張波

（棗莊科技職業(yè)學(xué)院 山東省滕州市 277599）

作為一門應(yīng)用范圍最廣，同時也是最偉大的發(fā)明技術(shù)，計(jì)算機(jī)技術(shù)對世界的發(fā)展影響是永久性且積極性的。計(jì)算機(jī)技術(shù)在運(yùn)用過程中，對各領(lǐng)域衍生出了全新的運(yùn)作模式。其中，在計(jì)算機(jī)圖像處理中，完成了全面加強(qiáng)。對我國居民的日常生活以及工作帶來了極大變革，推動社會相關(guān)行業(yè)實(shí)現(xiàn)有效發(fā)展。作為一種全新且有效的算法，K-means 算法可以在計(jì)算機(jī)圖像處理中發(fā)揮自身的應(yīng)用優(yōu)勢，因此得到廣泛應(yīng)用。在K-means 技術(shù)中，通過特殊的提取手法，可以對消費(fèi)庫中的特定信息進(jìn)行有效提取。在消費(fèi)信息中，將其整體數(shù)據(jù)進(jìn)行有效體現(xiàn)。在計(jì)算機(jī)圖像處理領(lǐng)域，K-means 算法可以完成智能計(jì)算，構(gòu)建高清晰的圖像水準(zhǔn)并有效的表達(dá)相關(guān)圖像。

1 計(jì)算機(jī)圖像處理技術(shù)概述

在計(jì)算機(jī)圖像處理技術(shù)中，可以通過計(jì)算機(jī)處理模式，將掃描到的信息數(shù)據(jù)進(jìn)行有效處理。而計(jì)算機(jī)的處理器可以在處理中，根據(jù)圖形的元素以及基本色彩的進(jìn)行研究應(yīng)用，以實(shí)現(xiàn)有效排列。在計(jì)算機(jī)識別過程中，在通常處理模式流程里，需要將圖像信息進(jìn)行轉(zhuǎn)化。例如將已拍攝到的圖畫信息轉(zhuǎn)化為圖像粒子，以代碼以及公式的形式，利用計(jì)算機(jī)的整體分析能力進(jìn)行有效分析。經(jīng)分析后，對公司內(nèi)所包含的圖像信息進(jìn)行重新構(gòu)建，以得到圖形計(jì)算機(jī)技術(shù)的有效處理。根據(jù)此種工作模式，可以將不同以數(shù)字化的模式進(jìn)行有效應(yīng)用。在處理中，其包含了數(shù)字化圖像以及模擬圖像。

在數(shù)字化圖像處理中，隨著計(jì)算機(jī)技術(shù)的完善，需要對數(shù)字化信息實(shí)現(xiàn)快速且精準(zhǔn)的識別。因此，數(shù)字化圖像可以對詳細(xì)信息進(jìn)行有效處理，滿足我國的發(fā)展需求。

而在模擬圖像處理中，其可以對日常生活中相關(guān)的圖像進(jìn)行處理，例如復(fù)印、照片等。

計(jì)算機(jī)模擬圖像與數(shù)字化圖像相比，模擬圖像的整體精度不足且無數(shù)字化處理模式靈活，在計(jì)算機(jī)圖像處理領(lǐng)域，主要對數(shù)字化圖像進(jìn)行有效發(fā)展，模擬圖像的發(fā)展受較多限制。

