计算机图像处理的应用与发展探究

金雪

摘要：信息时代各种新兴技术得到空前发展，计算机网络技术进入高速发展阶段，智能化图像处理技术被广泛应用到人类生活中。随着计算机图像处理技术应用领域不断拓展，人类对该技术的应用也逐渐成熟。本文通过简要分析计算机图像概念和分类，为研究图像技术在不同领域应用提供依据，并深入探讨图像处理技术在各方面的应用，希望能够提高计算机图像处理技术应用效率。

关键词：计算机;图像处理;应用;发展

中图分类号：TP311       文献标识码：A

文章编号：1009-3044（2021）25-0137-02

信息化时代，计算机技术给人类生活带来极大便利，社会生产和日常生活都离不开计算机技术。计算机凭借高速计算速度和优异稳定性完成人力不可能完成的工作，大大提高工作效率。图像处理技术能够实现数据图像处理简单化、同时处理多个图像的特点，具有很高的应用价值，能够极大提高图像处理效率。

1 计算机图像处理技术概述

1.1 概念

计算机图像处理技术指的是借助计算机技术或计算机平台系统对图像进行处理分析，能够进一步提取出处理图像包含的信息[1]。目前，该技术已经渗透到社会各个领域，通过利用优秀的计算能力完成二维、三维图像设计和存储，能够增强图像展示完美性。计算机图像处理技术能够产生两种效果图，分别是数字化图像和模拟图像[2]。其中，数字化图像具有较高精确度，且具有处理方式简单的特点;模拟图像具有输出简单的特点，但具有较大局限性。计算机图像处理技术的主要工作内容：运用光学对图片进行预处理，然后再进行数字化处理，通过几何变换、数字建模、明暗处理等方式增强图像识别性和清晰度。目前的计算机图像处理技术已经趋向于成熟，可以应用到各领域的科研、开发、生产过程中。

1.2 计算机图像处理技术分类

第一，图像去噪技术。顾名思义是去掉图像的噪声干扰，是图像复原技术的重要组成部分。在图像采集过程中，由于系统硬件等物理因素干扰，会导致图像采集过程中出现噪音，去噪技术是通过同态滤波操作和维纳滤波操作提升已退化的图像质量，进而达到去噪效果。

第二，图像增强技术。该技术能够帮助工作人员有效提取图像关键信息，削弱无关无用信息，主要针对原有图像画质差、目标对象与背景较为模糊的图像，能够提升图像对比度，提高图像画质清晰度和色彩明艳度。主要通过直方图增强法、伪色彩增强法等来增强图像的需求信息和必要信息，在不修改图像信息的基础上凸显图像的有用信息和数据，顺利完成目标对象和目标区域分类。

第三，图像压缩技术。该技术能够有效提取采集的图像信息和减少图片占用存储空间，有效删除无用信息和冗余信息[3]。例如，电视图像会产生较大图像数据率，通过采用图像压缩技术传播图像，能够避免传输过程中损伤图像，从而提高图像对比度和清晰度，进而提高图像应用效果。

第四，图像识别技术。该技术指的是对图像进行准确识别和分类，主要应用于人工智能方面。通过应用该技术，能够对数据对象按照一定特征进行分组，并可以记住降维、聚类等方法找到数据共同点，提高对象分组效率。常见的图像识别算法有卷积神经网、K-means、YOLO算法等。

2 计算机图像处理技术的发展历程

20世纪20年代，海底电缆的Bartlane电缆图片传输系统大大提高了图片传输效率，在3小时内完成传输一幅图片任务，是人类首次采用计算机技术进行图片处理。到了50年代，美国科研人员研发出一种多种设备配合的图像处理装置，主要设备有电子管计算机、平板式、滚筒式绘图设备，开始开启计算机图像处理技术之旅。60-70年代，计算机图像处理技术搭上计算机技术发展快车道，这时的计算机图像处理技术已经实现信息提取、图片压缩、图片传输等功能，应用领域涉及医学研究、通讯、办公自动化、卫星遥感等方面。

3 现代计算机图像处理技术的应用发展

3.1 农业方面应用

计算机图像处理技术在农业方面的应用主要表现在农作物选种、种植、采摘、加工等环节。第一，选种方面。主要通过该技术进行种子质量检验，种子的质量将直接关系到农作物发芽率和发育情况，进行种子成活率检测，能够为后期农作物生产管理提供数据依据。第二，农作物种植。通过利用图像处理技术，能够实现自动化播种，有效节省人工成本和时间成本。第三，农作物采摘。随着自动化技术不断发展，不少农民也具备自动化生产意识，通过借助采摘机器人进行农产品采摘工作，能够很大程度上减轻人工操作压力。

3.2 工业方面应用

工业发展与计算机网络技术有不可分割的联系，计算机工业革命是工业科技第三次革命。随着工业实现自动化生产，自动化发展成为工业生产发展的必然趋势，最具代表性的就是影视文化印刷行业和零部件生产。通过运用图像处理技术进行产品印刷和产品质量检测，能够从细节上把控印刷品质量，提高印刷品出版质量。在零部件生产方面，通过将零部件结构和规格信息传入计算机操作系统中，能够通过图像处理技术有效掌握产品的特点和优势，进而提高数据信息的精确度。

3.3 化学工业方面应用

主要针对各种复合材料进行研究，例如碳纤维增强水泥基复合材料，该材料被广泛应用到建筑工程施工。例如，碳纤维混凝土（carbon fiber reinforced concrete，CFRC），可以用于路面除冰、电磁屏蔽及建筑物健康监测等方面。例如，通过运用卷积神经网络（Convolutional Neural Network，CNN）能够加强图像分割和目标识别效果。目前，CNN已经成为化学工业方面的主要图像处理技术，利用CNN进行图像分割和多尺度特征编码，能够提取图像和视频中行人、汽车等性能。将其应用到沥青路面和水泥砂浆裂缝提取中，可以对现实复杂环境进行提取和分析，进而为碳纤维混凝土在建筑物健康监测、路面除冰加热等方面应用提供数据依据。在实际分析中，CNN具有分析不同尺度下SEM图像的能力，能够识别定位CF簇和分割CF簇，也就是说可以通过电镜扫描对图像中的CFRC进行定量表征碳纤维分布，并结合不同碳纤维SEM图像数据库进行编码、解码，从而了解碳纤维的分布与碳纤维混凝土属性之间的关系。图像处理技术在化学工业的应用主要依赖于計算方法的自动化、鲁棒性特征，从而有效提高图像识别处理能力。