計(jì)算機(jī)圖像處理的應(yīng)用與發(fā)展探究

金雪

摘要：信息時(shí)代各種新興技術(shù)得到空前發(fā)展，計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)進(jìn)入高速發(fā)展階段，智能化圖像處理技術(shù)被廣泛應(yīng)用到人類生活中。隨著計(jì)算機(jī)圖像處理技術(shù)應(yīng)用領(lǐng)域不斷拓展，人類對(duì)該技術(shù)的應(yīng)用也逐漸成熟。本文通過簡(jiǎn)要分析計(jì)算機(jī)圖像概念和分類，為研究圖像技術(shù)在不同領(lǐng)域應(yīng)用提供依據(jù)，并深入探討圖像處理技術(shù)在各方面的應(yīng)用，希望能夠提高計(jì)算機(jī)圖像處理技術(shù)應(yīng)用效率。

關(guān)鍵詞：計(jì)算機(jī);圖像處理;應(yīng)用;發(fā)展

中圖分類號(hào)：TP311? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）25-0137-02

信息化時(shí)代，計(jì)算機(jī)技術(shù)給人類生活帶來(lái)極大便利，社會(huì)生產(chǎn)和日常生活都離不開計(jì)算機(jī)技術(shù)。計(jì)算機(jī)憑借高速計(jì)算速度和優(yōu)異穩(wěn)定性完成人力不可能完成的工作，大大提高工作效率。圖像處理技術(shù)能夠?qū)崿F(xiàn)數(shù)據(jù)圖像處理簡(jiǎn)單化、同時(shí)處理多個(gè)圖像的特點(diǎn)，具有很高的應(yīng)用價(jià)值，能夠極大提高圖像處理效率。

1 計(jì)算機(jī)圖像處理技術(shù)概述

1.1 概念

計(jì)算機(jī)圖像處理技術(shù)指的是借助計(jì)算機(jī)技術(shù)或計(jì)算機(jī)平臺(tái)系統(tǒng)對(duì)圖像進(jìn)行處理分析，能夠進(jìn)一步提取出處理圖像包含的信息[1]。目前，該技術(shù)已經(jīng)滲透到社會(huì)各個(gè)領(lǐng)域，通過利用優(yōu)秀的計(jì)算能力完成二維、三維圖像設(shè)計(jì)和存儲(chǔ)，能夠增強(qiáng)圖像展示完美性。計(jì)算機(jī)圖像處理技術(shù)能夠產(chǎn)生兩種效果圖，分別是數(shù)字化圖像和模擬圖像[2]。其中，數(shù)字化圖像具有較高精確度，且具有處理方式簡(jiǎn)單的特點(diǎn);模擬圖像具有輸出簡(jiǎn)單的特點(diǎn)，但具有較大局限性。計(jì)算機(jī)圖像處理技術(shù)的主要工作內(nèi)容：運(yùn)用光學(xué)對(duì)圖片進(jìn)行預(yù)處理，然后再進(jìn)行數(shù)字化處理，通過幾何變換、數(shù)字建模、明暗處理等方式增強(qiáng)圖像識(shí)別性和清晰度。目前的計(jì)算機(jī)圖像處理技術(shù)已經(jīng)趨向于成熟，可以應(yīng)用到各領(lǐng)域的科研、開發(fā)、生產(chǎn)過程中。

1.2 計(jì)算機(jī)圖像處理技術(shù)分類

第一，圖像去噪技術(shù)。顧名思義是去掉圖像的噪聲干擾，是圖像復(fù)原技術(shù)的重要組成部分。在圖像采集過程中，由于系統(tǒng)硬件等物理因素干擾，會(huì)導(dǎo)致圖像采集過程中出現(xiàn)噪音，去噪技術(shù)是通過同態(tài)濾波操作和維納濾波操作提升已退化的圖像質(zhì)量，進(jìn)而達(dá)到去噪效果。

第二，圖像增強(qiáng)技術(shù)。該技術(shù)能夠幫助工作人員有效提取圖像關(guān)鍵信息，削弱無(wú)關(guān)無(wú)用信息，主要針對(duì)原有圖像畫質(zhì)差、目標(biāo)對(duì)象與背景較為模糊的圖像，能夠提升圖像對(duì)比度，提高圖像畫質(zhì)清晰度和色彩明艷度。主要通過直方圖增強(qiáng)法、偽色彩增強(qiáng)法等來(lái)增強(qiáng)圖像的需求信息和必要信息，在不修改圖像信息的基礎(chǔ)上凸顯圖像的有用信息和數(shù)據(jù)，順利完成目標(biāo)對(duì)象和目標(biāo)區(qū)域分類。

第三，圖像壓縮技術(shù)。該技術(shù)能夠有效提取采集的圖像信息和減少圖片占用存儲(chǔ)空間，有效刪除無(wú)用信息和冗余信息[3]。例如，電視圖像會(huì)產(chǎn)生較大圖像數(shù)據(jù)率，通過采用圖像壓縮技術(shù)傳播圖像，能夠避免傳輸過程中損傷圖像，從而提高圖像對(duì)比度和清晰度，進(jìn)而提高圖像應(yīng)用效果。

第四，圖像識(shí)別技術(shù)。該技術(shù)指的是對(duì)圖像進(jìn)行準(zhǔn)確識(shí)別和分類，主要應(yīng)用于人工智能方面。通過應(yīng)用該技術(shù)，能夠?qū)?shù)據(jù)對(duì)象按照一定特征進(jìn)行分組，并可以記住降維、聚類等方法找到數(shù)據(jù)共同點(diǎn)，提高對(duì)象分組效率。常見的圖像識(shí)別算法有卷積神經(jīng)網(wǎng)、K-means、YOLO算法等。