2 計(jì)算機(jī)圖像處理技術(shù)應(yīng)用分析

計(jì)算機(jī)圖像處理技術(shù)依托于計(jì)算機(jī)的高度應(yīng)用性以及先進(jìn)的處理功能，在我國的各領(lǐng)域?qū)崿F(xiàn)了有效推廣。其在農(nóng)業(yè)生產(chǎn)領(lǐng)域，在對農(nóng)業(yè)采摘器處理過程中，圖像處理技術(shù)可以通過采摘器前端的相機(jī)以及紅外攝像儀，對采集的位置進(jìn)行有效識別。同時，處理相關(guān)的分析數(shù)據(jù)，在處理完畢后將數(shù)據(jù)發(fā)回負(fù)責(zé)采摘的機(jī)械設(shè)備，通過此流程以實(shí)現(xiàn)采摘操作。此外，圖像處理技術(shù)不僅可以對果實(shí)進(jìn)行定位，更可以在采摘過程中有效識別并規(guī)避障礙物。在我國，此項(xiàng)技術(shù)提升了農(nóng)業(yè)領(lǐng)域的采摘率，減少勞動成本，通過集中拍攝，計(jì)算機(jī)可以以最快的速度分析目前區(qū)域內(nèi)部的整體排列方式，提升采摘效率。此外，在我國相關(guān)的研究領(lǐng)域，我國基于計(jì)算機(jī)圖像處理技術(shù)，研制出了相關(guān)的采摘設(shè)備。在對蘑菇、木耳等需要進(jìn)行有效經(jīng)驗(yàn)識別的采摘技術(shù)中，通過圖像分析技術(shù)，可以完成蘑菇的分辨、收集、確保蘑菇的實(shí)用性，確保了蘑菇采摘后的完整度以及安全性。

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

圖2：K-means 算法的圖像特征提取框架分析

此外，圖像處理技術(shù)更可以應(yīng)用在遙感通訊領(lǐng)域，以保障其整體算法能夠得到全面發(fā)揮。在遙感通訊中，遙感技術(shù)對圖像的精準(zhǔn)度以及處理度要求極高，計(jì)算機(jī)圖像處理技術(shù)可以更好的滿足遙感技術(shù)的相關(guān)發(fā)展需求。在遙感領(lǐng)域應(yīng)用中，計(jì)算機(jī)圖像處理技術(shù)可以在定位以及相關(guān)位置傳送中發(fā)揮自身的應(yīng)用效果，利用圖像處理技術(shù)，可以分析衛(wèi)星的遙感圖像，并利用圖像所傳回的相關(guān)數(shù)據(jù)獲取數(shù)據(jù)內(nèi)部的信息。遙感技術(shù)目前在發(fā)展中，不僅在航天航空領(lǐng)域得到了有效應(yīng)用。在我國社會后續(xù)發(fā)展中，其遙感技術(shù)逐漸廣泛，更可以完成日常收集，以保障農(nóng)業(yè)、林業(yè)、漁業(yè)的有效使用。例如，在農(nóng)業(yè)或漁業(yè)中，通過遙感技術(shù)可以對魚群的日常活動進(jìn)行有效規(guī)劃，更可以對林區(qū)的邊界線實(shí)現(xiàn)有效分析。此外，遙感技術(shù)在軍事氣象領(lǐng)域得到了廣泛應(yīng)用，在環(huán)境探測方面發(fā)揮了巨大價值。遙感技術(shù)可以有效的獲取大量的圖像信息，并通過計(jì)算機(jī)的處理完成數(shù)字化轉(zhuǎn)變，以保證計(jì)算機(jī)處理器可以對數(shù)據(jù)進(jìn)行有效分析，可以更好的保障我國居民的生活品質(zhì)。不僅如此，在通訊領(lǐng)域，如網(wǎng)絡(luò)視頻、網(wǎng)絡(luò)辦公、電話會議等均是通過該項(xiàng)技術(shù)實(shí)現(xiàn)。

3 K-means算法基本概述

K-means 算法是一種動態(tài)的計(jì)算機(jī)處理方法，在K-means 算法中，以誤差平方以及相關(guān)函數(shù)對物體中心進(jìn)行模擬計(jì)算。根據(jù)計(jì)算方法，將采集到的樣本進(jìn)行集中分配，建立新建的不同組別，并對不同組別的均值進(jìn)行平均計(jì)算。所獲取的平均數(shù)值，即為下次樣本的采集標(biāo)準(zhǔn)。目前，K-means 算法的具體流程基本可分為三大步驟。

