计算机图像处理的应用与发展探究

2021-04-04李娟

信息记录材料 2021年11期

李娟

（南京商业学校江苏南京 210000）

1 引言

伴随计算机技术的飞速发展，计算机图像处理技术随之涌现，其可以帮助各行各业收集各类图像与数据并分析处理，20世纪后期经历了爆发式发展，诸多软件为处理图像技术提供服务，并逐渐成熟。计算机图像处理技术属于按照相关程序来提取图像、修复图像、分割图像、压缩图像等相关操作，还能对其实施色彩处理，促进操作人员的应用目标得以实现。此类技术已经涉及航天航空、军事、工业、农业等领域[1]。

2 处理计算机图像的技术

2.1 图像的识别技术

分析图像与处理是在使用图像识别技术的基础下，对图像进行有效分类和识别。在人工智能的研究方向中，通常只具备识别图像的功能，对数据对象根据相应特点来分组对象的一种聚类方式与降维找出数据之间存在的共性，促进数据集变量的有效减少。归类并识别图像目标，经常使用卷积累神经网、K-means等相关计算方法。

2.2 图像的割离技术

图像的割离技术可在图像识别目标、图像处置、图像分析等众多行业中尤为关键，按照图像的不同区域特点实施分析，供应定量与定性研究结果。对于识别图像目标以及分类图像目标中，分割图像技术发挥着不可忽略的作用。

2.3 增强图像技术

增强图像技术指的是对原先画质较差的图像、比较不明确背景和目标对象等相关问题图像的处理，采用直方图像增强方法以及色彩增强方法中所需的信息和重要信息，保证分解目标对象的工作与分类目标区域工作得以正常开展。

2.4 压缩图像与编码技术

为促进储存空间中图像占用的比例减少，合理控制数据的存储量，利用神经网络、小波变换等编码技术与压缩图像技术，将其中并无作用的数据和冗余数据删掉，提高图像的使用效果[2]。

2.5 图像的修护技术

图像处于外界不利因素的影响下，需要对应急技术合理选用科学处理，一般应该使用同态滤波方式和维纳滤波两种操作技术，提升图像的质量，保证图像受噪声和模糊的影响去除。

3 计算机图像处理技术具体应用

3.1 计算机图像处理技术用于农业领域

农业领域通过对计算机图像处理技术的合理运用，体现在以下几点：在进行农作物种子的选取时，农作物的根本源于种子，需要对种子质量进行检测，保证农作物成活率以及后续管理效果提升，从而为农作物实现优质生产提供保障。图像处理技术用于农作物的种植阶段，可在生产中对播种操作的时效性进行检测，规避员工播种消耗诸多时间和精力；利用农作物采摘设施，将处理图像的技术默认成红色程序，所有水果都需利用采摘设施收获以及识别水果的质量级别等，这样既省时又省力，从而创造更大的经济收益。利用计算机处理图像技术，对水果中有无病发虫害状况进行明确识别，促进人工识别虫害操作时间与成本的最大化减少。

3.2 医学领域运用计算机图像处理技术

医院领域中的图像可视技术中运用计算机图像处理技术，可以通过人体不可视器官三维模型的构建，帮助临床医师进行明确诊断。在治疗恶性肿瘤的过程中，其可以帮助临床医生来提前制定手术方案，以此对病变的形状及其空间位置进行合理掌握，针对恶性肿瘤患者采用放射治疗流程中，防止肿瘤周边关键组织暴露在射线的照射下，避免正常组织受损。利用数据连接部位合理连接互联网与临床上的医学图像，以此来保证医学图像实现远程传播，满足异地就诊的相关要求，从而提升医学图像信息化管控效率。

3.3 交通领域运用计算机图像处理技术

因我国智能化交通系统处于刚起步阶段，在基础相关工作的初始研究过程中，主要涉及道路交通管理优化、交通信息采集、车辆动态化识别等。近年来，国家交通系统发展正处于智能化发展。

通过安装红绿灯监控和道路违规车辆的拍摄，积极识别道路上的交通违法事件，以此对司机行为加强约束、降低意外事故的发生率，从而保证道路同行效率的全面提升，保证道路上驾驶的安全性。国内与国外相关学者对此实施了深层分析获取令人满意的效果。将运动目标的检测视为违规车辆系统的检测重点，根据道路上车辆的行驶规律对车辆背景进行分离，根据目标的运行情况对其实施判断，比如说违法车辆临时掉头、闯红灯等。割离图像成为两个区域：一个是含有运动的目标，另一个是未含有运动的目标。利用对目标对象属性的调节，比如说识别图像明晰程度、光亮度、底色等运动前景。根据车辆阴影和引擎盖，以地区背景及简短的标准对目标对象进行识别与定位，从而框选合适的对象，通过割离图像特点获取目标对象的长和宽及二维坐标。我国相关学者提出，一类鉴于CVI车辆违规行驶的检查系统，通过对感线圈检查方法的使用可以深层检查车辆是否出现违规行驶情况，利用某硬件传感设备对检测出来的车辆违规信号进行收集时，需对本车辆有无违规行为进行判断，在某种程度上，有利于促进人员检测压力的有效减轻。

