在智能优化算法模式下探索计算机图像处理技术的应用

2021-04-20张波

电子技术与软件工程 2021年1期

张波

（枣庄科技职业学院山东省滕州市 277599）

作为一门应用范围最广，同时也是最伟大的发明技术，计算机技术对世界的发展影响是永久性且积极性的。计算机技术在运用过程中，对各领域衍生出了全新的运作模式。其中，在计算机图像处理中，完成了全面加强。对我国居民的日常生活以及工作带来了极大变革，推动社会相关行业实现有效发展。作为一种全新且有效的算法，K-means 算法可以在计算机图像处理中发挥自身的应用优势，因此得到广泛应用。在K-means 技术中，通过特殊的提取手法，可以对消费库中的特定信息进行有效提取。在消费信息中，将其整体数据进行有效体现。在计算机图像处理领域，K-means 算法可以完成智能计算，构建高清晰的图像水准并有效的表达相关图像。

1 计算机图像处理技术概述

在计算机图像处理技术中，可以通过计算机处理模式，将扫描到的信息数据进行有效处理。而计算机的处理器可以在处理中，根据图形的元素以及基本色彩的进行研究应用，以实现有效排列。在计算机识别过程中，在通常处理模式流程里，需要将图像信息进行转化。例如将已拍摄到的图画信息转化为图像粒子，以代码以及公式的形式，利用计算机的整体分析能力进行有效分析。经分析后，对公司内所包含的图像信息进行重新构建，以得到图形计算机技术的有效处理。根据此种工作模式，可以将不同以数字化的模式进行有效应用。在处理中，其包含了数字化图像以及模拟图像。

在数字化图像处理中，随着计算机技术的完善，需要对数字化信息实现快速且精准的识别。因此，数字化图像可以对详细信息进行有效处理，满足我国的发展需求。

而在模拟图像处理中，其可以对日常生活中相关的图像进行处理，例如复印、照片等。

计算机模拟图像与数字化图像相比，模拟图像的整体精度不足且无数字化处理模式灵活，在计算机图像处理领域，主要对数字化图像进行有效发展，模拟图像的发展受较多限制。

2 计算机图像处理技术应用分析

计算机图像处理技术依托于计算机的高度应用性以及先进的处理功能，在我国的各领域实现了有效推广。其在农业生产领域，在对农业采摘器处理过程中，图像处理技术可以通过采摘器前端的相机以及红外摄像仪，对采集的位置进行有效识别。同时，处理相关的分析数据，在处理完毕后将数据发回负责采摘的机械设备，通过此流程以实现采摘操作。此外，图像处理技术不仅可以对果实进行定位，更可以在采摘过程中有效识别并规避障碍物。在我国，此项技术提升了农业领域的采摘率，减少劳动成本，通过集中拍摄，计算机可以以最快的速度分析目前区域内部的整体排列方式，提升采摘效率。此外，在我国相关的研究领域，我国基于计算机图像处理技术，研制出了相关的采摘设备。在对蘑菇、木耳等需要进行有效经验识别的采摘技术中，通过图像分析技术，可以完成蘑菇的分辨、收集、确保蘑菇的实用性，确保了蘑菇采摘后的完整度以及安全性。

图1： K-means 算法中的“c（i）：=argmin//x（i）-uj//2”公式比对

图2：K-means 算法的图像特征提取框架分析

此外，图像处理技术更可以应用在遥感通讯领域，以保障其整体算法能够得到全面发挥。在遥感通讯中，遥感技术对图像的精准度以及处理度要求极高，计算机图像处理技术可以更好的满足遥感技术的相关发展需求。在遥感领域应用中，计算机图像处理技术可以在定位以及相关位置传送中发挥自身的应用效果，利用图像处理技术，可以分析卫星的遥感图像，并利用图像所传回的相关数据获取数据内部的信息。遥感技术目前在发展中，不仅在航天航空领域得到了有效应用。在我国社会后续发展中，其遥感技术逐渐广泛，更可以完成日常收集，以保障农业、林业、渔业的有效使用。例如，在农业或渔业中，通过遥感技术可以对鱼群的日常活动进行有效规划，更可以对林区的边界线实现有效分析。此外，遥感技术在军事气象领域得到了广泛应用，在环境探测方面发挥了巨大价值。遥感技术可以有效的获取大量的图像信息，并通过计算机的处理完成数字化转变，以保证计算机处理器可以对数据进行有效分析，可以更好的保障我国居民的生活品质。不仅如此，在通讯领域，如网络视频、网络办公、电话会议等均是通过该项技术实现。

3 K-means算法基本概述

K-means 算法是一种动态的计算机处理方法，在K-means 算法中，以误差平方以及相关函数对物体中心进行模拟计算。根据计算方法，将采集到的样本进行集中分配，建立新建的不同组别，并对不同组别的均值进行平均计算。所获取的平均数值，即为下次样本的采集标准。目前，K-means 算法的具体流程基本可分为三大步骤。

