计算机视觉技术的图像识别与复原研究

马新庆

（济宁职业技术学院 山东省临沂市 272000）

在当前人类社会的快速发展中，一般是利用身体不同感觉器官来接收不同信息，由此能够对世界带来感知，其中，约有80%的信息是利用视觉系统来收集的，通过人眼捕捉到的图像通过大脑整合、处理之后能够给予反馈。在信息时代的发展背景下，如何高效地整合所需要的资讯，促使其对人们的思维观念带来影响，那么利用图像技术是一个比较理想的方式。不过对图像处理技术蕴藏的价值需要进行判断，一般来说，通过计算机给予图像处理能够让我们更高效、精准地捕捉所需要的资讯。令人开心的是，在计算机技术持续发展的背景下，图像处理技术得到全面升级与变革，使人们的日常生活进入一个全新的时代背景下中，我国在计算机图像处理技术方面的应用还存在一定的短板，必须要投入更多的时间与精力方可迎合时代的发展要求。接下来，笔者对计算机图像处理技术展开深入性分析。

1 图像识别

对于电子设备来说，在识别图像过程中，其作用原理和生物视觉读取原理是相似的，整个操作过程也是相似的。一般包括几个步骤：一是利用传感器将外界信息整合起来；二是传感器利用变送器将整合的信息进行预处理分析，然后通过运输模块对图像特征实施判定，并且在控制模块的作用下对全部信息实施评估与转化，然后完成存储过程。

1.1 信息的收集

在视觉测量传感仪的作用下，能够对事物的形状、颜色、亮度、对比度、规格等转换成电信号，便于构建测量模块。收集研究对象的常规信息，然后借助于传感器将电信号转化为运算模块，然后完成运算转码，并进行信息存储。

一般来说，我们看到的图像，通过显示屏幕进行放大，能够看出其是由无数个颗粒组合而成的，在不同的颗粒之间具有比较微小的间隙，一般通过肉眼是不能分辨的，所以我们眼中的图像是持续性的，不过具体来说，通过显示屏幕能够发现，它的确是利用不同的LED 经管将颜色、明暗度等信号的转化进行持续性地组合，由此能够转变成持续性的图像画面，例如：我们平时使用的显示器，其像素一般是由1920*1280 个像素点组合而成的，目前的2K/4K 显示器的点数则增加例很多，对于这种画面而言，其能够通过迅速切换等方式呈现出一种清晰的视频效果，一开始的动画则是通过这种操作原理形成的。

不过，对于电子设备来说，其是借助于传感器所搜集到的信息（包括若干个点的信息）完成存储任务，此即为智能手机等设备中的“像素”，像素有多大，那么久能够存储多少信息点，不过在电子存储环节，需要通过不同的压缩方式将存储图像或画面进行压缩，而基本操作是相似的。所有响度点的存储信息通常是在此点的R、G、B3 等原色的数据值中给予记录与存储，即：各张图像一般都是通过三维数组矩阵利用叠加的方式来完成的，所有记录点的数值通常在颜色0-225 范围内给予矩阵叠加。

索引图像和RGB 图像能够用于说明彩色图像。不过，RGB 存储模式是通过3 原色的数值给予记录，接着实施合成运算，并利用显示模块给予呈现，但是索引图像的呈现存储模式，一般是通过二维数组按照矩阵方式给予存储，即：一个数量通常存储一张图像，并且，还包括对比度、灰度数据等。每一个像素点存储的信息类型通常是八位没有符号整型信息，不过，由于计算机技术的持续发展，像素也是在持续扩容，每张图像的存储空间已超过数十兆的容量例。

对于数字化图片信息而言，其存储模式有两个：矢量存储与位图存储。其对应的格式完全不一样，对于BMP，GIF，GEPG 等格式而言，一般是通过不一样的压缩模式给予转化，并完成存储，其容量各有不同，呈现的效果也完全不一样。