（1）通過聚類中心“K”進(jìn)行隨機(jī)處理，得到不同的K 樣本，如k1、k2、k3 等；

（2）建立公式“c（i）：=argmin//x（i）-uj//2”。在建立公式完畢后，對每個公式中的“i”進(jìn)行分別處理，實(shí)現(xiàn)樣本分配；

（3）比對“c（i）：=argmin//x（i）-uj//2”公式，對不同的公式類型進(jìn)行分析（如圖1所示），并根據(jù)算法構(gòu)建詞字典，根據(jù)所選擇的映射函數(shù)表達(dá)圖像特征。

4 K-means算法圖像提取技術(shù)的基本框架分析

在常規(guī)處理中，根據(jù)K-means 算法，對相關(guān)目標(biāo)進(jìn)行優(yōu)化，并根據(jù)優(yōu)化后的數(shù)據(jù)進(jìn)行處理，以節(jié)省儲存資源以及計(jì)算資源。在K-means 算法的智能處理中，可以對圖像的特征進(jìn)行有效分析（如圖2）。例如，在運(yùn)轉(zhuǎn)模式里，可以提取圖像內(nèi)部的元素點(diǎn)并設(shè)立流程模式。此流程模式可參考以下流程“K-means 算法提取出圖像自身的像素點(diǎn)——并將像素點(diǎn)轉(zhuǎn)化為像素模塊——通過K-means 集中處理——實(shí)現(xiàn)像素點(diǎn)關(guān)鍵信息的全面設(shè)定——對設(shè)定后的圖像進(jìn)行分析——經(jīng)過傳感器——在K-means 算法中對處理后的圖像完成有效模擬——并提取圖像中的字典——借由提取出的結(jié)果——設(shè)定公式函數(shù)——并分析相關(guān)的數(shù)據(jù)——對圖像進(jìn)行有效分類——以實(shí)現(xiàn)對圖像的有效處理”。

5 圖像處理技術(shù)分析

5.1 圖像預(yù)處理技術(shù)

通過相關(guān)的白化操作，可以將收集到的像素進(jìn)行有效優(yōu)化，例如設(shè)置圖塊“X”，針對“X”進(jìn)行正規(guī)化處理。其可通過以下公式“x（i）x（i）-mean（（x（i））”將“X”的均值以及方法差記為mean，將其設(shè)為常量。通過公式“x（i）x（i）-mean（（x（i））”的運(yùn)算，可以防止在后續(xù)采集過程中，其方差趨于“0”，并起到有效的降噪作用。其原始圖像相鄰像素之間的關(guān)聯(lián)性極強(qiáng)，在正規(guī)化處理基礎(chǔ)上，可通過經(jīng)典的PCA 白化技術(shù)，對所有的“X”值進(jìn)行依次處理，削弱輸入像素之間的關(guān)聯(lián)性，其計(jì)算模式如下“[a,u]:=Eig[cou(x)]”、“xpcawhire=xrot,i”。

根據(jù)“[a,u]:=Eig[cou(x)]”、“xpcawhire=xrot,i”公式，在計(jì)算出相關(guān)公式后，可以根據(jù)計(jì)算出的“X 值”的特征量實(shí)現(xiàn)有效分析。在公式中，“X 值”代表了圖像的基準(zhǔn)流程，而“Cou”則可以作為一個特定值。二者結(jié)合，可以對圖像進(jìn)行有效削弱，解除冗余處理模式，實(shí)現(xiàn)有效關(guān)聯(lián)。在白化數(shù)據(jù)采集中，對數(shù)據(jù)值“a 值”進(jìn)行分析，可得知數(shù)據(jù)值“a 值”在特定情況下，其有可能會出現(xiàn)無限接近“0 值”的現(xiàn)象。因此，在圖像處理中需要對特定值“a 值”進(jìn)行有效處理。例如，對其添加常量使用量，可以避免在圖像處理中“0 值”以外的非法操作。還可以對其整體輸入的數(shù)據(jù)模式進(jìn)行集中優(yōu)化，以保證最終成像圖像更加細(xì)膩。此外，計(jì)算機(jī)中的相關(guān)公式借助計(jì)算機(jī)的處理性能，更可以對圖像特征進(jìn)行有效學(xué)習(xí)。

