并不成熟，還有待進一步完善。由此可見，對計算機圖像分析算法進行探討研究，具有十分重要的現實意義。

1 計算機圖像處理概述

作為計算機應用技術與現代信息技術融合發展的產物，計算機圖像處理技術如今在諸多行業領域得到廣泛推廣。依托計算機圖像處理技術，以實現對圖像的處理，這實際上即為一個計算機二維矩陣生成的過程。一般而言，計算機二維矩陣生成過程，可劃分為掃描、采樣及量化3個流程。首先，在掃描過程中，應當處理好計算機開展圖像掃描的順序，即要與預先決定滿意的圖像掃面順序保持相同;然后，在二維矩陣生成采樣過程中，應當開展好圖像像素區域灰度值測量工作，由于像素是掃描過程中最小尋址單位，一般而言，在計算機圖像處理中往往可通過光電傳感器得以實現。值得一提的是，在計算機圖像處理過程中，開展采樣工作旨在實現對圖像灰度值的采集，進而轉入量化環節將采樣獲取的灰度值轉化為離散整數值。綜上，可將計算機圖像處理界定為依托矩形掃描網絡對圖像予以掃描處理，進一步獲取一個二維整數矩陣，該二維矩陣與上述掃描的圖像相互間有著相對應的關系，因而，計算機圖像換而言之即為對圖像開展數字化處理后得到的二維整數矩陣。計算機圖像處理流程如圖1所示。

2 對計算機圖像分析算法開展研究的意義

圖像處理數字化技術的應用涵蓋了各類技術，如圖像增強、圖像弱化等常用技術，通過對計算機圖像分析算法開展探討研究，可為圖像處理效果提供有利保障，并切實提高圖像的清晰度、分辨率。另外，對計算機圖像分析算法開展探討研究，可有效找出數字化技術在實踐應用中存在的種種不足，進而推動計算機圖像處理技術的有效革新，促進計算機數字化技術的健康穩定發展。

3 計算機圖像分析算法

伴隨現代信息技術的迅猛發展，計算機圖像處理相關技術人員必須緊緊跟隨時代前進腳步，不斷開拓創新，加強對國內化先進技術的學習引入，切實加強對各式各樣計算機圖像分析算法的科學合理應用。如何進一步促進計算機數字化技術的健康穩定發展，可以從下述幾方面著手。

3.1 圖像增強法

圖像增強法在圖像處理中的應用，是為了使圖像處理核心部分得到有效凸顯，使圖像不論是清晰度還是分辨率均超出整體圖像的突出效果。現如今，技術人員往往會采用降低圖片灰色度或提高圖片色彩度等處理手段，以提升圖片整體成像效果。例如，在對某風景圖像處理時，為了進一步突出近景圖像，需要對圖片局部噪音分辨率進行針對性的處理。進而對圖片突出部分進行圖像處理，一般會對圖像進行灰色度調整，以提高圖像整體立體性及清晰度。另外，通過對圖像增強法的應用，還可經由對圖像色彩度進行科學處理，以改善圖像的視覺效果。如需要對圖像色彩度進行控制，一般是將色彩亮度上調1%～5%，色彩搭配調整則控制在10%～20%。需要注意的是，圖片色彩度提升應當與圖片分辨率相互間保持正相關關系，從而防止圖像被色彩調整影響效果，導致圖像出現模糊。

3.2 圖像邊緣化

圖像邊緣化是計算機圖像處理的常規方式之一。進行圖像邊緣化處理可以顯著強化圖像視覺效果的柔和度。應用現代圖像處理技術進行處理，如基于Robert邊緣處理技術對圖像進行邊緣化處理。Robert邊緣處理技術可以對圖像對角線方向臨近像素差別進行檢測，完成邊緣處理，以強化圖片視覺效果。在實際應用過程中，圖像邊緣化處理技術受圖像鄰近分辨值相互作用的影響，因此圖像處理結構與圖像視覺效果為對角階梯式呈現效果。在完成圖像邊緣化處理后，能夠顯著強化圖像立體性效果，使得圖像達到理想的柔和度、清晰度。另外，圖像邊緣化算法運行中，還涉及圖像邊緣化處理的色彩分辨率角度。通常，圖像邊緣化成像的角度是由0°向90°轉變的，或圖像色彩分布呈階梯色彩分辨度轉化，即呈現出45°、90°、135°的視覺效果。色彩分辨度的轉變與圖像主成像效果實現集中化，進而完成對圖像邊緣化處理效果的顯著變化。