1.2 预处理

当形成图像期间，一般会因为干扰等，转化压缩等模式导致图片的信息不完整等，探究其原因，则是噪音造成的。所以在此期间，如何减弱或消除噪声，则是一个非常关键的问题，具体来说，其包括不同的操作过程，若要确保算法精准那么一定要实施预处理，这是一个非常关键的环节，能够用于评估预处理后消除噪声的方法是否合适，是否要对其实施逆向处理，由此能够消除偏差，确保图像的完整与真实。由此能够增强特征抽取、图片分割、匹配与识别的稳定性。对于预处理环节来说，其操作模式则是把图像中的所有信息给予分类处理，确保信息的分类降噪，确保所有组块的信息通过程度不一的降噪算法进行处理，由此能够获得更清晰或完整的图片。

图像预处理的根本目的是为了将图片中一些干扰信息筛除，将其中一些有价值的信息显示出来，强化有价值信息的可识别性，能够尽可能地简化信息，通常需要借助于数字化、几何转化、归一法、复原法、增强法等操作进行处理。

滤波一般是需要把干扰信息在一些有价值的信息中独立出来，利用选频等技术，把一些有价值的频率通过过滤处理，由此能够转化为有价值信息，或者把干扰信息源删减掉。，由此能够获得所需要的信息，在图像识别期间，关于图像采集环节的信息滤除来说，这是一个极其重要的过程。

图像的直方图与归一法存在一定的类同性，从某种意义上来说，能够将所有像素点的值从0-225 的像素色彩值调整到0 或1，把图像色彩差距逐渐减少，同时使其彰显出阶梯性的变化。当目标和背景对比度非常明显的时候，这种方法的处理效果是非常理想的，不然会引起图片分割黏连等问题，造成分割失败。

对于图片的平滑滤波模式来说，其是指在图片灰度在跳变层面存在的一种抑制反应，在进行图片锐化滤波处理的过程中，其和平滑滤泡的效果完全不同，其是对图片的灰度跳变的一个强化方式，能够强调图片的细节数据转变；对于锐化与平滑等处理模式来说，其选择相同的滤波处理函数，往往需要先创建一个滤波器，不过其最大的不同是选择的滤波方式算子有差异。

锐化滤波处理从本质上来看，属于对噪声信息的一个强化方式，在一些处理环节中，通常将图片锐化与平滑进行联合操作，如果图画本身存在比较严重的噪声，需要先进行平滑处理，然后再实施锐化处理，如果图片锐化处理之后形成了噪声，那么需要进一步实施平滑处理。

1.3 特征抽取与选择

若要确保对图像实施高质量地识别，通常在这之前必须要确定模式，随后结合模式算法确定最理想的处理方法；图片如何先实施模式辨别，一般是通过样本抽取方法进行处理，其能够将相关图片所具备的固有特征识别出来，不过在提炼这些特征期间，其实就属于特征的抽取。其获得的特征通常对这一次识别并非完全有效，此时必须要提取有价值的特征，此即为特征的筛选。

1.3.1 像素特征提取

把图像像素点实施二值化抽取，像素点是黑色=1，如果白色，则=0。对于二值化后的0 与1 来说，在进行排列的过程中，利用像素点数量与维度等确定向量矩阵的大小。

1.3.2 骨架特征提取

图片边界的宽度通常会对识别效果造成干扰，一方面需要对轮廓的线条给予统一分析，接着需要对线条分界线中的特征实施提取，方可确定相应的特征向量矩阵。

1.3.3 图像特征点提取

其对应的方法包括：弧度统计、梯度统计等。其提取原理则是把提取信息进行分类，将其设置成八个模块，然后确定黑色像素点的数量，并将其当作特征。

1.3.4 分类器设计

经过对上述若干个特征提取进行分析，确定特征识别原则，并结合特征判定，对图像根据规则进行分类，一个识别规则能够确定一个特征分类，不同特征分类对应一种算法，若要确保图像识别算法的识别率不断提升，在实施分类决策的过程中，需要确定分类器的关键指标，由此能够更全面地识别其研究对戏的具体分类。对于图片增强的目的而言，则是希望能够增强图片质量。

