计算机图像处理的应用与发展

2022-12-18李东丹

现代工业经济和信息化 2022年5期

李东丹

（西山煤电集团高级技工学校，山西太原 030053）

引言

当前，计算机已经得到普及应用，影响着社会生产、生活的方方面面。计算机图像处理是一种使用计算机对图像进行处理的技术，具有图像处理效率与质量较好、图像处理过程简单快捷、可同时对多个图像进行处理等诸多优势。因此，计算机图像处理的应用范围不断扩大。

1 计算机图像处理技术

计算机图像处理是将图像信号转换为数字信号之后，采用计算机实施一系列处理的一种技术。该技术的常用方法主要包括：

1）图像编码压缩。该技术可以减少描述图像的比特数，也就是数据量，因此不仅可以使其占用存储器容量减小，还可以减少图像传输、图像处理所花费的时间。对图像编码压缩方法进行实际应用的过程中，图像即可以处于不失真的条件下，也可以处于失真的状态下，但必须在允许范围之内。

2）图像变换。如果需要进行处理的图像阵列非常大，虽然可以在空间域中直接处理，但是计算量却非常大，这无疑提高了图像处理的难度，也提高了对图像处理技术的要求。面对这样的情况，可以应用图像变换方法，如沃尔什变换、傅立叶变换以及离散余弦变换等，把空间域的处理变成变换域处理，以达到减少计算量的效果。小波变换是一种新兴的图像变换技术，其在时域、频域中有着理想的局部化特征。

3）图像增强与复原。实现图像质量的提高是增强与复原的主要目的，例如去噪可以使图像清晰度提升。图像增强通常是将图像中需要的部分进行着重突出，不会对图像降质原因进行考虑。而图像复原必须考虑图像降质原因，这也是该方法的一个基本特征，在采取图像复原方法的时候，一般情况下应当与图像降质过程有机联系起来，建立科学的“降质模型”，并合理选择滤波方法，来修复、重建图像。

4）图像分割。从图像中提出有意义的特征，是图像分割的主要内容，图像中的区域、边缘等均属于有意义的特征，图像分割是进一步开展图像识别、图像理解、图像分析的基础。

5）图像描述。在计算机图像处理技术中，图像描述是一种常用对方法，同时也是图像识别的必要前提。一般情况下，二维形状可以对一般图像进行描述，包括边界描述、区域描述，二值图像则是采用几何特性来对物体特性进行描述；可借助二维纹理特征对特殊纹理图像进行描述[1]。

6）图像识别。图像识别也被称为图像分类，指的是对经过压缩、增强、复原等预处理的图像进行分割、提取特征，并在此基础上进行判决分类。模式识别方法是图像识别中的常用方法，包括句法模式分类、统计模式分类两种类型。新兴的人工神经网络模式分类、模糊模式识别等在图像识别中得到了越来越多的应用。

2 计算机图像处理的应用

2.1 计算机图像处理在工业工程领域的应用

计算机图像处理在工业工程领域的应用十分广泛，比较常见的有以下几种情况：自动装配线中对零件质量进行检测，并可以实现对零件的准确分类；弹性力学照片的应力分析；邮政信件的自动化分拣；印刷电路板疵病检查；先进的设计与制造中采用工业视觉；流体力学图片的升力、阻力分析；放射性、有毒环境下对物体或工件的排列状态与形状进行识别。随着人工智能技术的迅速发展，各种智能机器人被研发出来，其具有一定的触觉、视觉、听觉等功能，为工农业生产提供了有力的技术支持。现阶段，工业生产中的一些特殊情况如焊接、喷漆、装配等环节已经对智能机器人进行了应用。

2.2 计算机图像处理在通信工程领域的应用

当前的通信正在朝着数据、图像、文字、声音等有机结合的多媒体通信方向发展。图像通信是其中难度、复杂程度最高的一种，其原因在于图像数据量非常大，例如，彩色电视信号的传送速率可高达100 Mbit/s。若想实时传送这种高速率的数据，应使用编码技术来对信息的比特量进行压缩。可以说，这些技术的成败，在很大程度上取决于编码压缩的效果。目前，常用的方法包括DPCM编码、熵编码以及变换编码，除此之外，各种新的编码方法不断涌现，如自适应网络编码、分行编码等。

2.3 计算机图像处理在医疗领域的应用

目前，在医疗领域，CT技术、超声图像、体视化技术等方面均涉及到了计算机图像处理，具体如下所述。

1）CT技术。图像质量是决定CT影像整体质量的最为关键的要素。因此，在对CT技术进行实际应用的时候，应采用计算机图像处理技术，充分发挥该技术的作用与优势，对图像进行有效的处理，从而可以得到更加高清的图像。这样的前提下，在宽动态范围中，CT成像系统便可以得到密度、对比度最好的图像。在此基础上，采取一系列图像处理方法，来对图像中的目标区域进行灵活处理，从而实现图像边缘锐利度、图像对比度、图像密度的最优化，为医生诊断提供有效的支持[2]。