3.3 閥值計算法

圖像處理的主要目的是讓圖像可與人眼視覺特性相符，給人帶來舒適感;同時為計算機處理提供有效便利，而計算機處理終究同樣是為了達到與人眼視覺感相符的目的。閥值計算法包括有多種不同的方法，但大部分僅僅是提供了理論層面的算法，尚未闡明實際的閥值計算方法，不過檢測閥值threshold用式在算法中提出了實際的應用方法，依托全面系統的分析，結合算法及圖像效果的相關數據找出它們的規律，從而得出這一閥值計算法經由分析人眼對色彩觀察的生理特征，得出在人類視覺對色彩的分辨率高圖像部分，因為人們普遍可快速找出色彩相互間存在的差異，所以它們對應的閥值可小一些，相比較而言，在視覺分辨率低的圖像部分，它們對應的閥值則應當要更大。因而，檢測閥值threshold用式算法可有效幫助計算機結合人眼視覺特性以對圖像展開分析，進一步收獲良好的處理效果。

3.4 Bayesian-MCMC算法

Bayesian-MCMC算法應用的步驟主要如下：選取某一時刻，建立馬爾卡夫鏈，對轉移核予以核定，并確定與轉移核相關的平穩分布狀況，選取馬爾卡夫鏈中某一時刻用以出發點，再結合上述馬爾卡夫鏈，實現對序列的建立，接著開展預算，于此期間需要對之前獲取的預算迭代值予以去除。應用Bayesian-MCMC算法對計算機圖像開展處理時，應當重視對計算機圖像分辨率的處理，并依托圖像形狀特征提取得以實現。Bayesian-MCMC算法在計算機圖像分辨率處理中的應用，首先是對貝葉斯形狀特征進行提取。在計算機圖像中包含的形狀特征，可有效反映圖像對應區域及物體的特征，與此同時可結合相關高層視覺特征，諸如目標、對象等開展有效描述，在圖像語義獲取過程中，不管是目標還是對象均可發揮十分重要的作用。圖像現狀特征提取，即為對形狀的表達、描述，其實現的重要前提為形狀分割。依托直接分割，可獲取對應的形狀區域或形狀邊界，通過對其中的像素數據予以分析，便可獲取需求的形狀特征。依托Bayesian-MCMC算法對圖像像素予以處理，并對獲取的結果開展處理分析，可得出在計算機圖像處理中，Bayesian-MCMC算法迭代次數十分低，再引入簡單的跳轉核，便可保證最終處理效果的統一性。

4 結語

總而言之，隨著圖像應用領域的不斷擴大，近年來計算機圖像處理技術實現了長足發展，并在發展的同時逐步轉變成圖像理解及計算機視覺領域中十分重要的一項技術，可顯著提高傳統圖像處理算法的效果及運算效率。因而，計算機圖像處理相關技術人員必須革新思想觀念，提高對計算機圖像處理內涵特征及其重要性的有效認識，不斷推進對各式各樣計算機圖像分析算法的優化創新及科學合理應用，積極促進計算機數字化技術的健康穩定發展。

參 考 文 獻

[1]孫珊珊.計算機圖像分析算法的探究——基于條形碼的圖像識別算法的研究[J].中小企業管理與科技（上旬刊），2013（9）：275-276.

[2]顧玉蓉.基于計算機圖像處理中的Bayesian-MCMC算法[J].數字技術與應用，2016（3）：147.

[3]項立.Bayesian-MCMC算法在計算機圖像處理中的應用[J].河南科技，2014（6）：13-14.

[4]守禹青.圖像處理中幾個關鍵算法的分析[J].中國新通信，2017，19（8）：156.

[5]趙健.Bayesian-MCMC算法在計算機圖像處理中的實踐[J].電子測試，2018（6）：65-66.

[責任編輯：鐘聲賢]