2 計(jì)算機(jī)圖像處理技術(shù)的發(fā)展歷程

20世紀(jì)20年代，海底電纜的Bartlane電纜圖片傳輸系統(tǒng)大大提高了圖片傳輸效率，在3小時(shí)內(nèi)完成傳輸一幅圖片任務(wù)，是人類首次采用計(jì)算機(jī)技術(shù)進(jìn)行圖片處理。到了50年代，美國(guó)科研人員研發(fā)出一種多種設(shè)備配合的圖像處理裝置，主要設(shè)備有電子管計(jì)算機(jī)、平板式、滾筒式繪圖設(shè)備，開始開啟計(jì)算機(jī)圖像處理技術(shù)之旅。60-70年代，計(jì)算機(jī)圖像處理技術(shù)搭上計(jì)算機(jī)技術(shù)發(fā)展快車道，這時(shí)的計(jì)算機(jī)圖像處理技術(shù)已經(jīng)實(shí)現(xiàn)信息提取、圖片壓縮、圖片傳輸?shù)裙δ?，?yīng)用領(lǐng)域涉及醫(yī)學(xué)研究、通訊、辦公自動(dòng)化、衛(wèi)星遙感等方面。

3 現(xiàn)代計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用發(fā)展

3.1 農(nóng)業(yè)方面應(yīng)用

計(jì)算機(jī)圖像處理技術(shù)在農(nóng)業(yè)方面的應(yīng)用主要表現(xiàn)在農(nóng)作物選種、種植、采摘、加工等環(huán)節(jié)。第一，選種方面。主要通過該技術(shù)進(jìn)行種子質(zhì)量檢驗(yàn)，種子的質(zhì)量將直接關(guān)系到農(nóng)作物發(fā)芽率和發(fā)育情況，進(jìn)行種子成活率檢測(cè)，能夠?yàn)楹笃谵r(nóng)作物生產(chǎn)管理提供數(shù)據(jù)依據(jù)。第二，農(nóng)作物種植。通過利用圖像處理技術(shù)，能夠?qū)崿F(xiàn)自動(dòng)化播種，有效節(jié)省人工成本和時(shí)間成本。第三，農(nóng)作物采摘。隨著自動(dòng)化技術(shù)不斷發(fā)展，不少農(nóng)民也具備自動(dòng)化生產(chǎn)意識(shí)，通過借助采摘機(jī)器人進(jìn)行農(nóng)產(chǎn)品采摘工作，能夠很大程度上減輕人工操作壓力。

3.2 工業(yè)方面應(yīng)用

工業(yè)發(fā)展與計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)有不可分割的聯(lián)系，計(jì)算機(jī)工業(yè)革命是工業(yè)科技第三次革命。隨著工業(yè)實(shí)現(xiàn)自動(dòng)化生產(chǎn)，自動(dòng)化發(fā)展成為工業(yè)生產(chǎn)發(fā)展的必然趨勢(shì)，最具代表性的就是影視文化印刷行業(yè)和零部件生產(chǎn)。通過運(yùn)用圖像處理技術(shù)進(jìn)行產(chǎn)品印刷和產(chǎn)品質(zhì)量檢測(cè)，能夠從細(xì)節(jié)上把控印刷品質(zhì)量，提高印刷品出版質(zhì)量。在零部件生產(chǎn)方面，通過將零部件結(jié)構(gòu)和規(guī)格信息傳入計(jì)算機(jī)操作系統(tǒng)中，能夠通過圖像處理技術(shù)有效掌握產(chǎn)品的特點(diǎn)和優(yōu)勢(shì)，進(jìn)而提高數(shù)據(jù)信息的精確度。

3.3 化學(xué)工業(yè)方面應(yīng)用

主要針對(duì)各種復(fù)合材料進(jìn)行研究，例如碳纖維增強(qiáng)水泥基復(fù)合材料，該材料被廣泛應(yīng)用到建筑工程施工。例如，碳纖維混凝土（carbon fiber reinforced concrete，CFRC），可以用于路面除冰、電磁屏蔽及建筑物健康監(jiān)測(cè)等方面。例如，通過運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）能夠加強(qiáng)圖像分割和目標(biāo)識(shí)別效果。目前，CNN已經(jīng)成為化學(xué)工業(yè)方面的主要圖像處理技術(shù)，利用CNN進(jìn)行圖像分割和多尺度特征編碼，能夠提取圖像和視頻中行人、汽車等性能。將其應(yīng)用到瀝青路面和水泥砂漿裂縫提取中，可以對(duì)現(xiàn)實(shí)復(fù)雜環(huán)境進(jìn)行提取和分析，進(jìn)而為碳纖維混凝土在建筑物健康監(jiān)測(cè)、路面除冰加熱等方面應(yīng)用提供數(shù)據(jù)依據(jù)。在實(shí)際分析中，CNN具有分析不同尺度下SEM圖像的能力，能夠識(shí)別定位CF簇和分割CF簇，也就是說(shuō)可以通過電鏡掃描對(duì)圖像中的CFRC進(jìn)行定量表征碳纖維分布，并結(jié)合不同碳纖維SEM圖像數(shù)據(jù)庫(kù)進(jìn)行編碼、解碼，從而了解碳纖維的分布與碳纖維混凝土屬性之間的關(guān)系。圖像處理技術(shù)在化學(xué)工業(yè)的應(yīng)用主要依賴于計(jì)算方法的自動(dòng)化、魯棒性特征，從而有效提高圖像識(shí)別處理能力。