計算機圖像處理的應用與發展探究

李 娟

（南京商業學校 江蘇 南京 210000）

1 引言

伴隨計算機技術的飛速發展，計算機圖像處理技術隨之涌現，其可以幫助各行各業收集各類圖像與數據并分析處理，20世紀后期經歷了爆發式發展，諸多軟件為處理圖像技術提供服務，并逐漸成熟。計算機圖像處理技術屬于按照相關程序來提取圖像、修復圖像、分割圖像、壓縮圖像等相關操作，還能對其實施色彩處理，促進操作人員的應用目標得以實現。此類技術已經涉及航天航空、軍事、工業、農業等領域[1]。

2 處理計算機圖像的技術

2.1 圖像的識別技術

分析圖像與處理是在使用圖像識別技術的基礎下，對圖像進行有效分類和識別。在人工智能的研究方向中，通常只具備識別圖像的功能，對數據對象根據相應特點來分組對象的一種聚類方式與降維找出數據之間存在的共性，促進數據集變量的有效減少。歸類并識別圖像目標，經常使用卷積累神經網、K-means等相關計算方法。

2.2 圖像的割離技術

圖像的割離技術可在圖像識別目標、圖像處置、圖像分析等眾多行業中尤為關鍵，按照圖像的不同區域特點實施分析，供應定量與定性研究結果。對于識別圖像目標以及分類圖像目標中，分割圖像技術發揮著不可忽略的作用。

2.3 增強圖像技術

增強圖像技術指的是對原先畫質較差的圖像、比較不明確背景和目標對象等相關問題圖像的處理，采用直方圖像增強方法以及色彩增強方法中所需的信息和重要信息，保證分解目標對象的工作與分類目標區域工作得以正常開展。

2.4 壓縮圖像與編碼技術

為促進儲存空間中圖像占用的比例減少，合理控制數據的存儲量，利用神經網絡、小波變換等編碼技術與壓縮圖像技術，將其中并無作用的數據和冗余數據刪掉，提高圖像的使用效果[2]。

2.5 圖像的修護技術

圖像處于外界不利因素的影響下，需要對應急技術合理選用科學處理，一般應該使用同態濾波方式和維納濾波兩種操作技術，提升圖像的質量，保證圖像受噪聲和模糊的影響去除。

3 計算機圖像處理技術具體應用

3.1 計算機圖像處理技術用于農業領域

農業領域通過對計算機圖像處理技術的合理運用，體現在以下幾點：在進行農作物種子的選取時，農作物的根本源于種子，需要對種子質量進行檢測，保證農作物成活率以及后續管理效果提升，從而為農作物實現優質生產提供保障。圖像處理技術用于農作物的種植階段，可在生產中對播種操作的時效性進行檢測，規避員工播種消耗諸多時間和精力；利用農作物采摘設施，將處理圖像的技術默認成紅色程序，所有水果都需利用采摘設施收獲以及識別水果的質量級別等，這樣既省時又省力，從而創造更大的經濟收益。利用計算機處理圖像技術，對水果中有無病發蟲害狀況進行明確識別，促進人工識別蟲害操作時間與成本的最大化減少。

3.2 醫學領域運用計算機圖像處理技術

醫院領域中的圖像可視技術中運用計算機圖像處理技術，可以通過人體不可視器官三維模型的構建，幫助臨床醫師進行明確診斷。在治療惡性腫瘤的過程中，其可以幫助臨床醫生來提前制定手術方案，以此對病變的形狀及其空間位置進行合理掌握，針對惡性腫瘤患者采用放射治療流程中，防止腫瘤周邊關鍵組織暴露在射線的照射下，避免正常組織受損。利用數據連接部位合理連接互聯網與臨床上的醫學圖像，以此來保證醫學圖像實現遠程傳播，滿足異地就診的相關要求，從而提升醫學圖像信息化管控效率。

3.3 交通領域運用計算機圖像處理技術

因我國智能化交通系統處于剛起步階段，在基礎相關工作的初始研究過程中，主要涉及道路交通管理優化、交通信息采集、車輛動態化識別等。近年來，國家交通系統發展正處于智能化發展。

通過安裝紅綠燈監控和道路違規車輛的拍攝，積極識別道路上的交通違法事件，以此對司機行為加強約束、降低意外事故的發生率，從而保證道路同行效率的全面提升，保證道路上駕駛的安全性。國內與國外相關學者對此實施了深層分析獲取令人滿意的效果。將運動目標的檢測視為違規車輛系統的檢測重點，根據道路上車輛的行駛規律對車輛背景進行分離，根據目標的運行情況對其實施判斷，比如說違法車輛臨時掉頭、闖紅燈等。割離圖像成為兩個區域：一個是含有運動的目標，另一個是未含有運動的目標。利用對目標對象屬性的調節，比如說識別圖像明晰程度、光亮度、底色等運動前景。根據車輛陰影和引擎蓋，以地區背景及簡短的標準對目標對象進行識別與定位，從而框選合適的對象，通過割離圖像特點獲取目標對象的長和寬及二維坐標。我國相關學者提出，一類鑒于CVI車輛違規行駛的檢查系統，通過對感線圈檢查方法的使用可以深層檢查車輛是否出現違規行駛情況，利用某硬件傳感設備對檢測出來的車輛違規信號進行收集時，需對本車輛有無違規行為進行判斷，在某種程度上，有利于促進人員檢測壓力的有效減輕。

