五种计算机数字图像处理技术效果对比

2017-12-29李敏甘肃省财政学校

数码世界 2017年4期

关键词：数字图像直方图图像处理

李敏甘肃省财政学校

五种计算机数字图像处理技术效果对比

李敏甘肃省财政学校

对当下常用的计算机数字图像技术中的直方图处理、图像分割、灰度变换、图像平滑、图像边缘提取这5种进行理论分析，试研究了其常见技术类型，还从其现实中的用途、处理效果等进行分析。

图像处理计算机数字图像技术处理效果

科技发展日新月异，计算机发展更是飞速，近些年来，人工智能技术愈发成熟并得到广泛应用，这使得人们对计算机技术也有了更为深刻的理解，其中，计算机数字图像技术是一大关键技术。本文选择了其中5种进行理论分析、处理效果分析与用途研究等。

所谓数字图像处理，是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理中，一般输入的是质量低的图像，而输出的是改善质量后的图像，这提高了人们日常工作生产的效率与精确度。

图像分为数字图像和模拟图像，数字图像是二维图像用有限数字数值像素的表示，由数组或矩阵表示，其光照位置和强度都是离散的，模拟图像则是连续的，二者可以采用某些方法进行互相转换。

数字图像处理主要是处理空间离散、幅值量化分层的数字图像。对于等待处理的数字图像，要经历几下几个步骤。首先要选择可以用于分析的图片，其次要对数字图像进行分析处理，接着根据分析处理结果提取特征参数，最后根据建立数据样品库等方法得到图像识别结果。在整个过程中，最重要的就是图像分析与处理技术，这个方法有很多，如图像编码压缩、图像变换、图像描述、图像分割、图像识别、直方图处理、灰度变换、图像平滑、图像边缘提取等，本文选择其中5种来研究分析。

1 5种常见数字图像处理技术的分析

1.1 灰度变换

一般来讲，数字图像设备获取的都是RGB图像，这种图像所包含的图像信息量非常大，并不适合用以图像处理，所以，我们通常要将这种图像转换为灰度图像，这就是灰度变换。以浓淡表示，各个像素与某一灰度值相对应，设原图图像的灰度值为D=f(x,y)，处理后为D’=g(x,y),则灰度变换可表示为g(x,y)=T[f(x,y)]或D’=T(D)。根据转换函数T不同，得到的灰度图像也不同。

由于成像设备与当时光线不同，若图像亮度较差，清晰度也会较差，这时我们可以压缩图像的灰度范围来增强对比度。

1.2 直方图处理

直方图反映了图像的像素的灰度分布，就是图像中的灰度级与出现出现这种灰度级的像素的概率之间关系的图形。灰度直方图是处理图像的基础。图像的离散函数比上像素总和即为灰度直方图函数。

直方图均衡化就是把一已知灰度概率分布的图像经过一种变换，使之演变成一副具有均匀灰度概率分布的新图像。直方图均衡化算法分为三个步骤，第一步是统计直方图每个灰度级出现的次数，第二步是累计归一化的直方图，第三步是计算新的像素值。

1.3 图像平滑

图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法，目的是使图像亮度平缓渐变，减小突变梯度，改善图像质量。目前常用的滤波器有中值滤波器和高斯滤波器。

中值滤波就是把数字图像或序列中的一点用其邻域各点的中值代替。这样可以有效地提高图像质量。中值滤波在图像处理中，常用于用来保护边缘信息，是经典的平滑噪声的方法。

高斯滤波实质上是一种信号的滤波器，其用途是信号的平滑处理。常用的零均值离散高斯滤波器函数：g(x)=exp(-x^2/(2 sigma^2)。改变分布函数可以改变高斯滤波曲线的形状。

1.4 图像分割

图像分割是将图像中有意义或有用的特征提取出来，或者说，将图像分成各具有特点的区域并提取出感兴趣目标的技术和过程。图像分割是由图像处理到图像分析的关键步骤。

目前广泛使用的是阈值化技术，这就是将选取的灰度阈值与图像中的点进行对比，将其大于阈值的分为一类，其他分为另一类，以此来进行图像分割。阈值可以写成如下方程式：

T=T[x,y,f(x,y),p(x,y)]

1.5 图像边缘提取

图像边缘提取在数字图像分析处理中非常重要。理想的边缘检测应当正确解决边缘的有无、真假、定向定位。边缘有重要的不变性质，光线的变化影响区域的外观，但不改变边缘。

在平时的检测中，检测到的边界一般都是不连续的、有噪声的，这是因为有噪声和成像误差，所以，要采用特殊的方法来进行转化。其中，Sobel边缘检测法产生的边缘效果很好，运算起来简单方便，但图像边缘较粗，容易造成数据丢失或是影响后续处理。而Prewit、canny、log这三种相比sobel要复杂，但结果图像边缘比较好，后续处理也更加方便不易差错，同时很少造成数据丢失，不过算法较为复杂，计算量也相对较大。