（1）通过聚类中心“K”进行随机处理，得到不同的K 样本，如k1、k2、k3 等；

（2）建立公式“c（i）：=argmin//x（i）-uj//2”。在建立公式完毕后，对每个公式中的“i”进行分别处理，实现样本分配；

（3）比对“c（i）：=argmin//x（i）-uj//2”公式，对不同的公式类型进行分析（如图1所示），并根据算法构建词字典，根据所选择的映射函数表达图像特征。

4 K-means算法图像提取技术的基本框架分析

在常规处理中，根据K-means 算法，对相关目标进行优化，并根据优化后的数据进行处理，以节省储存资源以及计算资源。在K-means 算法的智能处理中，可以对图像的特征进行有效分析（如图2）。例如，在运转模式里，可以提取图像内部的元素点并设立流程模式。此流程模式可参考以下流程“K-means 算法提取出图像自身的像素点——并将像素点转化为像素模块——通过K-means 集中处理——实现像素点关键信息的全面设定——对设定后的图像进行分析——经过传感器——在K-means 算法中对处理后的图像完成有效模拟——并提取图像中的字典——借由提取出的结果——设定公式函数——并分析相关的数据——对图像进行有效分类——以实现对图像的有效处理”。

5 图像处理技术分析

5.1 图像预处理技术

通过相关的白化操作，可以将收集到的像素进行有效优化，例如设置图块“X”，针对“X”进行正规化处理。其可通过以下公式“x（i）x（i）-mean（（x（i））”将“X”的均值以及方法差记为mean，将其设为常量。通过公式“x（i）x（i）-mean（（x（i））”的运算，可以防止在后续采集过程中，其方差趋于“0”，并起到有效的降噪作用。其原始图像相邻像素之间的关联性极强，在正规化处理基础上，可通过经典的PCA 白化技术，对所有的“X”值进行依次处理，削弱输入像素之间的关联性，其计算模式如下“[a,u]:=Eig[cou(x)]”、“xpcawhire=xrot,i”。

根据“[a,u]:=Eig[cou(x)]”、“xpcawhire=xrot,i”公式，在计算出相关公式后，可以根据计算出的“X 值”的特征量实现有效分析。在公式中，“X 值”代表了图像的基准流程，而“Cou”则可以作为一个特定值。二者结合，可以对图像进行有效削弱，解除冗余处理模式，实现有效关联。在白化数据采集中，对数据值“a 值”进行分析，可得知数据值“a 值”在特定情况下，其有可能会出现无限接近“0 值”的现象。因此，在图像处理中需要对特定值“a 值”进行有效处理。例如，对其添加常量使用量，可以避免在图像处理中“0 值”以外的非法操作。还可以对其整体输入的数据模式进行集中优化，以保证最终成像图像更加细腻。此外，计算机中的相关公式借助计算机的处理性能，更可以对图像特征进行有效学习。

5.2 图像特征提取

在对图像特征提取过程中，需要先对提取的图像进行有效处理。例如，完成预先分析，基于K-means 算法，利用K-means 算法中的特性，对图像进行全面处理，并建立K-means 算法模型。如在计算机中，输入处理后的数据，通过计算机内部平台可以获取图像的中心字典。就一般而言，在提取过程中，其基于以下两个步骤。

（1）在计算中，K-means 算法可以设立多个节点。在MAP 多节点设立完毕后，可以对现有的图像数据进行全面读取，并对其每个中心点中的相关元素进行分析，实现全面分配；

（2）在计算中，K-means 算法可以通过整体的比对以及分析，对二者之间的关键值进行设定。在处理过程中，如发现二者之间的关键值小于阀值，可以输出聚类中心，结束迭代。在图形字典当中，完成新一轮迭代。在获取明确数据情况下，设立相关公式，自动反映映射函数。此函数可以包含“X”映射为“K”的新特征，进行有效表达公式，如以下两点“zk=//x-c（k）//2”、“fk（x）=max0，u（z）-zk”。

6 图像分类实验

在整体算法流程中，可以基于图像处理模式，按照以下流程进行设置。例如，“K-means 算法提取出图像自身的像素点——并将像素点转化为像素模块——通过K-means 集中处理——实现像素点关键信息的全面设定——对设定后的图像进行分析——经过传感器——在K-means 算法中对处理后的图像完成有效模拟——并提取图像中的字典——借由提取出的结果——设定公式函数——并分析相关的数据——对图像进行有效分类——以实现对图像的有效处理”。

此外，在研究中，所涉及到的预操作处理包含了对图像块的白化操作以及归一化操作。在操作模式上，分析其实验结果。且经过数据证实，精准度均显著提升。其中，在数据集中其原始数据，为48.07%经过白化操作后，数据提升为55.38%；而数据集原始数据为62.48%，经过白化操作后的数据提升为70.19%。