国内外一些学者在研究智能化交通违规的计算方法上获得了理想的成效，比如说通过检查边界和融合双极性车道边界的计算方式，对车道线当中的车辆遮挡线所产生的影响合理提取。有关识别驾驶人有无佩戴安全带方面，需使用边缘化检测图像投影技术，对直方图车辆和驾驶人情况进行明确识别与定位，利用直线的滤波模型滤波驾驶人边缘检测图，并分析Hough的变换检测直线图。另外，可利用肤色似然度来提取皮肤特点，通过BP人工神经网识别，从而对驾驶人在驾车时打电话情况进行检测。

智能化交通系统用于电子收费及公共交通系统当中，收集、分割、提取图像信息可对车牌和车辆信息进行明确的识别。

3.4 道路施工领域运用计算机图像处理技术

如果在路桥施工裂缝中运用计算机图像处理技术，恰好可以代替传统人工检测方式，如此既能保证检测效果提升，还能让交通所受干扰降低。沥青路面之下产生隐蔽的裂缝作为路面受损的关键因素，以往路面病害具体是因车辆载重超限引发的裂缝等问题，减少行车的舒适性和安全性。传统人员检查方式的效果不高且误差较大。当下我国在相关领域的研究很多，具体牵涉K-means、YOLO计算方法、卷积神经网等深层学习模型，在复杂的裂缝图形状况下，及时有幸分析与识别图像裂缝。

伴随人工智能技术发展速度的越来越快，路面病害的识别技术中正在广泛使用机器学习方法。以往机器学习的不足之处在于人员提取图像的特点，难以对路面图片端至端进行智能化识别。为了处理这一问题，需使用卷积神经网，自动开展特点学习。近几年，深层学习法开始在道路施工领域中逐渐引进并获得很高的成效。鉴于卷积神经网提出裂缝的识别网络，以像素级来检查三维沥青的路面有无发生裂缝，并利用3个模型有效识别路面有无病害问题，对路面裂缝特点及路基表层坑槽特征有效提取，保证其计算精准性提升。

3.5 计算机图像处理技术用于化工行业

目前，我国研究化工行业的热点课题即为增强碳纤维水泥基的复合型材料，并不断改变建筑企业和路面项目中重点施工材料。CFRC存在着诸多功能特征，其中涵盖路面上浮冰得以去除的电加热、建筑物屏蔽电磁波、建筑物健康情况的检查方法等。

当前SEM图像中在分析CF评估分布中正在普及运用K值聚类、人工神经网、支持向量机等诸多方法。虽说这些方法效果较理想，但在明确性与效果方面存在局限，相较传统方式来看，在割离图像和识别标准中，采用卷积神经网才实现成功。通过对CNN技术的运用进行割离图像，并进行多尺度特征的编制，CNN技术在对汽车图像和相关视频的提取中具有科学性能。国内外相关学者在对沥青路面和水泥砂浆裂缝问题的提取流程，正广泛运用CNN模型，其处于现实复杂的环境之中拥有对背景的处理能力。此类模型可以对诸多环境下提取一些目标对象。在处理图片流程中，此类模型拥有在不同尺度下研究SEM图像的水平，其在SEM图像中可以指定识别CF族，并对图像中的CF族进行有效处理[3]。

4 计算机图像处理技术发展趋势

鉴于整体角度而言，计算机处理图像技术是在计算机发展前提下发展而来，因此在科技与计算机飞速发展的如今，处理图像技术才可以实现先进发展，并在各个行业中推广应用。但随着社会逐渐进步中，人们对于生活方面的要求随之上升，为了满足社会逐渐发展的要求，计算机处理图像技术不能滞留于某一层面，需逐渐前进与成长。因此，相关研究者只有通过逐渐提升本身专业技能与知识面，跟随时代发展的步伐，才能实现对先进处理图像技术的追踪，从而保障人们生活水平的全面提升。计算机图像处理技术未来的发展趋势可以概述为以下几点：（1）更清晰。不管是科技发展趋势，还是人们发展要求，清晰度较高自然会在人们视野中呈现，还会提升至计算机处理图像技术的主要突破，因此在实践研究中，业内可以试着深入探究清晰度较高的计算机图像处理技术。（2）更便捷。随着人们生活节奏的加快，让人们对各类生产速度需求及便捷性提高了要求，而且此类要求被誉为权衡科技好坏的金标准，所以研究未来处理图像技术的过程中，需重视研发这一方面，以人们现实需求当作研究的着手点。（3）理论及算法的快速更新。因计算机处理图像技术具有很大的使用范围，所以业内需强化提高技术理论以及算法的更新速度，方便将纰漏问题合理调试，避免其他问题的发生[4]。