2）超声图像。当前，超声检查在医疗领域中得到了越来越多的应用，计算机图像处理的应用，可以保障超声检查的应用价值。具体来说，针对使用超声检查设备取得的图像，可采用维纳滤波解卷算法进行斑点去噪处理，采取这样的方法，可以大幅度提高图像的分辨率；在此基础上，针对图像高频部分，可通过图像增强方法来着重突出，从而实现边缘清晰度的提升，获得更高质量的图像，便于医生区分病灶与正常组织。

3）体视化技术。医疗领域中，计算机图像处理也在体视化技术中得到了应用。体视化技术可以将二维断层图像重建为三维图像，并采取滤波、变换的技术，将数据中的噪声滤除，对成像过程中的畸变进行校准。同时，体视化技术的实际应用过程中，可以结合计算机视觉分割法，来更好地区分不同物质体数据，使目标人体器官、组织等显现出来，从而让病灶充分暴露出来。

2.4 计算机图像处理在遥感卫星领域的应用

20世纪60年代末，SKYLAB系列与LANDSAT系列遥感卫星发射成功之后，由于受到环境因素的影响，卫星传回的图像质量较差。但是，受到技术条件的限制，无法对图像进行有效的处理，这就导致了无法从图像中得到有价值的信息，这无疑也在一定程度上给遥感卫星领域的发展带来了一定的限制。自进入21世纪以来，科学技术走向了迅速发展的道路，计算机图像处理技术的诞生与应用，使得图像处理变得更加简单、方便、快捷、有效。因此，遥感卫星领域的图像处理中，也可以引入计算机图像处理技术，从而获得有价值的信息。具体过程如下：遥感卫星获得原始图像之后，在空中对图像进行数字化编码，在此过程中，将图像信号转变为数字信号，然后再将数字信号传回到地面；地面处理中心在接收到数字信号之后，应当采用计算机图像处理技术，对传回的图像进行一系列的处理，从而获取有价值的信息。与此同时，在遥感卫星领域，还可以将计算机图像处理技术应用在地形勘查、气象观测、资源勘探等领域。例如，针对铁路建设项目在规划设计之前，可以采用遥感卫星获取项目所在区域的图像，然后对图像进行处理、分析，并根据处理完成的高质量图像，来开展规划设计工作。

2.5 计算机图像处理在交通领域的应用

智慧城市建设中，智能交通占据着非常重要的地位，为了实现智能交通，应加强对计算机图像处理技术的研究与应用。计算机图像处理技术最初只是用于交通信息采集、道路交通管理等方面。伴随着计算机图像处理技术的迅速发展，其在交通领域中的应用范围也在不断扩大，对计算机图像处理技术进行有效应用，加强道路安全管理，对于维持交通秩序有着重要的意义。

车辆识别中，计算机图像处理的要点主要包括：

1）图像预处理。将环形线圈检测器与照相机设置在各个道路上，构建“电子眼”系统。借助电子眼，对经过的车辆信息进行捕捉，并对车辆的车牌图像进行采集。对图像进行采集的时候，由于受到硬件问题、环境因素的影响，因此采集到的原始图像往往质量不高、无法准确识别。面对这样的情况，应采用有效的方法，对原始图像进行适当的预处理。第一步是使彩色图像灰度化，以降低图像数据量，从而减少后续图像处理中的数据量；第二步是将图像中需要的特征进行选取，采用图像滤波技术进一步对图像进行预处理，使原始图像特征尽可能保留下来的前提下降低图像的噪声，以提高图像的可靠性与价值；第三步是开展边缘检测，结合实际情况，选择合理的算法，对图像进行边缘定位，如Roberts算子、Sobel算子、Canny算子、Prewitt算子等，以便于后续能够获取有价值的信息区域。

2）车牌定位。在完成图像预处理后，应定为车牌区域，将含有车牌信息的子区域提取出来。第一步是图像初定位，将候选区域筛选出来；第二步是根据第一步选出来的候选区域图像，开展二值化处理，对阈值进行合理调整，将图像分为黑白两个部分，从而实现图像数据大小的进一步降低，并能更好地显示图像中车牌的细节，实现图像识别效率的提升；第三步是对图像进行扫描，根据像素的黑白跳变规律，来实现对车牌区域的准确定位。

3）车牌校正。道路交通中，车流情况时时刻刻均在发生着变化，因此“电子眼”在拍摄目标车辆的时候，可能是从正面拍摄，也可能是从侧面拍摄，因此得到的车牌可能是歪曲的，大致上可分为垂直倾斜、水平倾斜以及复合倾斜三种类型，需要对车牌进行校正处理。在对车牌进行校正的时候，可以根据实际情况，选择TILT算法、Hough变换法等方法进行处理，从而提高图像的质量。

4）字符分割。完成车牌校正之后，应对车牌上的字符进行分割，也就是从车牌中提取字符子图像块，从而为后续车牌识别奠定良好的基础。实际操作的时候，可以采取基于汉字结构特征的分割法、区域生长法、垂直投影法等方法来进行字符分割。

5）车牌识别。将经过字符分割之后提取出来的字符，与字符库进行对比，得到匹配结果，从而有效识别车牌。