國內外一些學者在研究智能化交通違規的計算方法上獲得了理想的成效，比如說通過檢查邊界和融合雙極性車道邊界的計算方式，對車道線當中的車輛遮擋線所產生的影響合理提取。有關識別駕駛人有無佩戴安全帶方面，需使用邊緣化檢測圖像投影技術，對直方圖車輛和駕駛人情況進行明確識別與定位，利用直線的濾波模型濾波駕駛人邊緣檢測圖，并分析Hough的變換檢測直線圖。另外，可利用膚色似然度來提取皮膚特點，通過BP人工神經網識別，從而對駕駛人在駕車時打電話情況進行檢測。

智能化交通系統用于電子收費及公共交通系統當中，收集、分割、提取圖像信息可對車牌和車輛信息進行明確的識別。

3.4 道路施工領域運用計算機圖像處理技術

如果在路橋施工裂縫中運用計算機圖像處理技術，恰好可以代替傳統人工檢測方式，如此既能保證檢測效果提升，還能讓交通所受干擾降低。瀝青路面之下產生隱蔽的裂縫作為路面受損的關鍵因素，以往路面病害具體是因車輛載重超限引發的裂縫等問題，減少行車的舒適性和安全性。傳統人員檢查方式的效果不高且誤差較大。當下我國在相關領域的研究很多，具體牽涉K-means、YOLO計算方法、卷積神經網等深層學習模型，在復雜的裂縫圖形狀況下，及時有幸分析與識別圖像裂縫。

伴隨人工智能技術發展速度的越來越快，路面病害的識別技術中正在廣泛使用機器學習方法。以往機器學習的不足之處在于人員提取圖像的特點，難以對路面圖片端至端進行智能化識別。為了處理這一問題，需使用卷積神經網，自動開展特點學習。近幾年，深層學習法開始在道路施工領域中逐漸引進并獲得很高的成效。鑒于卷積神經網提出裂縫的識別網絡，以像素級來檢查三維瀝青的路面有無發生裂縫，并利用3個模型有效識別路面有無病害問題，對路面裂縫特點及路基表層坑槽特征有效提取，保證其計算精準性提升。

3.5 計算機圖像處理技術用于化工行業

目前，我國研究化工行業的熱點課題即為增強碳纖維水泥基的復合型材料，并不斷改變建筑企業和路面項目中重點施工材料。CFRC存在著諸多功能特征，其中涵蓋路面上浮冰得以去除的電加熱、建筑物屏蔽電磁波、建筑物健康情況的檢查方法等。

當前SEM圖像中在分析CF評估分布中正在普及運用K值聚類、人工神經網、支持向量機等諸多方法。雖說這些方法效果較理想，但在明確性與效果方面存在局限，相較傳統方式來看，在割離圖像和識別標準中，采用卷積神經網才實現成功。通過對CNN技術的運用進行割離圖像，并進行多尺度特征的編制，CNN技術在對汽車圖像和相關視頻的提取中具有科學性能。國內外相關學者在對瀝青路面和水泥砂漿裂縫問題的提取流程，正廣泛運用CNN模型，其處于現實復雜的環境之中擁有對背景的處理能力。此類模型可以對諸多環境下提取一些目標對象。在處理圖片流程中，此類模型擁有在不同尺度下研究SEM圖像的水平，其在SEM圖像中可以指定識別CF族，并對圖像中的CF族進行有效處理[3]。

4 計算機圖像處理技術發展趨勢

鑒于整體角度而言，計算機處理圖像技術是在計算機發展前提下發展而來，因此在科技與計算機飛速發展的如今，處理圖像技術才可以實現先進發展，并在各個行業中推廣應用。但隨著社會逐漸進步中，人們對于生活方面的要求隨之上升，為了滿足社會逐漸發展的要求，計算機處理圖像技術不能滯留于某一層面，需逐漸前進與成長。因此，相關研究者只有通過逐漸提升本身專業技能與知識面，跟隨時代發展的步伐，才能實現對先進處理圖像技術的追蹤，從而保障人們生活水平的全面提升。計算機圖像處理技術未來的發展趨勢可以概述為以下幾點：（1）更清晰。不管是科技發展趨勢，還是人們發展要求，清晰度較高自然會在人們視野中呈現，還會提升至計算機處理圖像技術的主要突破，因此在實踐研究中，業內可以試著深入探究清晰度較高的計算機圖像處理技術。（2）更便捷。隨著人們生活節奏的加快，讓人們對各類生產速度需求及便捷性提高了要求，而且此類要求被譽為權衡科技好壞的金標準，所以研究未來處理圖像技術的過程中，需重視研發這一方面，以人們現實需求當作研究的著手點。（3）理論及算法的快速更新。因計算機處理圖像技術具有很大的使用范圍，所以業內需強化提高技術理論以及算法的更新速度，方便將紕漏問題合理調試，避免其他問題的發生[4]。

5 結語

綜上所述，現如今，計算機圖像處理技術在諸多領域中廣泛運用，如農業領域、化工領域、交通領域、建筑領域以及交通領域等，隨著5G時代在人們現實生活與工作中的逐漸融入，在相關領域中其發揮著不可替代性作用，所以，計算機圖像處理技術在社會經濟發展與工業發展中應用意義重大。