5.2 圖像特征提取

在對圖像特征提取過程中，需要先對提取的圖像進(jìn)行有效處理。例如，完成預(yù)先分析，基于K-means 算法，利用K-means 算法中的特性，對圖像進(jìn)行全面處理，并建立K-means 算法模型。如在計(jì)算機(jī)中，輸入處理后的數(shù)據(jù)，通過計(jì)算機(jī)內(nèi)部平臺可以獲取圖像的中心字典。就一般而言，在提取過程中，其基于以下兩個步驟。

（1）在計(jì)算中，K-means 算法可以設(shè)立多個節(jié)點(diǎn)。在MAP 多節(jié)點(diǎn)設(shè)立完畢后，可以對現(xiàn)有的圖像數(shù)據(jù)進(jìn)行全面讀取，并對其每個中心點(diǎn)中的相關(guān)元素進(jìn)行分析，實(shí)現(xiàn)全面分配；

（2）在計(jì)算中，K-means 算法可以通過整體的比對以及分析，對二者之間的關(guān)鍵值進(jìn)行設(shè)定。在處理過程中，如發(fā)現(xiàn)二者之間的關(guān)鍵值小于閥值，可以輸出聚類中心，結(jié)束迭代。在圖形字典當(dāng)中，完成新一輪迭代。在獲取明確數(shù)據(jù)情況下，設(shè)立相關(guān)公式，自動反映映射函數(shù)。此函數(shù)可以包含“X”映射為“K”的新特征，進(jìn)行有效表達(dá)公式，如以下兩點(diǎn)“zk=//x-c（k）//2”、“fk（x）=max0，u（z）-zk”。

6 圖像分類實(shí)驗(yàn)

在整體算法流程中，可以基于圖像處理模式，按照以下流程進(jìn)行設(shè)置。例如，“K-means 算法提取出圖像自身的像素點(diǎn)——并將像素點(diǎn)轉(zhuǎn)化為像素模塊——通過K-means 集中處理——實(shí)現(xiàn)像素點(diǎn)關(guān)鍵信息的全面設(shè)定——對設(shè)定后的圖像進(jìn)行分析——經(jīng)過傳感器——在K-means 算法中對處理后的圖像完成有效模擬——并提取圖像中的字典——借由提取出的結(jié)果——設(shè)定公式函數(shù)——并分析相關(guān)的數(shù)據(jù)——對圖像進(jìn)行有效分類——以實(shí)現(xiàn)對圖像的有效處理”。

此外，在研究中，所涉及到的預(yù)操作處理包含了對圖像塊的白化操作以及歸一化操作。在操作模式上，分析其實(shí)驗(yàn)結(jié)果。且經(jīng)過數(shù)據(jù)證實(shí)，精準(zhǔn)度均顯著提升。其中，在數(shù)據(jù)集中其原始數(shù)據(jù)，為48.07%經(jīng)過白化操作后，數(shù)據(jù)提升為55.38%；而數(shù)據(jù)集原始數(shù)據(jù)為62.48%，經(jīng)過白化操作后的數(shù)據(jù)提升為70.19%。

7 結(jié)束語

綜上所述，在研究過程中，其基于分布式的K-means 算法圖像處理特征，可以根據(jù)整體的流程以及相關(guān)結(jié)果介紹白化操作技術(shù)的重要含義。在未來的研究中，可以進(jìn)一步針對較大規(guī)模的圖像分類技術(shù)綜合應(yīng)用深度層次的學(xué)習(xí)方法，以實(shí)現(xiàn)更高級的圖像分類，完成智能化處理。