2 图像复原的基本方法

2.1 图像噪声

其是指图片在拍摄、转化、压缩、存储等期间受到随机信号影响导致图片中出现一些无关紧要的干扰信息。若要获得比较清晰、完整的画面，必须要消除噪声，将真实的图片还原出来，这一操作过程可以称作为“图片复原”。图像噪声的形成是指图片在拍摄环节或者传输存储环节受到一些干扰因素的影响，在图片中很多影响人们对真实信息获得的因素。图片中形成的噪声会导致图片质量不断喜爱及爱过你，所以在对图片实施处理前，一定要全面消除噪声，由此能够发挥真实图像的真正价值。所以在进行处理前，必须要通过技术手段将其中的噪声过滤掉，图像噪声属于无法预测的信源，通常是需要利用概率统计等方式来确定随机误差值的大小。

对于数字图像系统而言，图像输入的第一步是锁定内容，然后实施扫描，并把多维图像信息转变成一维数据，然后对其实施加工、存储、传输等，由此能够达到变换目的。最后必须通过多维图像进行显示，不过对于噪声来说，一般会在这种处理模式的作用被分解，所以对于图像的强化与复原而言，必然会对图像的质量带来极大影响。

2.2 图像增强

其一般是对图像实施滤波或转换等处理，通常有两种方法：频率域法与空间域法。对于前者而言，其是将图像当作一类二维信号，通过傅里叶变换来达到增强信号的目的。对于后者而言，其是在原始图片的基础上实施数据运算，对不同像素的对比度进行处理。空间域能够对图像中的去噪算法进行处理，一般是通过低通滤波法进行处理，能够消除其中的噪声，选择高通滤波法进行处理能够强化边缘。对于中值滤波法来说，需要在局部确定平均值，从而达到消除噪音的目的，而选择邻域平均法，能够让图像变得更加清晰与真实。

2.3 图像复原

图像分割在图像分析过程中是一个非常关键环节，则需要将图片划分成不同指定大小，同时存在独特特征性质的区域，从中提取一些有价值的内容的一个方法。其一般是通过阈值分割法来完成，整个操作比较直接，其计算效率比较高，且精准性很强。对于这种运算方法的应用来说，适应范围非常广。所以，人们通过研究不同类型的阙值处理法能够对其进行有效应用，例如：自适应阙值应用、最佳阙值效果最理想、全局阙值应用最高效等。

维纳滤波属于一个对平稳环节实施的最理想评估，其是在最小均方误差准则的应用下进行操作的。从本质上来说，则需要让估计误差均方值实现最小化，所以，其对应的误差是比较小的，其获得的结果也是比较理想的，通常用来提取被稳定噪声所污染的信源，由此能够获得比较真实的图像。

结合测试结果确定维纳滤波，避免退化图像和运动模糊图像，就好比是反向滤波，所以，维纳滤波必须要对图像的信噪比或噪信比等进行估算，信号的功率的图谱使用必须要对其进行复原操作，其噪声分布一般是能够通过计算而确定，且获得的运动模糊效果是比较理想的。噪信比估计的精准性对图像质量带来的影响是比较明显的，通过自相关函数，对其实施维纳滤波获得效果最理想。

3 计算机图像处理技术的未来

对于计算机图像处理技术来说，其今后的发展趋势包括：

（1）计算机图像处理的发展能够朝着高清晰度、实时图像处理等方向转变，其应用技术一般会朝着高效传输、高分辨率、三维成像、智能化等趋势转变。

（2）着重将图像处理的功能集成固化于芯片中，其操作更便捷。

（3）通过不断更新理论研究，结合更迅速的算法研究。于图像处理过程中，引入一些全新的理论体系，并确定一些全新的算法，例如：分形几何、形态学、遗传算法、人工神经网络等。以上理论与算法，通常会是未来图像处理理论及技术等研究方向。

长期以来，人工智能是计算机技术的一个重要发展方向，其理论研究的成果必然会对计算机技术的发展趋势带来极大影响。目前，很多学者获得例不少的研究成果，并将其与人们的生活、工作等全面融合，那么在未来，人工智能技术必然会对社会的发展、各个行业的转变等造成更直接的影响。